Шкатула П. Ю., Москаленко Ю. В.

ВЗАЄМОЗВ’ЯЗОК КІЛЬКІСНИХ ПОКАЗНИКІВ ТА РАДІОМІЧНИХ ХАРАКТЕРИСТИК ОРБІТАЛЬНОЇ ЖИРОВОЇ ТКАНИНИ У ХВОРИХ НА НЕДРІБНОКЛІТИННИЙ РАК ЛЕГЕНЬ

---

Показати/Завантажити PDF

Про автора:

Шкатула П. Ю., Москаленко Ю. В.

Рубрика:

КЛІНІЧНА ТА ЕКСПЕРИМЕНТАЛЬНА МЕДИЦИНА

Тип статті:

Наукова стаття

Анотація:

Радіомічний аналіз дозволяє отримувати з комп’ютерно-томографічних зображень кількісні ха- рактеристики, що відображають просторову організацію та неоднорідність тканин. Останніми роками зростає інтерес до використання радіомічних характеристик жирової тканини як потенційних неінвазивних біомар- керів системних метаболічних та імунологічних процесів. Проте залишається невідомим, чи відображають радіомічні характеристики орбітальної жирової тканини лише її кількісні параметри або характеризують до- даткові особливості внутрішньої структури тканини. Мета дослідження – оцінити взаємозв’язок між кількісними показниками та радіомічними характеристи- ками орбітальної жирової тканини у хворих на недрібноклітинний рак легень. Проведено ретроспективне одноцентрове дослідження за участю 86 пацієнтів із гістологічно підтвердже- ним недрібноклітинним раком легень IV стадії, які отримували терапію інгібіторами контрольних точок імун- ної відповіді. На комп’ютерно-томографічних зображеннях голови виконували сегментацію орбітальної жи- рової тканини, визначали її загальний об’єм і радіологічну щільність, після чого за допомогою PyRadiomics екстрагували шість радіомічних характеристик. Взаємозв’язки оцінювали за коефіцієнтом рангової кореляції Спірмена та U-критерієм Манна–Уїтні. Не виявлено статистично значущих кореляцій між загальним об’ємом орбітальної жирової тканини та жодною з досліджуваних радіомічних характеристик (усі p>0,05). Радіологічна щільність демонструвала лише слабкі негативні кореляції з дисперсією інтенсивності (ρ= –0,24; p=0,027) та ентропією (ρ= –0,21; p=0,049). Між більшістю радіомічних параметрів встановлено слабкі або помірні взаємозв’язки, тоді як найсильнішу кореляцію виявлено між ексцесом та асиметрією розподілу (ρ=0,81; p<0,001). Порівняльний аналіз не виявив статистично значущих відмінностей радіомічних характеристик між групами, сформованими за медіанни- ми значеннями об’єму або радіологічної щільності орбітальної жирової тканини. Радіомічні характеристики також демонстрували лише поодинокі слабкі асоціації з показниками системного запалення та не корелюва- ли з індексом маси тіла. Таким чином, радіомічні характеристики орбітальної жирової тканини є відносно незалежними від її кіль- кісних параметрів, нутритивного статусу та системного запалення, що свідчить про їхню здатність відобра- жати додаткові особливості внутрішньої структурної організації тканини та обґрунтовує перспективність їх використання як нових неінвазивних біомаркерів в онкології.

Теги:

Список цитованої літератури:

