首页 > 文章详情

2026 WCLC 中国之声 | 基于CT的虚拟PET无创预测I期肺腺癌气腔播散（CPT-STAS）：多中心研究

08月25日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Oral

Session Title

OA08. Sublobar Resection in the Modern Era: Precision Surgical and Non-Surgical Strategies for Early NSCLC and the Challenge of STAS

摘要号

OA08.04

英文标题

Non-Invasive Prediction of Spread Through Air Spaces in Stage I Lung Adenocarcinoma Using CT-based Virtual PET (CPT-STAS): A Multicenter Study

中文标题

基于CT的虚拟PET无创预测I期肺腺癌气腔播散（CPT-STAS）：多中心研究

讲者

Maotao Weng, Mr.

引言

气腔播散（STAS）是早期肺腺癌（LUAD）复发的重要危险因素，但其术前识别仍具挑战性。本研究旨在开发并验证一种利用常规CT和生成对抗网络（GAN）生成的合成PET图像的多模态影像组学模型（CPT-STAS），以无创预测STAS，并探索其生物学基础。

方法

我们纳入了来自三家机构的1,066例早期浸润性LUAD患者。采用Pix2pixHD GAN从CT图像生成合成PET图像。通过支持向量机（SVM）整合来自CT和合成代谢图谱的影像组学特征。使用ROC分析、校准曲线和决策曲线评估模型性能。通过亚组分析和无复发生存（RFS）结局进一步评估临床效用，同时通过影像基因组学识别分子相关性。

结果

合成PET图像与真实PET参数表现出高度保真度。CPT-STAS（CT_synthetic MET_synthetic PET_SVM）模型在内部验证中达到AUC 0.845，与真实多模态方法相当（DeLong P=0.707），并在0.5≤CTR<1亚组中达到AUC 0.977。在外部测试中，CPT-STAS持续优于单模态模型。高模型评分与较差的RFS显著相关（P<0.01）。影像基因组学揭示该模型捕获了与侵袭性表型和代谢重编程相关的影像异质性。

结论

CPT-STAS模型为LUAD术前STAS预测提供了稳健且经济有效的工具。通过整合合成代谢数据，该方法有助于在多样化临床环境中实现个体化手术决策和精准风险分层。

08月25日

马建增

阳光融和医院 | 肿瘤内科

好好学习，天天向上