最新：CT成像或可有助于预测 COPD的疾病进展.docVIP

最新：CT 成像或可有助于预测 COPD 的疾病进展 近期，发表在 CHEST(IF:9.6) 的一篇研究显示，具有慢性阻塞性肺疾 病 (Chronic Obstructive Pulmonary Diseases,COPD)风险的个体呈 现出的异质性结构变化，可以通过 CT 成像特征进行量化，并结合常规危 险因素分析，能显著提高对个体 COPD 进展的预测性能。 研究背景和目的 研究者Kalysta Makimoto 及其同事表示,吸烟仍然是 COPD 的主要危险 因素，患有 COPD 的吸烟者患肺癌的风险也会增加，识别吸烟者中存在 COPD 进展和肺功能加速下降风险的个体，可促进肺癌筛查试验中风险评 估预测模型的完善，也可能实现早期治疗的启动，以潜在地减缓疾病的进 展，或者选择亚组进行新的干预措施的探索。而 CT 可用于识别肺部结构 变化，但其作为预测风险人群COPD 进展的辅助工具的效果尚未得到充分 研究。 因此，本研究旨在探索在吸烟个体中，结合 CT 成像特征、基于纹理的放 射组学特征和已建立的定量 CT 特征与常规危险因素，通过机器学习是否 能提高COPD 进展的预测性能? 主要研究结果 研究人员使用基于人群的加拿大阻塞性肺病队列研究(CanCOLD) 的数 据，该研究包括轻度COPD 患者。研究人群包括294名目前或曾经吸烟 的成年人(124名女性)(平均年龄65岁)。大多数(83%)是曾经吸烟 者，平均吸烟史为17.9 包年。研究人员创建了一个机器学习预测管道， 结合分析了其CT 成像特征、基于纹理的放射组学、定量 CT 特征以及人 口统计学和肺活量测定信息。患者信息被分为训练数据集(75%的数据集) 和测试数据集(25%)。主要结果是考虑 CT 和其他风险因素时的机器学习 模型的曲线下面积 (AUC) 值。 研究结果显示，在平均2.45年的随访中，23%的患者疾病进展为 COPD。 与仅使用人口统计学数据的模型相比，将 CT 特征添加到人口统计学数据 分析可显著提高了机器学习模型预测 COPD 进展的性能(AUC,0.730 vs 0.649;P0.05)。 在人口统计学数据中加入CT 特征和肺活量测定结果分 析，与单独的人口统计学数据分析相比，同样提高了预测值 (AUC, 0.877;P0.05)。 研究者说 研究人员在讨论中指出，研究结果还表明，无论是否使用人口统计学和肺 活量测定结果，都能利用CT 成像特征预测 FEV1 的快速下降”。同时也指 出研究结果存在一定限制因素，包括使用了不同类型扫描仪获取的 CT 图 像、随访次数有限以及随访时间短。其他限制因素包括缺乏外部数据集来 评估机器学习模型的普适性，以及无法与现有模型进行比较。 研究人员总结道：研究结果支持了该模型在早期检测疾病进展的能力。需 要更多的研究来定义 CT 特征的”正常”阈值，以开发评分系统，但目前的 研究表明，无论是否使用肺活量测定结果， CT 作为COPD 风险个体的预 测指标都具有附加价值。 参考资料： 1.Makimoto K, Hogg JC,et al. CT Imaging With Machine Learning for Predicting Progression to COPD in Individuals at Risk. Chest. 2023 Jun 17:S0012-3692(23)00809-7. 2. CT Imaging May Help Predict COPD Progression.medscape. 2023.June 27.