1. Prelaj A, Miskovic V, Zanitti M, Trovo F, Genova C, Viscardi G, et al. Artificial intelligence for predictive biomarker discovery in immuno-oncology: a systematic review. Ann Oncol. 2024;35(1):29-65. DOI: https://doi.org/10.1016/j.annonc.2023.10.125
2. Cui R, Yang Z, Liu L. What does radiomics do in PD-L1 blockade therapy of NSCLC patients? Thorac Cancer. 2022;13(19):2669-2680. DOI: https://doi.org/10.1111/1759-7714.14620
3. Shao H, Zhu J, Shi L, Yao J, Wang Y, Ma C, et al. Value of computed tomography radiomics combined with inflammation indices in predicting the efficacy of immunotherapy in patients with locally advanced and metastatic non-small cell lung cancer. J Thorac Dis. 2024;16(5):3213-3227. DOI: https://doi.org/10.21037/jtd-24-526
4. Caii W, Wu X, Guo K, Chen Y, Shi Y, Chen J. Integration of deep learning and habitat radiomics for predicting the response to immunotherapy in NSCLC patients. Cancer Immunol Immunother. 2024;73(8):153. DOI: https://doi.org/10.1007/s00262-024-03724-3
5. Xu W, Yu Y, Dai G, He J, Li X, Zhang L, et al. Body composition radiomics integrated with machine learning to predict prognosis in advanced NSCLC treated with first-line immunochemotherapy and concurrent radiotherapy. BMC Pulm Med. 2026;26:385. DOI: https://doi.org/10.1186/s12890-026-04405-w
6. Mota INR, Satari S, Marques IS, Santos JMO, Medeiros R. Adipose tissue rearrangement in cancer cachexia: The involvement of β3-adrenergic receptor associated pathways. Biochim Biophys Acta Rev Cancer. 2024;1879(3):189103. DOI: https://doi.org/10.1016/j.bbcan.2024.189103
7. de Resende JCF, Andrade MF, Ferreira FA, Otoch JP, Motta-Teixeira LC, Seelaender M. Cancer-Associated Cachexia in the Era of Obesity. Int J Mol Sci. 2025;26(23):11626. DOI: https://doi.org/10.3390/ijms262311626
8. Oikonomou EK, Chan K, Patel P, Wahome E, Dangas K, Desai R, et al. Early Prediction of Heart Failure From Routine Cardiac CT Using Radiomic Phenotyping of Epicardial Fat. J Am Coll Cardiol. 2026;87(25):3539-55. DOI: https://doi.org/10.1016/j.jacc.2026.02.5116
9. Wu J, Li Y, Wu D, Schoepf UJ, Zhao P, Goller M, et al. The role of epicardial fat radiomic profiles for atrial fibrillation identification and recurrence risk with coronary CT angiography. Br J Radiol. 2024;97(1154):341-352. DOI: https://doi.org/10.1093/bjr/tqad046
10. Tao W, Ayala-Haedo JA, Field MG, Pelaez D, Wester ST. RNA-Sequencing Gene Expression Profiling of Orbital Adipose-Derived Stem Cell Population Implicate HOX Genes and WNT Signaling Dysregulation in the Pathogenesis of Thyroid-Associated Orbitopathy. Invest Ophthalmol Vis Sci. 2017;58(14):6146-6158. DOI: https://doi.org/10.1167/iovs.17-22237
11. Kuo PC, Kuo SC, Teng YS, Lai CC. Association of obesity with orbital fat expansion in thyroid eye disease. BMC Ophthalmol. 2025;25(1):2. DOI: https://doi.org/10.1186/s12886-024-03824-9
12. Joshi M, Patel BM. The burning furnace: Alteration in lipid metabolism in cancer-associated cachexia. Mol Cell Biochem. 2022;477(6):1709-1723. DOI: https://doi.org/10.1007/s11010-022-04398-0
13. Yu SM, Kwong WKM, Law YYY, King AD. Pseudo fat-saturation and orbital lipolysis in cancer cachexia: a diagnostic trap. Hong Kong Med J. 2024;30(4):331. DOI: https://doi.org/10.12809/hkmj2310913
14. Ge G, Zhang J. Uniqueness of radiomic features in non-small cell lung cancer. J Appl Clin Med Phys. 2022;23(12):e13787. DOI: https://doi.org/10.1002/acm2.13787
15. Peng J, Zou D, Zhang X, Ma H, Han L, Yao B. A novel sub-regional radiomics model to predict immunotherapy response in non-small cell lung carcinoma. J Transl Med. 2024;22(1):87. DOI: https://doi.org/10.1186/s12967-024-04904-6
16. Wu J, Meng X, Wu D, Li Y, Zhang X, Wang Z, et al. Radiomic phenotype of peri-coronary adipose tissue as a potential non-invasive imaging tool for detecting atrial fibrillation. Br J Radiol. 2025;98(1169):777-784. DOI: https://doi.org/10.1093/bjr/tqaf046
17. Niculescu R, Stoian A, Arbănași EM, Russu E, Babă DF, Manea A, et al. The Dual Role of Perivascular Adipose Tissue in Vascular Homeostasis and Atherogenesis: From Physiology to Pathological Implications. Int J Mol Sci. 2025;26(17):8320. DOI: https://doi.org/10.3390/ijms26178320
18. Hashemi Arani F, Gulbins A, Horstmann M, Nolte I, Daser A, Bechrakis NE, et al. Maraviroc attenuates orbital remodeling, inflammation, and lipid dysregulation in a murine model of thyroid eye disease associated with Graves’ disease. Front Endocrinol (Lausanne). 2026;17:1717212. DOI: https://doi.org/10.3389/fendo.2026.1717212
19. Jiang W, Cai QY, Li ZF, Chen ZY, Luo YS, Hu SD, et al. Calculation of orbital fat volumes for determining treatment timing for thyroid- associated ophthalmopathy. Nan Fang Yi Ke Da Xue Xue Bao. 2017;37(5):640-645. DOI: https://doi.org/10.3969/j.issn.1673-4254.2017.05.12
20. Zhang L, Evans A, von Ruhland C, Draman MS, Edkins S, Vincent AE, et al. Distinctive Features of Orbital Adipose Tissue (OAT) in Graves’ Orbitopathy. Int J Mol Sci. 2020;21(23):9145. DOI: https://doi.org/10.3390/ijms21239145

Публікація статті:

«Вісник проблем біології і медицини», 2026 Випуск 3, 182, 354-360 сторінки, код УДК 616.24-006.6:616-073.75:004.932

DOI:

10.29254/2077-4214-2026-3-182-354-360