摘要背景。越来越多的研究表明,使用从成像数据中提取的放射组学特征可以预测各种恶性肿瘤的组织学或遗传信息。本研究旨在通过内部和外部验证来研究基于 MRI 的放射组学在预测脑转移瘤原发性肿瘤中的作用,并使用过采样技术来解决类别不平衡问题。方法。这项经 IRB 批准的回顾性多中心研究包括肺癌、黑色素瘤、乳腺癌、结直肠癌和其他原发性实体的组合异质组(5 类分类)的脑转移瘤。2003 年至 2021 年期间从 231 名患者(545 个转移瘤)获取了本地数据。分别对来自公开的斯坦福 BrainMetShare 和加州大学旧金山分校脑转移瘤立体定向放射外科数据集的 82 名患者(280 个转移瘤)和 258 名患者(809 个转移瘤)进行了外部验证。预处理包括脑提取、偏差校正、配准、强度归一化和半手动二元肿瘤分割。从每个序列(8 次分解)的 T1w(± 对比度)、液体衰减反转恢复 (FLAIR) 和小波变换中提取了 2528 个放射组学特征。使用原始数据和过采样数据的选定特征训练随机森林分类器(5 倍交叉验证),并使用准确度、精确度、召回率、F1 分数和受试者工作特征曲线下面积 (AUC) 在内部/外部保留测试集上进行评估。结果。过采样并没有改善内部和外部测试集上整体不令人满意的性能。不正确的数据分区(训练/验证/测试分割之前的过采样)会导致对模型性能的严重高估。结论。应严格评估放射组学模型从成像中预测组织学或基因组数据的能力;外部验证至关重要。
血源性播散是导致脑转移的最常见转移方式;这意味着即使只看到一个颅内病变,整个大脑都可能受到微转移性疾病的影响。 [2] 最近,人们对这一前提产生了怀疑,导致一种反向哲学的出现,认为在某些患者中,颅骨内的疾病仅限于少数转移瘤,这种状态称为寡转移。 [2] 治疗脑转移常用的两种主要方法是对症干预和治疗干预。对症治疗通常包括使用皮质类固醇来减少肿瘤周围肿胀和使用抗惊厥药来防止癫痫复发。脑转移的治疗方案包括手术干预、全脑放射治疗 (WBRT)、立体定向放射外科 (SRS) 和化疗。多名患者会接受多种治疗方案的组合,治疗决策必须基于多个方面,例如患者的年龄和功能能力、初始肿瘤的类型、脑外疾病的程度、之前的治疗方法以及脑内病变的数量。[6]
1 Department of Neurosurgery Keck School of Medicine of University of Southern California 1300 N. State 10 Street, Suite 3300 Los Angeles, CA 90033 11 2 Department of Aerospace and Mechanical Engineering, Mathematics and The Ellison Institute for 12 Transformative Medicine of USC 13 Viterbi School of Engineering, University of Southern California 854 Downey Way Los Angeles, CA 90089 14 3 Department of Physics Astronomy University of南加州洛杉矶,加利福尼亚州90089 15 4转化基因组学系南加州大学1450 16比奇街洛杉矶,加利福尼亚州洛杉矶,90033,90033,90033 17 5癌症科学研究所,米歇尔森融合生物科学中心,南加州189年南加州大学,洛杉矶,洛杉矶,洛杉矶,洛杉矶,90089 19 Catherine Serplection南加州,洛杉矶,加利福尼亚州90033 21 6南加州大学凯克学校医学院,加利福尼亚州洛杉矶,90033 22
