这篇文档属于类型a，即报告了一项单一原创研究。以下是针对该研究的学术报告：
本研究的主要作者包括Luyu Huang、Weihuan Lin、Daipeng Xie等，研究团队来自多个机构，包括广东省人民医院、中山大学孙逸仙纪念医院、舟山医院等。该研究于2021年10月16日在线发表在European Radiology期刊上。
本研究的主要科学领域是医学影像学，特别是基于计算机断层扫描（Computed Tomography, CT）的放射组学（Radiomics）在肺结节病理侵袭性预测中的应用。肺癌是全球范围内致死率最高的癌症之一，而低剂量CT筛查（Low-Dose CT, LDCT）已被证明可以降低高危人群的肺癌死亡率。然而，CT筛查中发现的肺结节中仅有少数为恶性，如何从中筛选出需要及时干预的恶性结节仍然是一个重大挑战。此外，肺结节的病理类型（如非典型腺瘤样增生/原位腺癌（AAH/AIS）与早期浸润性腺癌（IAC））在预后上存在显著差异，因此术前准确预测肺结节的病理侵袭性对于指导手术决策具有重要意义。
本研究的目的是开发和验证一种基于术前CT的放射组学列线图（Nomogram），结合放射组学特征和临床-影像学特征，用于区分肺结节的侵袭性病变（Invasive Lesions, ILs）和非侵袭性病变（Pre-Invasive Lesions, PILS）。
本研究为回顾性诊断研究，数据来自三个中心，时间跨度为2018年8月1日至2020年5月1日。研究共纳入373例孤立性肺结节患者，分为开发队列（n=149）和内部验证队列（n=54），外部验证队列由另外两个中心的170例患者组成。
研究首先从三个中心收集了患者的术前CT图像，并通过图像存档与通信系统（Picture Archiving and Communication System, PACS）检索数据。所有图像均由研究人员进行初步筛选，并由资深放射科医生指导进行手动分割。肺结节区域（ROI-1）和结节周围区域（ROI-2，向外扩展5毫米）分别被分割，并使用3D Slicer软件进行半自动处理。
从分割后的区域中提取了1722个定量放射组学特征，包括一阶统计量、形状特征、灰度共生矩阵（Gray-Level Co-Occurrence Matrix, GLCM）、灰度大小区域矩阵（Gray-Level Size Zone Matrix, GLSZM）等。使用最小绝对值收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）算法进行特征选择，最终从结节区域和结节周围区域分别选择了4个和8个特征，并通过逻辑回归将它们组合成最终的放射组学特征（RS-C）。
研究还从医疗记录中收集了基线临床数据，并记录了每个肺结节的影像学特征，如大小、位置、边界、内部特征等。通过单变量逻辑回归分析，筛选出与病理侵袭性显著相关的临床-影像学特征，并使用逐步逻辑回归模型构建临床-影像学特征。
结合放射组学特征和临床-影像学特征，研究构建了一个放射组学列线图，用于预测肺结节的病理侵袭性。通过接收者操作特征曲线（Receiver Operating Characteristic, ROC）分析、决策曲线分析（Decision Curve Analysis, DCA）和Akaike信息准则（Akaike Information Criterion, AIC）评估了列线图的预测性能。
研究结果显示，结合结节区域和结节周围区域的放射组学特征（RS-C）在三组队列中的AUC值分别为0.93、0.91和0.90，表现出优异的预测能力。而结合临床-影像学特征和放射组学特征的列线图在三组队列中的AUC值分别为0.94、0.90和0.92，进一步提高了预测准确性。
此外，研究还发现结节周围区域的放射组学特征（RS2）在区分侵袭性病变和非侵袭性病变方面表现优于结节区域的特征（RS1）。通过决策曲线分析，列线图在整个概率阈值范围内均表现出最高的临床净收益，表明其在临床决策中具有重要价值。
本研究开发并验证了一种基于术前CT的放射组学列线图，能够准确预测孤立性肺结节的病理侵袭性。该列线图结合了结节区域和结节周围区域的放射组学特征以及临床-影像学特征，表现出优异的预测性能。研究发现，结节周围区域的放射组学特征在预测病理侵袭性方面具有重要价值，这为肺结节的术前评估提供了新的思路。
研究还进行了亚组分析，结果显示列线图在不同密度的肺结节（如纯磨玻璃结节、部分实性结节和实性结节）中均表现出良好的区分能力。此外，研究还探讨了结节周围区域的生物学意义，认为其可能反映了肿瘤微环境的变化，进一步支持了结节周围区域特征在预测病理侵袭性中的重要性。
总体而言，本研究为肺结节的术前评估提供了一种新的、基于放射组学的预测工具，具有重要的科学和临床应用价值。