気管支動脈化学塞栓療法（BACE）は、進行肺癌の安全で効果的な治療法と見なされています。しかし、BACEの治療効果は大きく異なり、臨床実践において信頼できる予後ツールは存在しません。本研究の目的は、第一選択療法失敗後の進行肺癌（ステージIII-IV）における気管支動脈化学塞栓療法（BACE）に対する腫瘍反応を予測するためのCTラジオミクスに基づいたモデルを開発し、検証することでした。この回顧的研究には、3つのセンターから227人の患者が参加しました。ラジオミクス特徴は動脈相CT画像から導出され、特徴選択は分散閾値設定、一変量特徴選択、最小絶対収縮選択演算子（LASSO）回帰を用いて逐次的に行われました。5つの機械学習分類器がラジオミクス（Rad）スコアの計算に使用されました。Radスコアと独立した臨床予測因子に基づいた融合モデルが開発されました。最終的に5つの重要なラジオミクス特徴が特定され、モデル作成に利用されました。LightGBMモデルは最も高い効率を持ち、内部検証群と外部検証群においてそれぞれ0.809および0.746の曲線下面積（AUC）を達成しました。LightGBMベースのRadスコアは、独立した臨床予測因子（ECOGスコア、血流量、ProGRP）と組み合わされ、融合モデルが生成されました。このモデルは、ラジオミクスモデル（AUC = 0.872、0.809、0.746）および臨床モデル単独（AUC = 0.750、0.732、0.672）よりも優れた予測性能（トレーニング、内部検証、外部検証郡でそれぞれAUC = 0.928、0.875、0.813）を達成しました。融合モデルは、肺癌におけるBACEに対する腫瘍反応を効果的に予測でき、臨床医が適切な手術対象を特定するのに役立ちます。
Yang et al. （Sun,）はこの問題を調査しました。