影像组学及深度学习预测非小细胞肺癌新辅助免疫治疗疗效的研究进展
黄诗洋1
石磊2
1.浙江中医药大学第二临床医学院,杭州 3100532.浙江省肿瘤医院放射科,中国科学院杭州医学研究所
摘要：术前预测非小细胞肺癌(NSCLC)新辅助免疫治疗(NIT)疗效有助于筛选获益病人、降低术后复发转移风险和改善预后.影像组学和深度学习可用于挖掘NSCLC NIT疗效预测的影像生物标志物.影像组学通过全局特征分析或生境分析方法,能够有效量化肿瘤时间及空间异质性,为疗效预测提供量化依据;深度学习则通过自适应提取深层影像特征,实现治疗反应评估.就影像组学和深度学习技术在NSCLC病人NIT疗效预测中的研究进展进行综述,并分析技术难点和对策.
关键词：非小细胞肺癌新辅助治疗免疫治疗影像组学深度学习生物标志物
分类号：R734.2(呼吸系肿瘤)R814.4(放射医学)R445(诊断学)
资助基金：国家自然科学基金(82272085)浙江省自然科学基金项目(LY22H220001)
论文发表日期：2025-05-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 312-318 )
英文信息