摘要
专家引言：肺癌是全球癌症死亡的主要原因，通常在晚期才被确诊。肺癌的早筛查、早诊断和早治疗可有效降低死亡率。随着CT尤其是低剂量CT的广泛临床应用，人群中肺结节检出率明显增加。为了及时为肺结节患者提供个性化治疗，精准确定肺结节的病理学类型非常重要。尽管美国放射学院（ACR）发布了肺结节筛查分类系统肺部影像报告和数据系统（Lung-RADS），但实际无论是Lung-RADS中使用的Brock模型还是基于西方人群的Mayo模型，已经被多次证明是不适合直接应用于临床工作，尤其是对亚洲人群。因此，临床亟须开发适合中国人群特点的肺结节CT影像预测模型。为此天津医科大学肿瘤医院叶兆祥教授团队在肺小结节临床管理现状、肺亚实性结节病理侵袭性预测及肺实性结节病理预测方面进行了一系列研究。随着肿瘤异质性的深入研究，基于肿瘤病理及病理亚型的定制治疗已成为当今精准医疗领域的研究热点。影像-病理组学融合技术和深度学习作为影像人工智能分析模式的新兴技术，提供了探查肿瘤异质性的全新视角。未来借助人工智能技术，我们可以探讨CT图像信息中包含的潜在信息反映病理表型的差异，构建基于影像-病理组学融合映射模型，进一步前瞻性预测肺癌患者术前病理类型及亚型。这一研究方向可为临床基于术前病理亚型开展术式选择、生物治疗疗效预测、晚期肺癌预后预测等研究建立基础，具有重要的临床应用价值。
万方数据