• 估算了患有 CNS 转移的晚期 ALK + NSCLC 患者与没有 CNS 转移的患者相比的治疗年度费用。 • 由肿瘤内科医生组成的专家小组估计了每种类型患者(有 CNS 转移与无 CNS 转移)的医疗资源消耗。 • 来自关键性 III 期临床试验 ALEX 的阿来替尼 (9.4%) 与克唑替尼 (41.4%) 的脑转移累积发生率数据用于估算使用阿来替尼或克唑替尼治疗的 ALK + NSCLC 患者的年度治疗费用。 • 治疗没有 CNS 转移的患者的年总费用为 6173.42 欧元/人,而治疗有 CNS 转移的患者的年总费用为 21,637.50 欧元/人。 • 接受阿来替尼治疗的患者人均费用低于接受克唑替尼治疗的患者,每年可为患者节省 4949 欧元。 • 进行了一项替代分析,包括与治疗相关的 3-5 级不良事件的成本,结果显示,与使用阿来替尼治疗的患者相比,使用克唑替尼治疗的患者与使用基础病例相比节省了更多成本( 5044 欧元)。 • 该分析可以帮助卫生决策者做出有关晚期 ALK + NSCLC 一线治疗的决策,因为阿来替尼通过其对 CNS 转移发展的保护作用,可以节省与晚期 ALK + NSCLC 患者管理相关的成本/年。
摘要 背景:本研究分析抗血管生成药物安罗替尼联合放疗治疗男性肺癌脑转移的临床疗效。方法:根据现有病例记录,对我院2019年1月至2023年12月间收治的63例男性肺癌脑转移患者的资料进行回顾性分析。根据记录的治疗方法不同,其中33例患者接受单纯调强放疗(IMRT)(放疗组),30例患者接受安罗替尼联合IMRT(联合治疗组)。比较两种治疗方法的临床结果。结果:结果显示,治疗后1个月,联合治疗组颅内肿瘤客观缓解率(ORR)相对较高(70.00%vs.48.48%),但差异无统计学意义(p>0.05),而联合治疗组疾病进展(PD)发生率明显低于放疗组(6.67%vs.33.33%;p<0.05),提示联合使用安罗替尼可明显减缓疾病进展(p<0.05)。此外,联合治疗组患者脱水药物使用时间、头痛缓解速度均短于放疗组(p<0.05),无进展生存期(PFS)和总生存期(OS)均明显长于放疗组(p<0.001)。结论:总而言之,这些研究结果表明安罗替尼联合放疗可增强男性肺癌脑转移患者的治疗效益。需要进一步的大规模随机对照试验来证实这些结果。
该受试者是一名79岁的男性,被发现六年前的宫颈淋巴结肿大。进一步检查后,怀疑PTC的宫颈淋巴结转移。五年前,患者接受了甲状腺全切除术和左宫颈淋巴结清扫术。两年前,在肺的右上叶中观察到一个结节,但通过观察进行了管理。胸部计算机断层扫描显示出一个不规则的结节,在右上叶的S1段中测量15×14 mm。在怀疑原发性肺癌的情况下,决定进行术中快速诊断,如果恶性肿瘤,将进行右上叶切除术,并进行纵隔淋巴结清扫术。术中快速诊断证实了恶性肿瘤,并进行了右上叶切除术和纵隔淋巴结清除术。组织病理学检查揭示了乳头状腺癌的发现,导致诊断为继发性肺癌(PT1CN0CM0,PSTAGE IA3)。此外,还观察到了提示PTC多种转移酶的发现。同样,没有针对PTC肺转移酶进行辅助治疗,并且采用了仔细观察的政策。
癌症转移是与晚期实体瘤相关的90%以上的死亡原因[1,2]。肝脏具有丰富的血液动力学特征(门户静脉和动脉系统)和独特的微环境,使其本质上容易受到传播肿瘤细胞的敏感,从而导致11.1%的转移速率为11.1%,是跨质量的最常见靶标之一[3,4]。近年来,原发性恶性肿瘤和肝转移(LM)的发生率有所增加[5]。大约40%的恶性肿瘤患者发育LM [6],这极大地影响了患者的生存[4]。治疗涉及两个方面:原发性肿瘤和LM [7,8]。如果不能通过手术从根本上切除它们,那么从长远来看,即使有各种当前治疗方案,也很难控制晚期癌症的进展[9]。因此,需要对肝转移患者,尤其是多种治疗后的患者进行积极探索有效且毒性较小的组合疗法。免疫疗法的出现在临床实践中取得了巨大的成功,并且从成为一种流行的新疗法转变为许多癌症指南的一线建议[10-14]。迄今为止,美国FDA批准了各种免疫治疗剂,其中最广泛使用的剂是抗PD1-PDL1 [11,15-18]。由于其有利的毒性,临床益处和患者的生活质量,它们通常用于治疗常见恶性肿瘤[19,20]。然而,晚期癌症患者中肝转移的存在将导致对免疫疗法的反应,这是一种免疫抑制作用,在几项研究中已通过调节和激活全身和肿瘤内免疫细胞来证明[21]。此外,巨噬细胞诱导的凋亡消除了肿瘤特异性的CD8+ T细胞,从而促进肝免疫胆脂[22]。