Full text

Введение

Немелкоклеточный рак легкого (НМРЛ) является наиболее распространенной формой рака легких. Из-за неспецифичности клинических проявлений и отсутствия надежных биомаркеров раннего выявления он остается одной из основных причин онкологической смертности [1]. После подтверждения диагноза выбор лечебной тактики во многом определяется стадией, молекулярными характеристиками и вероятностью последующего метастазирования [1]. На долю НМРЛ приходится около 85% случаев рака легкого; среди его подтипов преобладают аденокарцинома и плоскоклеточный рак. У значительной доли пациентов отдаленные метастазы выявляются уже при постановке диагноза, что осложняет лечение и требует индивидуализированного подхода - от хирургии на ранних стадиях до химиолучевой терапии, таргетной терапии и иммунотерапии при распространенном процессе [2,3].

Одним из ключевых путей распространения НМРЛ является лимфогенное метастазирование. Точная оценка клинического (cN) и патологического (pN) статуса лимфатических узлов имеет принципиальное значение для выбора объема хирургического вмешательства, системной терапии и лучевого лечения [4]. Одним из основных методов клинического стадирования является 18F-ФДГ-ПЭТ/КТ [5].

Метастатические лимфатические узлы могут характеризоваться повышенным накоплением ФДГ и увеличением размеров, однако воспалительные и гранулематозные процессы вызывают ложноположительные результаты, а малые размеры очагов и пространственное разрешение ПЭТ могут приводить к пропуску микрометастазов. Размерный критерий короткой оси на КТ также недостаточно специфичен из-за перекрытия характеристик доброкачественных и метастатических узлов [6]. Визуальная и полуколичественная оценка не использует весь объем информации, содержащейся в изображениях. Радиомика позволяет извлекать количественные признаки формы, интенсивности и текстуры опухоли и окружающих тканей [8]. Надежность моделей при этом зависит от сегментации, предобработки, отбора признаков, способа валидации и алгоритма моделирования [22,28]. Ни один радиомический биомаркер метастазирования при НМРЛ пока не внедрен повсеместно в клиническую практику.

Цель обзора - систематизировать и критически оценить исследования радиомических характеристик КТ и молекулярной визуализации как потенциальных цифровых биомаркеров риска поражения лимфатических узлов, отдаленного метастазирования и рецидива при НМРЛ.

Научная новизна и вклад обзора

Научная новизна настоящего обзора заключается в совместном рассмотрении пяти взаимосвязанных направлений: радиомических моделей поражения лимфатических узлов; прогнозирования метастазов в головной мозг и кости; мультимодальной интеграции КТ, ПЭТ/КТ и клинических данных; прогнозирования рецидива после хирургического, лучевого и химиолучевого лечения; а также методологических и безопасностных условий клинического внедрения. Работа не предлагает новый диагностический тест и не подтверждает готовность отдельных алгоритмов к рутинному применению, а формирует критическую карту доказательств и ограничений.

Материалы и методы

Дизайн обзора

Работа выполнена как структурированный нарративный обзор. Такой дизайн выбран в связи с выраженной неоднородностью исследований по клиническим задачам, модальностям визуализации, областям интереса, способам сегментации, алгоритмам машинного обучения и показателям эффективности. Подготовка рукописи ориентирована на критерии качества нарративных обзоров SANRA; систематический обзор и мета-анализ не проводились.

Источники информации и стратегия поиска

Поиск публикаций проводили в PubMed среди работ, опубликованных в 2020-2026 гг. Использовали комбинации терминов “radiomics”, “metastasis”, “NSCLC”, “non-small cell lung cancer”, “CT”, “PET/CT”, “18F-FDG”, “lymph node metastasis”, “brain metastasis”, “bone metastasis”, “recurrence”, “machine learning” и “deep learning”. Поисковая формула адаптировалась к конкретному направлению анализа. Из 117 выявленных публикаций 40 были включены в качественный синтез.

