Борискина Ксения Петровна – врач-рентгенолог отделения лучевой диагностики ГБУЗ города Москвы “ГКБ имени С.С. Юдина ДЗМ”, Москваhttps://orcid.org/0000-0002-1950-2188
Ksenia P. Boriskina – Radiologist of the radiation diagnostics department, Yudin Moscow City Clinical Hospital, Moscow
Нечаев Валентин Александрович – канд. мед. наук, заведующий центром комплексной диагностики – врач-рентгенолог отделения лучевой диагностики ГБУЗ города Москвы “ГКБ имени С.С. Юдина ДЗМ”, Москва
Valentin A. Nechaev – Cand. of Sci. (Med.), Head of the Comprehensive Diagnostics Center – Radiologist of the Radiation Diagnostics Department, Yudin Moscow City Clinical Hospital, Moscow
Носова Маргарита Владимировна – врач-химиотерапевт химиотерапевтического отделения №4 ЦАОП СВАО ГБУЗ города Москвы “ГКБ имени С.С. Юдина ДЗМ”, Москва
Margarita V. Nosova – Chemotherapist of chemotherapy department No. 4 Outpatient Oncology Care Center of the North-Eastern Administrative Okrug, Yudin Moscow City Clinical Hospital, Moscow
Стативко Олеся Алексеевна – заведующая химиотерапевтическим отделением №4 ЦАОП СВАО ГБУЗ города Москвы “ГКБ имени С.С. Юдина ДЗМ”, Москва
Olesya A. Stativko – Head of Chemotherapy Department No. 4 Outpatient Oncology Care Center of the North-Eastern Administrative Okrug, Yudin Moscow City Clinical Hospital, Moscow
Покатаев Илья Анатольевич – доктор мед. наук, заместитель главного врача по медицинской части и научно-образовательной работе, руководитель службы химиотерапевтического лечения ГБУЗ города Москвы “ГКБ имени С.С. Юдина ДЗМ”, Москва
Ilya A. Pokataev – Doct. of Sci. (Med.), Deputy Chief Physician for Medical Affairs and Scientific and Educational Work, Head of the Chemotherapy Treatment Service, Yudin Moscow City Clinical Hospital, Moscow
Цель исследования: провести анализ научной литературы по возможностям радиомики в прогнозировании ответа и исходов у пациентов с опухолями головы и шеи, получающих системную противоопухолевую и химиолучевую терапию.
Материал и методы. Проведен поиск научных публикаций в базах данных PubMed и elibrary по ключевым словам, связанным с радиомикой, системной терапией и опухолями головы и шеи. Отобраны оригинальные статьи за последние 10 лет, соответствующие критериям включения. Из 56 найденных публикаций после исключения нерелевантных работ в обзор включено 13 исследований, выполненных на данных КТ, МРТ и ПЭТ-КТ. Анализировались методы построения радиомических моделей, типы используемых признаков, их прогностическая и предиктивная ценность.
Результаты. Научный обзор показал, что радиомические модели обладают значительным потенциалом для прогнозирования выживаемости и ответа на индукционную, паллиативную противоопухолевую, а также химиолучевую терапию. Комбинированные клинико-радиомические модели часто демонстрировали более высокую эффективность в сравнении с только радиомическими или клиническими. Перспективно использование алгоритмов машинного обучения и искусственного интеллекта для оптимизации прогностических моделей.
Заключение. Радиомика представляет собой эффективный инструмент для персонализации системной терапии опухолей головы и шеи, позволяющий уже сегодня повысить точность прогнозирования и оптимизировать выбор лечебной тактики, и уверенно обещающий дальнейший прогресс в будущем. Для массового внедрения в клиническую практику необходима стандартизация методов, валидация моделей на крупных когортах и устранение технической, алгоритмической и программной гетерогенности исследований.
Objective: To analyze the scientific literature on the potential of radiomics for predicting treatment response and outcomes in patients with head and neck cancers receiving systemic anticancer therapy and chemoradiotherapy.
Materials and Methods. A literature search was conducted in the PubMed and eLIBRARY databases using keywords related to radiomics, systemic therapy and head and neck cancers. Original articles published over the past 10 years and meeting the inclusion criteria were selected. Of the 56 publications initially identified, 13 studies were included in the final review after exclusion of irrelevant articles. These studies were based on CT, MRI, and PET/CT data. The analysis focused on radiomic model development methods, types of extracted features, and their prognostic and predictive value.
Results. The review demonstrated that radiomic models have substantial potential for predicting survival and treatment response to induction, palliative systemic therapy, as well as chemoradiotherapy. Combined clinical-radiomic models frequently were more effective compared with radiomic-only or clinical-only models. The use of machine learning and artificial intelligence algorithms was identified as a promising approach for optimizing prognostic models.
Conclusion. Radiomics represents a promising tool for personalizing systemic therapy in head and neck cancers, enabling improved prognostic accuracy and optimization of treatment strategies. Standardization of methodologies, validation of models in large cohorts, and reduction of technical heterogeneity across studies are required for successful clinical implementation.
The authors declare that there are no conflicts of interest present.