European Radiology：FDG PET/ CT机器学习模型在经典霍奇金淋巴瘤预后预测中的应用

霍奇金淋巴瘤（HL）是一种造血性恶性肿瘤，其特征是存在Reed-Sternberg 细胞。HL有五个不同的亚类：结节性淋巴细胞为主的HL（NLPHL），以及经典HL（cHL）总类下的四个亚类：结节硬化型、混合细胞型、淋巴细胞丰富型和淋巴细胞减少型。90%的HL病例是cHL。NLPHL的治疗方法通常与cHL不同，并且更常表现为惰性进展。

化疗是cHL一线治疗的主要手段；最常见的治疗方案是多柔比星（阿霉素）、博莱霉素、长春碱和达卡巴嗪（ABVD）或博莱霉素、依托泊苷、多柔比星（阿霉素）、环磷酰胺、长春碱（Oncovin）、原卡巴嗪和泼尼松（BEACOPP）。治疗方案和周期数可根据病人的风险因素、疾病阶段和最初的治疗反应而变化。

现阶段，2-脱氧-2-[18F]氟-D-葡萄糖（FDG）正电子发射断层扫描/计算机断层扫描（PET/CT）是HL分期和反应评估的金标准成像方式。患者通常在治疗前、两个细胞化疗后（中期）和治疗后接受PET/CT检查。中期PET/CT用于指导治疗适应性，平衡化疗相关毒性的风险和最大化无事件生存率（EFS）的机会。HL的五年生存率约为86%。然而，即使在完全代谢反应（CMR）之后，大约20%的慢性淋巴瘤患者会复发，72%的复发发生在诊断后的头两年。如果能够在治疗前确定复发风险较大的患者，就可以进行前期的治疗分层，并可以改善治疗效果。

据我们所知，先前的研究评估中来自基线PET/CT的影像参数以预测结果的研究主要集中在代谢性肿瘤体积（MTV）、病灶总糖化（TLG）和最大或平均标准化摄取值（SUVmax和SUVmean）。SUV定义为在某一时间点与全身相比，图像中注入的放射性元素比率。MTV是新陈代谢活跃的疾病分割体积，有不同的分割技术描述。TLG是MTV乘以SUV均值。

放射组组学可将图像转化为可挖掘的高维数据，允许进行肉眼不可见的特征提取、分析和建模。少数使用小样本的研究表明，放射组学特征在预测HL患者的无进展生存期（PFS）或总生存期（OS）方面具有很大的临床潜力。

近日，发表在European Radiology杂志的一项研究评估了使用治疗前FDG PET/CT的放射学特征预测cHL患者2年EFS的模型的诊断性能，为临床进行早期的治疗评估及预后预测提供了技术支持。

本项研究回顾性地确定了2008年至2018年间在本机构接受治疗前PET/CT的所有cHL患者。研究使用1.5×平均肝脏标准化摄取值（SUV）和一个固定的4.0 SUV阈值来分割PET/CT数据。使用Py放射组学与ComBat协调进行了特征提取。围绕2年无事件生存率（EFS）、年龄、性别、种族和疾病阶段，定义了训练（80%）和测试（20%）队列的分层。使用分层5倍交叉验证法训练了7个ML模型并调整了超参数。曲线下面积（AUC）来自接收者特征分析并用于评估性能。

本项研究共纳入289名患者（153名男性），中位年龄36岁（范围16-88岁）。训练组（n = 231）和测试组（n = 58）之间没有明显差异（p值> 0.05）。使用1.5×平均肝脏SUV分割的回归模型性能最高，训练、验证和测试的平均AUC为0.82±0.002、0.79±0.01和0.81±0.12。然而，从代谢性肿瘤体积和临床特征得出的逻辑模型与性能最高的放射学模型之间没有明显差异。

图 从4.0SUV固定阈值和1.5×平均肝脏SUV阈值分割技术得出的最佳性能MTV以及放射模型的ROC曲线及相关置信区间

本项研究表明，从治疗前FDG PET/CT中提取的放射组学特征得出的模型可预测cHL患者的2-EFS。

原文出处：

Russell Frood,Matt Clark,Cathy Burton,et al.Utility of pre-treatment FDG PET/CT-derived machine learning models for outcome prediction in classical Hodgkin lymphoma.DOI:10.1007/s00330-022-09039-0