Критерии включения и исключения

Включали оригинальные рецензируемые исследования у взрослых пациентов с гистологически подтвержденным НМРЛ, в которых радиомические, deep-learning или комбинированные радиомико-клинические модели строились на данных КТ и/или 18F-ФДГ-ПЭТ/КТ и оценивали поражение лимфатических узлов, отдаленные метастазы, рецидив, безметастатическую или общую выживаемость. Методологические и обзорные публикации включали как контекстные источники для оценки стандартизации и клинической применимости. Исключали работы, не относящиеся к НМРЛ или метастазированию, единичные клинические наблюдения, редакционные материалы, публикации без описания методов моделирования или количественных показателей эффективности, а также работы без доступной информации, достаточной для интерпретации.

Отбор публикаций и извлечение данных

Заголовки и аннотации оценивали на соответствие цели обзора, после чего анализировали полные тексты потенциально релевантных публикаций. Основной поиск, отбор и первичную критическую оценку выполняла А.Е. Садыкова; методологическую и экспертную проверку осуществлял Ж.М. Аманкулов. Из каждой публикации извлекали дизайн, размер и характеристики выборки, модальность визуализации, область сегментации, тип признаков, алгоритм моделирования, предсказываемый исход, способ внутренней или внешней валидации, показатели дискриминации и основные ограничения.

Исходы обзора

Первичным исходом обзора была способность радиомических моделей прогнозировать лимфогенное или отдаленное метастазирование при НМРЛ. Вторичные исходы включали прогноз рецидива и выживаемости, сравнительную ценность интра- и перитуморальных признаков, добавочную ценность клинических данных и мультимодальной визуализации, наличие внешней валидации, воспроизводимость, стандартизацию и потенциальную клиническую применимость.

Критическая оценка и синтез

Из-за неоднородности дизайнов и исходов формальный мета-анализ не выполнялся. Результаты группировали по клинической задаче и синтезировали качественно. Больший интерпретационный вес придавали многоцентровым исследованиям, независимой внешней валидации, прозрачному описанию сегментации и предобработки, контролю переобучения и сравнению с клиническими моделями. Ретроспективные одноцентровые работы с малой выборкой и только внутренней кросс-валидацией оценивали более осторожно. Единый формальный инструмент риска систематической ошибки для всех включенных типов публикаций не применялся.

Этика и безопасность

Обзор основан исключительно на ранее опубликованных агрегированных данных, не включает набор участников, вмешательства или обработку индивидуальных медицинских изображений авторами; одобрение этического комитета и информированное согласие для настоящей работы не требовались. С позиции клинической безопасности радиомические модели рассматриваются только как потенциальные инструменты поддержки решения. Ошибочная классификация может привести к недооценке стадии, неоправданному расширению лечения или пропуску инвазивного подтверждения; поэтому алгоритмы не должны заменять гистопатологию, стандартизированное стадирование и заключение мультидисциплинарной команды.

Результаты

Характеристика включенных публикаций

Из 117 найденных публикаций 40 соответствовали тематике и критериям качественного синтеза; остальные были исключены при оценке заголовков, аннотаций или полных текстов. Доказательная база включала преимущественно ретроспективные исследования КТ- и ПЭТ/КТ-радиомики, отдельные многоцентровые работы, исследования глубокого обучения и методологические обзоры. Основные направления анализа представлены ниже.

1. Радиомика: принципы и возможности

Радиомика превращает медицинские изображения в количественные данные, характеризующие форму, интенсивность и текстуру опухоли. В легочной онкологии радиомика 18F-ФДГ-ПЭТ/КТ представляет интерес как способ оценки метаболической гетерогенности [3]. Текстурные признаки первичной опухоли и лимфатических узлов могут обладать дополнительной прогностической ценностью при НМРЛ [19]. Радиомические модели исследовались для дифференциации узлов, уточнения стадии, определения гистологического типа, молекулярных характеристик, прогноза и ответа на терапию, однако уровень доказательств различается между задачами [7].

