放射组学是一个从传统医学图像中提取和分析高维定量特征的过程。在过去的几年里，放射组学在临床上多个领域中得到了普及，放射组学特征的潜力在精准医疗领域得到了广泛的认可。虽然放射组学跨越了许多特征类别，但其中基于像素邻域信息的纹理特征在许多应用中都很有价值。使用纹理特征的研究对肺部恶性肿瘤的识别、肿瘤反应的预测和患者生存率的预估显示出良好的效果。

在各种纹理特征中，尺寸-区域矩阵（SZM）特征是基于这样的想法：一个给定的肿瘤是由不同尺寸的较小的空间连续区块（"blobs"）组成的。邻近区域的类似体素被分组，形成多个具有潜在不同生物特性的子区域。然而，只有少数研究调查了SZM特征在肺癌中的价值。

近日，发表在European Radiology杂志的一项研究探讨了SZM特征对肺腺癌（ADC）患者预后预测的可行性，为临床对该类患者的术前准确风险分层及个性化治疗方案的制定提供了参考依据。

本研究共纳入了298名患者，并对每位患者治疗前的计算机断层扫描图像进行了五倍交叉验证分析。本研究利用SZM特征建立了一个总生存率的风险模型，并将其与传统的放射组学风险模型和基于临床变量的风险模型进行了比较。同时，还将其与其他包含SZM特征、其他放射组学特征和临床变量的不同组合的模型进行了比较。共比较了7个风险模型，并使用左旋测试折线的危险比（HR）进行了评估。 

作为一个基线，临床变量风险模型显示HR为2.739。将放射组学特征与SZM特征相结合，比单独使用放射组学特征（HR 3.439）更好（HR 4.034）。将放射组学特征、SZM特征和临床变量相结合（HR 6.524）比仅将放射组学特征和临床变量相结合（HR 4.202）表现得更好。这些结果证实了SZM特征对肺部ADC预后的附加价值。 

图 肺部CT图像中的肺腺癌、肿瘤ROI和用于放射组学分析的1厘米扩大的肿瘤周围ROI（从左到右）

本研究表明，与单独使用放射组学特征相比，将放射组学特征与SZM特征相结合可为预后预测提供更高的附加价值。因此在临床上，当结合肺癌领域不同角度的生物标志物时，SZM特征将有助于更好地进行预测及风险分层。

原文出处：

Eunjin Kim,Geewon Lee,Seung-Hak Lee,et al.Incremental benefits of size-zone matrix-based radiomics features for the prognosis of lung adenocarcinoma: advantage of spatial partitioning on tumor evaluation.DOI:10.1007/s00330-022-08818-z

Tags： European Radiology：放射组学特征对肺腺癌患者预后预测的附加价值