简介：摘要目的基于肺癌患者胸部定位CT图像进行筛选与放射性肺炎发生相关的放射组学特征，构建机器学习模型，探讨放射组学在预测放射性肺炎发生中的价值。方法回顾性分析行根治性调强放疗的Ⅲ期非小细胞肺癌患者86例，通过随访影像学资料及临床信息将其进行放射性肺炎分级，并收集其定位CT图像。将全肺作为感兴趣体积进行放射组学特征的提取，分析与发生放射性肺炎有关的放射组学特征及临床、剂量学特征。利用支持向量机进行模型构建，通过五折验证方式检测模型预测性能。结果提取出放射组学特征1029个，通过方差分析及LASSO方法共得到与发生放射性肺炎有关的放射组学特征5个。单纯利用放射组学特征构建模型的测试集曲线下面积(AUC)＝0.67，利用放射组学特征结合临床、剂量参数构建模型的测试集AUC＝0.71。结论在通过利用Ⅲ期非小细胞肺癌患者的定位CT图像进行构建的放射组学模型有预测放射性肺炎发生的潜能，加入临床及剂量参数后可进一步提高预测效能。

简介：摘要目的探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像，根据临床资料及影像学随访资料对放射性肺炎进行分级，提取全肺的剂量组学特征，构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO-LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征，随机按照7∶3划分为训练集及验证集，应用逻辑回归建立预测模型，并应用ROC曲线及校正曲线评价模型的性能。结果共提取120个剂量组学特征，经LASSO-LR降维筛选得到12个特征进入“特征池”，再经过AIC向后法筛选，最终筛选出6个剂量组学特征进行模型构建，训练集AUC为0.77（95%CI为0.65~0.87），独立验证集AUC为0.72（95%CI为0.64~0.81）。结论利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力，但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。