Число работ по применению искусственного интеллекта в визуализации быстро растет. Алгоритмы могут поддерживать обнаружение очагов, шумоподавление и анализ низкодозовых исследований; модели глубокого обучения в отдельных выборках демонстрировали сопоставимые или более высокие показатели, чем традиционные подходы. Эти результаты не следует интерпретировать как доказанное превосходство над специалистами в реальной клинической практике. Преимущества в T- и M-стадировании и оценке лимфатических узлов остаются неоднородными, а концепция «виртуальной биопсии» требует проспективной клинической проверки [7,22].

2. Радиомические модели прогнозирования поражения лимфатических узлов

В 11 анализируемых публикациях радиомические модели КТ и ПЭТ/КТ оценивали вероятность метастатического поражения лимфатических узлов. ПЭТ-признаки в сочетании с КТ-характеристиками позволяли лучше различать истинно- и ложноположительные медиастинально-корневые узлы, чем отдельные стандартные параметры [9]. Модель K. Zheng и соавт. на основе 18F-ФДГ-ПЭТ/КТ предоставляла дополнительную информацию для стадирования медиастинальных лимфатических узлов [5]. Такие оценки могут поддерживать выбор диагностической стратегии, но не являются самостоятельным основанием для уменьшения объема операции или отказа от инвазивного стадирования.

Модель R. Xu и соавт., включавшая интратуморальные и перитуморальные признаки КТ, превосходила модели, основанные только на интратуморальных или клинических данных [34]. ПЭТ/КТ-номограмма J. Qiao и соавт. оценивала скрытые метастазы при клинической стадии N0 [26]. Номограмма Q.L. Chen и соавт., объединявшая GPTV6 и клинические предикторы, была разработана для прогноза поражения узлов и исходов при стадии IA [10]. Модели X. Zheng и Y. Huang также демонстрировали приемлемую дискриминацию и калибровку [14,24]. Эти данные подтверждают добавочную информативность радиомики, но не устраняют необходимость внешней валидации.

DLR-модель F. Duan и соавт. сочетала признаки DenseNet121 и классической радиомики для дифференциации доброкачественных и метастатических узлов [40]. Random Forest-модель Y. Kang и соавт. интегрировала радиомические и клинические характеристики для оценки метастазирования в лимфатические узлы 4-й станции [21]. Модель J. Liang и соавт. была направлена на выявление оккультного поражения узлов при cN0 НМРЛ [38]. Результаты могут быть полезны для планирования объема дальнейшего обследования и лечения, однако заявлять об улучшении прогноза пациентов без исследований клинического воздействия преждевременно.

Двухрегиональная модель H.J. Yan и соавт. использовала признаки первичной опухоли и субкаринальных лимфатических узлов и превосходила однорегиональные варианты в исходной выборке [33]. T. Lu и соавт. применили глубокое переносное обучение для анализа интра- и перитуморальных зон [4]. Диагностическая точность КТ- и ПЭТ/КТ-радиомики в целом выглядит перспективной, однако систематическая оценка указывает на необходимость крупных проспективных многоцентровых исследований и стандартизированной внешней валидации [37].

3. Прогнозирование отдаленных метастазов: головной мозг и кости

Частота метастазов в головной мозг существенно зависит от стадии, гистологического и молекулярного подтипа и длительности наблюдения; в литературе приводится широкий диапазон значений. Поэтому единичные показатели распространенности не должны переноситься на всех пациентов с НМРЛ. Радиомические модели первичной опухоли и клинико-патологические характеристики исследовались для оценки риска мозговых метастазов после хирургического лечения [13]. J. Gong и соавт. разработали ансамблевую модель с автоматической сегментацией на основе deep residual U-Net и КТ-радиомикой для трехлетнего риска мозговых метастазов, безметастатической выживаемости мозга и общей выживаемости [18]. Комбинирование радиомических и клинических признаков улучшало показатели модели, но требует независимой проверки.

