这篇文档属于类型a，即报告了一项单一原创研究的学术论文。以下是对该研究的详细报告：
主要作者及研究机构
本研究由Teng Zhang、Chengxiu Zhang、Yan Zhong、Yingli Sun、Haijie Wang、Hai Li、Guang Yang、Quan Zhu和Mei Yuan共同完成。作者分别来自南京医科大学第一附属医院、华东师范大学上海磁共振重点实验室、复旦大学附属华东医院等机构。该研究于2022年8月11日发表在《Frontiers in Oncology》期刊上。
学术背景
本研究的主要科学领域是胸外科肿瘤学，特别是肺腺癌的侵袭性预测。随着低剂量计算机断层扫描（LDCT）在高危人群肺癌筛查中的广泛应用，部分实性结节（PSNs）的检出率显著增加，尤其是在亚洲女性和非吸烟者中。PSNs与早期肺腺癌高度相关，包括侵袭性腺癌（IAC）、微浸润性腺癌（MIA）和原位腺癌（AIS）。准确区分IAC与AIS/MIA对患者的治疗选择至关重要。目前，PSNs中实性成分大小≥6毫米被广泛认为是区分IAC与AIS/MIA的阈值标准。然而，实性成分毫米的PSNs中也可能存在侵袭性病灶，这对放射科医生和胸外科医生提出了挑战。因此，本研究旨在探讨放射组学（radiomics）是否能够帮助医生准确预测实性成分毫米的PSNs的侵袭性，并为临床决策提供依据。
详细工作流程
本研究包括以下几个主要步骤：
数据来源与患者选择
研究回顾性分析了2015年1月至2020年12月期间在南京医科大学第一附属医院和另一家医院接受手术并病理诊断为AIS、MIA或IAC的3,326名患者的临床和影像数据。最终纳入1,210名患者（平均年龄54.28±11.38岁，374名男性，836名女性）的1,248个PSNs。这些PSNs的实性成分最大直径均毫米。研究将这些病例分为推导集（735例）、内部验证集（315例）和外部验证集（198例）。
结节分割与放射组学特征提取
使用三维（3D）Slicer软件对每个标记的结节进行自动分割，并提取105个放射组学特征。为了确保特征提取的重复性，研究还进行了观察者内和观察者间的一致性评估。
特征选择与放射组学模型构建
使用最小绝对收缩和选择算子（LASSO）回归模型对提取的放射组学特征进行筛选，最终选择7个特征构建放射组学模型，并计算放射组学评分（Rad-score）。
临床-影像模型与联合模型构建
通过多变量逻辑回归分析，确定了最大直径、病变形状、空泡征和微血管征等临床-影像学独立预测因子，并建立了临床-影像模型。结合Rad-score和这些独立预测因子，构建了联合模型和预测列线图（nomogram）。
模型性能评估
通过受试者工作特征（ROC）曲线分析比较了放射组学模型、临床-影像模型和联合模型的预测性能。此外，还进行了决策曲线分析（DCA）以评估列线图的临床实用性。
主要结果
1. 放射组学模型的预测性能
放射组学模型在内部验证集和外部验证集中的预测性能均优于临床-影像模型（AUC值分别为0.884 vs. 0.810，p = 0.001；0.924 vs. 0.855，p < 0.001）。联合模型的预测性能与放射组学模型相当（AUC值分别为0.887 vs. 0.884，p = 0.398；0.917 vs. 0.924，p = 0.271）。
临床-影像模型的独立预测因子
研究发现，最大直径、病变形状、空泡征和微血管征是IAC的独立预测因子。这些结果与以往研究一致，表明这些特征在区分IAC与AIS/MIA中具有重要价值。
列线图的临床价值
基于Rad-score、最大直径和病变形状构建的列线图在内部和外部验证集中均表现出良好的校准度和临床实用性。DCA结果显示，在10%~85%的阈值概率范围内，使用Rad-score进行预测对识别侵袭性病灶更为有益。
结论
本研究证实，放射组学在预测实性成分毫米的PSNs的侵袭性方面具有显著优势，能够作为独立的诊断工具，帮助放射科医生和胸外科医生提高对病变侵袭性的判断准确性。这不仅为临床决策提供了科学依据，还为避免不必要的手术或为必要手术提供临床支持。
研究亮点
1. 重要发现
放射组学模型在预测实性成分毫米的PSNs的侵袭性方面表现出色，其预测性能优于传统的临床-影像模型。
方法创新
本研究首次将放射组学应用于实性成分毫米的PSNs的侵袭性预测，并开发了基于Rad-score的预测列线图，为临床提供了新的工具。
研究对象的特殊性
本研究聚焦于实性成分毫米的PSNs，这一群体在以往的研究中较少被关注，研究结果填补了这一领域的空白。
其他有价值的内容
本研究还探讨了深度学习在PSNs侵袭性预测中的应用前景，指出尽管深度学习方法在特征提取和分类性能上具有潜力，但其可解释性和对大量数据的需求仍然是限制因素。未来的研究可以结合深度学习和放射组学，进一步提高预测模型的性能。
本研究为肺腺癌的早期诊断和个体化治疗提供了重要的科学依据，具有显著的临床应用价值。