因此,尽管一些研究表明,基于ICI的免疫疗法可改善晚期癌症患者的总体生存,但肝转移患者的总体益处较小[23]。因此,有必要通过逆转免疫抑制性肿瘤微环境来将免疫疗法与其他疗法结合起来,以实现协同作用[24-27]。基于ICI的免疫疗法与细胞毒性化学疗法结合使用已被广泛用作标准临床治疗[28]。临床试验数据(Impower150)表明,化学疗法可以在某种程度上提高ICIS在LM患者中的功效[29]。放射疗法在转移性癌症中的局部作用可以刺激全身免疫,而放射疗法与免疫疗法结合在临床实践中更为常见[30]。例如,放疗增强了免疫疗法的全身作用,导致远处转移性癌症的消退[31]。最小消除疗法还显示了LM患者的免疫调节作用[32 - 36],通过暴露与肿瘤相关的抗原暴露了抗肿瘤免疫反应的全身免疫细胞[37]。高强度集中的超声消融最初用于妇科良性肿瘤,例如子宫肌瘤,现在广泛用于治疗晚期和转移性恶性肿瘤,因为它是一种安全的,非交互的治疗[38,39]。hifu可以准确治疗靶向病变并产生热作用(t-hifu),从而诱导肿瘤或机械作用(M-HIFU)的凝血坏死,从而破坏肿瘤并增强
方法对51例患者(其中室管膜瘤24例、髓母细胞瘤27例)的增强T1WI图像进行分析,提取了188个特征,包括直方图、形状特征和纹理特征。然后使用单变量分析、单变量分析筛选和多变量逻辑回归选择了66个特征。他们建立了四种机器学习模型——随机森林、支持向量机、自适应增强、K最近邻。当使用多元逻辑回归选择的特征进行随机森林时,获得了最高的AUC值(AUC = 0.91)。影像组学和机器学习方法的组合可以很好地区分儿童室管膜瘤和髓母细胞瘤,从而为医生的临床实践提供帮助。在我们的研究中,KNN分类器的AUC分别为0.97、0.94,准确率为0.86和
摘要 — 早期发现脑转移瘤 (BM) 可能对癌症患者的预后产生积极影响。我们之前开发了一个框架,用于在 T1 加权对比增强 3D 磁共振图像 (T1c) 中检测小 BM(直径小于 15 毫米),以协助医疗专家完成这项时间敏感且高风险的任务。该框架利用专用的卷积神经网络 (CNN),该网络使用标记的 T1c 数据进行训练,其中基本事实 BM 分割由放射科医生提供。本研究旨在通过一种基于嘈杂学生的自训练策略来推进该框架,以利用大量未标记的 T1c 数据(即没有 BM 分割或检测的数据)。因此,该工作 (1) 描述了学生和老师 CNN 架构,(2) 介绍了数据和模型噪声机制,以及 (3) 引入了一种新颖的伪标记策略,考虑到框架学习到的 BM 检测灵敏度。最后,它描述了一种利用这些组件的半监督学习策略。我们使用 217 个标记和 1247 个未标记的 T1c 检查通过 2 倍交叉验证进行了验证。仅使用标记检查的框架在 90% 的 BM 检测灵敏度下产生了 9.23 个假阳性;而使用引入的学习策略的框架在相同灵敏度水平下导致错误检测减少约 9%(即 8.44)。此外,虽然使用 75% 和 50% 标记数据集的实验导致算法性能下降(分别为 12.19 和 13.89 个假阳性),但使用嘈杂的学生训练策略的影响不太明显(分别为 10.79 和 12.37 个假阳性)。
中枢神经系统 (CNS) 播散是癌症的一个严重并发症。据报道,大约 25% 的转移性癌症患者 [ 1 ] 会出现脑转移 (BM),其发病率一直在上升,主要是因为全身治疗对生存的影响以及放射技术和筛查的改进和可用性。肺癌是 BM 最常见的原发性肿瘤,其次是乳腺癌和黑色素瘤。在全球范围内,黑色素瘤出现 BM 的风险为 40% 至 60%,肺癌为 20% 至 45%,乳腺癌为 5% 至 30% [ 1 ]。全身治疗的选择不仅应取决于组织学肿瘤类型,还应取决于特定的分子亚型,因为这两个因素都会影响风险。最近发布了针对 BM 患者的诊断、治疗(包括手术和放疗)和随访的临床实践指南 [ 2、3]。西班牙肿瘤医学协会 (SEOM) 的现行指南是根据 SEOM 和西班牙神经肿瘤学小组 (GEINO) 的 10 名肿瘤医学专家的共识制定的。这些指南将重点关注乳腺癌、黑色素瘤和肺癌的骨髓系统管理,以及老年患者的治疗建议。