Z. Liu и соавт. выявили признаки первичной опухоли на КТ, ассоциированные с наличием костных метастазов, и построили радиомическую подпись и номограмму [15]. Такой инструмент может использоваться для формирования гипотез и риск-ориентированного обследования, но его нельзя рассматривать как замену стандартным методам диагностики костного метастазирования.

4. Мультимодальные модели и перспективы

Девять публикаций оценивали сочетание КТ, ПЭТ/КТ, клинико-патологических и эпидемиологических признаков. Номограмма Z. Peng и соавт. объединяла радиомические и клинические показатели для прогнозирования исходов [23], а модель J. Lin и соавт. классифицировала гистологические типы и стадии НМРЛ по КТ-радиомике [31]. Эти задачи связаны с риском метастазирования, но не являются его прямыми эквивалентами.

Интра- и перитуморальные модели Q. Chen и соавт. оценивали лимфоваскулярную инвазию и общую выживаемость [25]. Модели, основанные на GTV и CTV, применялись для прогнозирования оккультного поражения лимфатических узлов при ранних стадиях НМРЛ [12]. Комбинированные области интереса часто давали лучшие показатели внутри исходных выборок, однако усложнение модели повышает риск переобучения и требования к стандартизации сегментации.

Мультимодальный подход Y. Zhu и соавт. с 3D-нейронными сетями выявлял признаки, ассоциированные с риском мозговых метастазов [17]. Такие модели могут поддерживать риск-адаптированное МРТ-наблюдение, но сами по себе не обосновывают профилактическое облучение головного мозга или изменение лечения вне клинических рекомендаций. Многоцентровая модель X. Yin и соавт. оценивала оккультное поражение лимфатических узлов при ранней аденокарциноме [39]. Исследование C. Bortolotto и соавт. показало, что лишь часть признаков стабильна между КТ и МРТ и различными программными платформами, что подчеркивает проблему кросс-модальной воспроизводимости [20].

Модель M.T. Warkentin и соавт. оценивала злокачественность неопределенных легочных узлов при низкодозовом КТ-скрининге [36]; эта задача методологически связана с радиомикой, но не является прямым прогнозом метастазирования. Модель EGFR-RS C.Y. Hsu и соавт. изучала фенотипы, связанные с EGFR и локальным рецидивом мозговых метастазов [32]. Радиомические и deep-learning признаки низкодозовой КТ в работе X. Song и соавт. использовались для оценки отдаленного метастазирования [35]. Рутинная интеграция таких алгоритмов возможна только после подтверждения переносимости и клинической пользы.

5. Прогнозирование после хирургического, лучевого и химиолучевого лечения

Многоцентровая ПЭТ/КТ-радиомическая модель L. Yu и соавт. оценивала риск отдаленных метастазов после стереотаксической лучевой терапии при ранних стадиях НМРЛ [16]. Радиомические признаки предлечебных аналоговых и цифровых 18F-ФДГ-ПЭТ/КТ в работе F. Lucia и соавт. были связаны с регионарным и/или отдаленным рецидивом после SBRT [30]. Доказательная база радиомики рецидива постепенно расширяется, но неоднородность протоколов и ограниченная внешняя валидация по-прежнему препятствуют рутинному применению [29].

DL-номограмма Y. Niu и соавт., включавшая радиомические признаки опухоли и характеристики медиастинальной жировой ткани, оценивала риск послеоперационных мозговых метастазов [27]. Отдельные модели КТ- и ПЭТ/КТ-радиомики исследовали характер рецидива после химиолучевой терапии; радиомические признаки и клинические данные могли улучшать прогнозирование в исходных выборках [11]. Эти результаты должны рассматриваться как основание для проспективных исследований, а не как готовые клинические правила.

