上海市质子重离子医院（复旦大学附属肿瘤医院质子重离子中心）程竞仪、孙筠团队在基于临床特征、生物标志物和18F-FDG PET/CT影像大数据的整合生物-影像组学机器深度学习领域取得突破，成功构建肺癌个性化精准预测模型。 近日，该成果相关论文在国际著名学术出版机构Springer Nature旗下《European Journal of Nuclear Medicine and Molecular Imaging》期刊（影响因子7.081）正式发表。该期刊是核医学领域最具影响力的学术期刊，在全球规模最大的摘要和引文数据库Elsevier Scopus统计的核医学领域所有期刊中排名第一。 近年来，肺癌的发病率和死亡率逐年上升，已成为全球头号癌症“杀手”，其中，非小细胞肺癌约占肺癌总数的85%，鳞癌和腺癌是非小细胞肺癌最常见的组织学亚型。由于不同的亚型具有不同的生物学特性，且与临床治疗方式的选择和预后直接关联，因此精准区分肺癌的亚型对于治疗策略的制定至关重要。病理诊断是公认的疾病诊断“金标准”，穿刺活检则是获得病理诊断的常用手段之一，但这种侵入性、创伤性的检查对于部分身体状况较差、心肺功能不全或肿瘤位置特殊的患者来说通常不适用。 随着检测技术的不断进步，高精度的无创检测方法日益受到临床医生的重视和认可，基于医学图像的影像组学便是其中发展较为迅速的技术之一。18F-FDG PET/CT影像组学由于其功能影像和绝对定量的特点，被认为是在区分鳞癌和腺癌方面最有可能实现突破的关键技术之一，然而过去的研究重点集中在影像来源的特征，忽视了与患者临床及生物学指标之间的相关性，目前尚无法通过单一的核医学影像分析实现肺癌组织学亚型的个性化预测。 为解决这一问题，程竞仪、孙筠团队基于患者临床特征、血清肿瘤标志物水平及PET/CT影像组学的整合生物-影像组学大数据，通过机器深度学习技术，构建了一种全新的肺癌个性化精准预测模型，在实现无创检测的同时达到与穿刺活检相媲美的高准确率（预测效能指标高达0.93），为后续非小细胞肺癌患者进行无创个性化评估和组织学亚型预测提供了新手段，具有广阔的临床应用前景。 质子重离子治疗的优势之一是对肿瘤进行“精准爆破”，肺癌作为医院质子重离子治疗的重点病种之一，无创、个性化精准预测模型的建立，将进一步提升肺癌患者的精准治疗体验，在提高精准治疗效果的同时极大改善患者的预后和生活质量。 名词注释： 18F-FDG：全称“氟[18F]脱氧葡萄糖”，是影像学检查PET/CT最常用的显像剂，目的是为了使显像更加清晰。
