11月30日，湖北省肿瘤医院放疗中心韩光教授团队在国际放疗领域期刊《Radiotherapy and Oncology》（《放射治疗和肿瘤学》）在线发表论文，揭示了肿瘤患者免疫治疗后放疗存在放射性肺炎高发风险。本次的研究，则提出并建立一种人工智能模型，用于预测接受免疫和放疗联合治疗的肺癌患者发生放射性肺炎的风险。
目前，免疫治疗和放疗的联合在肺癌治疗中较为常见，一般能够较好地延长患者生存时间，但也可能会提高放射性肺炎发生风险、降低患者生活质量。所以，科学预测症状性放射性肺炎（即2级或以上）的发生风险，对于评估治疗安全性和患者预后等至关重要。基于此，湖北省肿瘤医院放射科科研团队提出了采用影像组学和深度学习相融合的方法来预测的思路。
该研究回顾性纳入湖北省肿瘤医院和荆州市第一人民医院共计73名接受过免疫治疗和放疗，且发生了症状性放射性肺炎的肺癌患者数据。研究团队通过提取放射治疗计划CT中的肿瘤靶区、计划靶区等相关影像组学特征，同时在计划靶区覆盖层面的CT图像中提取深度学习特征，并联合临床及剂量学参数，采用最小绝对值收缩和选择算法筛选出了28个具有代表意义的特征（其中包含肿瘤T分期、N分期，年龄，吸烟史，放疗过程中是否同步化疗，V20、V30等多个临床剂量学参数），然后采用逻辑回归构建起预测模型，并用五折交叉验证的方法确保了模型的稳定性。经过科学方法评价证实，该人工智能模型，相比于其他传统模型，大大提高了预测效能。
据悉，该研究为全球首个在接受免疫和放疗联合治疗的肺癌人群中采用影像组学与人工智能的方法预测放射性肺炎的研究，将为改进放疗计划、改善患者预后起到参考作用。比如，在放疗前若模型预测到会有较高放射性肺炎风险，临床上可以通过优化靶区来调整肺部剂量、使用肺炎预防药物等方法提前进行干预。
