肺癌是我国最常见的恶性肿瘤之一，其主要分为非小细胞肺癌（NSCLC）和小细胞肺癌（SCLC）两大类型。其中，非小细胞肺癌约占所有肺癌的 80%，且大多数患者发现时已处中晚期，5 年生存率随癌症分期显著下降。
近年来有大量研究表明，新辅助化学免疫治疗不仅可在患者手术介入前减少肿瘤体积，增加根治性切除的机会，还能够清除早期微转移，降低复发风险。因此，这一新兴治疗技术正逐步进入非小细胞肺癌的临床管理路径。影像组学在其中的整合与应用，可为肺癌的诊断、预后预测和治疗策略提供重要的新思路。
2023 年 12 月末，国际核医学重要期刊 European Radiology 刊载了一则中国多单位联合发表的影像组学在预测非小细胞肺癌新辅助化学免疫疗法疗效预测方面的多中心研究进展成果：[18F] FDG PET-CT radiomics signature topredict pathological complete response to neoadjuvant chemoimmunotherapy in non-small cell lung cancer: a multicenter study。该进展成果由宁波市第二医院、上海全景医学影像诊断中心、江苏大学、泰莱生物、山东省公共卫生临床中心等单位联合发布，泰莱生物联合创始人钟晟博士为主要作者之一。
DOI: https://doi.org/10.1007/s00330-023-10503-8
项目团队在研究中开发、验证了基于 [18F] FDG PET-CT 图像的影像组学模型，并用以预测接受新辅助化疗、免疫治疗的非小细胞肺癌患者的病理学完全缓解（pCR）。研究结果显示，PET-CT 影像组学模型预测 pCR 的能力可以达到 AUC 0.818（95%CI，0.711，0.925），优于 PET 影像组学模型及 CT 影像组学模型。
主要结果 - 01
研究队列概述以及影像组学特征
本研究纳入了 2019 年 1 月至 2022 年 12 月在 5 家中心接受新辅助化学免疫治疗的 185 例非小细胞肺癌患者，平均年龄为 61.95 岁，91.89%（n=170）的参与者为男性，包含腺癌 71 例（38.38%），鳞癌 87 例（47.03%）。研究团队进一步将患者分为训练队列（n=101）和验证队列（n=84），并且从患者的 PET-CT 图像中提取影像组学特征（47 个 PET 特征和 45 个 CT 特征），在初步排除不可靠特征后，共保留 89 个 PET-CT 特征，相应生成 3 个特征集（PET-CT 特征集，n=89；PET 特征集，n=47；CT 特征集，n=43）并构建了三个影像组学模型（PET-CT 模型，9 个特征；PET 模型，7 个特征；CT 模型，7 个特征）。在病理学缓解评估中，仅 54 例（29.19%）患者达到 pCR。
主要结果 - 02
影像组学模型的预测性能
[18F] FDG PET-CT 影像组学评分的分布如以下图 1 所示，随着 PET-CT 影像组学评分的增加，在训练和验证队列中识别出更多达到 pCR 的参与者。在验证组群中，PET-CT 影像组学模型预测 pCR 的 AUC 为 0.818（95% CI，0.711，0.925），显著优于 PET 影像组学模型（0.728 [95% CI，0.610，0.846]）、CT 影像组学模型（0.732 [95%CI，0.607，0.857]）、最大标准摄取值（SUVmax）（0.603 [95%CI，0.473，0.733]）和肿瘤代谢体积（MTV）（0.562 [95%CI，0.436，0.688]）。此外，研究者证实 PET-CT 影像组学评分（OR，253.899；95% CI，1.667；3866.939 p<0.001）是验证队列中 pCR 的独立预测因子。
图 1：影像组学评分和病理学反应在（A）训练和（B）验证队列中的分布
在验证队列中，PET-CT 影像组学模型的敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）和准确性分别为 78.6%、78.6%、64.7%、88.0% 和 78.5%，均高于 PET 影像组学模型（67.9%、64.3%、48.7%、80.0% 和 65.5%）、CT 影像组学模型（67.9%、69.6%、52.8%、81.3% 和 69.0%）、SUVmax（67.9%、51.8%、41.3%、76.3% 和 57.1%）和 MTV（64.3%、26.8%、30.5%、60.0% 和 39.3%）。
主要结果 - 03
影像组学模型的临床应用
研究者通过验证队列中的决策曲线分析评估了 PET-CT 影像组学模型 pCR 识别的临床有用性，以下图 2 结果显示 PET-CT 影像组学模型比 PET 影像组学模型、CT 影像组学模型和 SUVmax 模型具有更显著的性能优势。这表明借助 PET-CT 影像组学模型，可以使 pCR 概率低的患者免于新辅助化疗、免疫治疗，选择更合适的治疗策略如直接手术、靶向治疗或基于放射治疗的多模式治疗。相反，对于风险高于阈值的患者，可以进行进一步的分子检测，使得大多数患者可以从这种最先进的治疗中获益。因此，PET-CT 影像组学可能具有指导非小细胞肺癌新辅助化疗免疫治疗决策的潜力。
图 2：不同预测模型的决策曲线
接着，为研究以影像组学特征预测 pCR 的内在机制，研究者进行了 GSEA 分析，发现影像组学高分与抑制肿瘤增殖途径如 RUNX 3 和 p53 代谢途径的上调相关。相关文献显示，RUNX3 与免疫治疗应答相关，在免疫治疗过程中对 CD8 T 细胞浸润和分化起重要作用，RUNX3 的表达可促进 CD8 T 细胞组织驻留。而 p53 蛋白对调节先天免疫系统和促进免疫应答具有重要影响，肿瘤中的 p53 蛋白可以引起B细胞抗体应答和 CD 8 杀伤 T 细胞应答。上述证据可能支持 PET/CT 影像组学模型预测新辅助化疗免疫治疗反应的机制。
图 3：比较低评分和高评分患者之间浸润免疫细胞比例的箱型图
结论
[18F] FDG PET-CT 扫描能同时显示肿瘤的解剖和新陈代谢特征，已成为临床实践中诊断及评估治疗后反应的可靠工具。本研究深挖 [18F] FDG PET-CT 的成像特征，开发了 [18F] FDG PET-CT 影像组学模型，用以预测新辅助化疗、免疫治疗的 pCR。经过验证，[18F] FDG PET-CT 影像组学模型可以达到 0.818 的 AUC，显著优于 PET 和 CT 影像组学模型，这表明 PET 和 CT 影像组学的融合可以提供更高的预测效率，在临床应用中具有着指导非小细胞肺癌新辅助化学免疫治疗决策的巨大价值和潜力。
“在过往的肺癌诊疗过程中，影像组学一般运用在患者的确诊和长病程中肿瘤形态的观察和监测，” 本项进展成果的共著作者、泰莱生物联合创始人钟晟博士表示，“本次研究再一次证明，影像组学在肺癌患者用药指导等伴随诊断领域的创新应用有着举足轻重的促进作用，这将为肺癌高效诊疗体系的建立和肺癌患者生存率的提升，提供新的方案和思路。”返回搜狐，查看更多
责任编辑：