Обсуждение

Основные результаты

Рассмотренные публикации показывают, что радиомические характеристики первичной опухоли, перитуморальной зоны и лимфатических узлов содержат информацию, связанную с метастатическим потенциалом НМРЛ. Наиболее последовательный сигнал получен для комбинированных моделей, объединяющих несколько областей интереса и клинические данные. Вместе с тем повышение показателей в обучающей или внутренней тестовой выборке не тождественно клинической применимости.

Интерпретация и клиническая безопасность

Радиомика может быть полезна как дополнительный слой риск-стратификации: для выделения пациентов, которым требуется более тщательное стадирование, планирование биопсии, эндобронхиальное или хирургическое подтверждение лимфатических узлов, расширенное наблюдение или обсуждение в мультидисциплинарной команде. Однако клинические последствия ложноположительной и ложноотрицательной классификации существенны. До проведения исследований клинического воздействия алгоритмы не должны определять отказ от инвазивной диагностики, объем лимфаденэктомии, назначение неоадъювантной терапии или профилактического облучения самостоятельно.

Методологические ограничения доказательств

Большинство исследований имели ретроспективный одноцентровый дизайн, включали относительно небольшие выборки и использовали внутреннюю кросс-валидацию. Неодинаковые протоколы КТ и ПЭТ/КТ, реконструкция, размер вокселя, сегментация, нормализация, дискретизация и программное обеспечение ограничивают сопоставимость. Частый отбор большого числа признаков при малом количестве событий повышает риск переобучения. Публикация преимущественно положительных моделей может создавать публикационное смещение. Внешняя валидация, анализ калибровки и полезности решения, а также сравнение с полноценным клиническим стандартом выполнялись не во всех работах [20,22,28,37].

Ограничения настоящего обзора

Настоящий обзор имеет ограничения. Поиск проводился только в PubMed, поэтому могли быть пропущены публикации из Embase, Scopus, Web of Science и специализированных инженерных баз. Точная воспроизводимая строка поиска и поэтапный журнал исключений в исходных материалах не были представлены. Не выполнялись двойной независимый скрининг, регистрация протокола, формальная оценка риска систематической ошибки каждого исследования и мета-анализ. В обзор включены исследования разных клинических задач, а также отдельные методологические и обзорные публикации, что не позволяет интерпретировать 40 источников как 40 статистически независимых наборов данных. Выводы основаны на повторяющихся качественных закономерностях, а не на объединенной оценке эффекта.

Направления дальнейших исследований

Необходимы проспективные многоцентровые исследования с предварительно опубликованным протоколом, унифицированными критериями включения, стандартизированным получением и реконструкцией изображений, IBSI-совместимым извлечением признаков, независимой внешней валидацией и заранее определенными клиническими порогами. Следует сообщать калибровку, decision-curve analysis, пропущенные данные, стабильность сегментации и сравнение с клиническим стандартом. Финальным этапом должны стать исследования, оценивающие, улучшает ли использование модели реальные решения и исходы пациентов.

Заключение

Радиомика позволяет количественно оценивать морфологические и метаболические фенотипы, не полностью доступные визуальной интерпретации, и демонстрирует потенциал для прогнозирования поражения лимфатических узлов, метастазов в головной мозг и кости и рецидива при НМРЛ. Интеграция интра- и перитуморальных признаков с клиническими данными и мультимодальной визуализацией часто улучшала показатели моделей в исследовательских выборках.

Вместе с тем преобладание ретроспективных одноцентровых исследований, методологическая неоднородность, риск переобучения и недостаток независимой внешней валидации не позволяют считать радиомические модели готовыми цифровыми биомаркерами для рутинного клинического применения. Радиомика может рассматриваться как потенциальное дополнение, но не замена морфологической верификации, инвазивного стадирования и мультидисциплинарного решения. Клиническое внедрение требует стандартизированных протоколов, проспективной многоцентровой проверки и доказательства влияния на решения и исходы пациентов.