基于 CT 影像组学构建预测局部晚期胃癌新辅助免疫治疗病理反应模型的多队列研究

《Journal of Translational Medicine》：Multi-cohort study in gastric cancer to develop CT-based radiomic models to predict pathological response to neoadjuvant immunotherapy

为解决无法术前准确预测局部晚期胃癌（LAGC）患者新辅助免疫治疗病理反应的问题，研究人员开展构建相关预测模型的研究，结果显示构建的 Bayesian-LightGBM 模型预测性能良好，为个性化治疗提供了依据。

　　《基于 CT 影像组学构建预测局部晚期胃癌新辅助免疫治疗病理反应模型的多队列研究》解读

在癌症的世界里，胃癌（GC）可谓是个 “狠角色”，它是全球第五大常见恶性肿瘤 ，也是癌症相关死亡的第三大 “元凶”。对于胃癌患者来说，手术切除本是主要治疗手段，可让人头疼的是，超过 30% 的局部晚期胃癌（LAGC）患者即便做了根治性切除，还接受了辅助治疗，依旧难逃复发的厄运。

新辅助化疗的出现，给这些患者带来了新希望，近年来在胃癌治疗中逐渐崭露头角，取得了不错的临床效果。而免疫治疗，尤其是免疫检查点抑制剂（ICI）治疗，更是癌症治疗领域的 “变革者”，让多种恶性肿瘤的治疗迎来新曙光。如今，新辅助免疫治疗联合化疗成为了临床研究的焦点。

不过，在实际治疗中，医生们却面临着诸多难题。目前评估新辅助免疫治疗疗效的 “金标准” 是组织病理学检查，可这得等手术之后才能进行，要是治疗效果不好，再调整治疗方案就太晚了。虽然肿瘤突变负荷（TMB）、PD-L1 表达水平等生物标志物能预测临床反应，但检测方法复杂，而且肿瘤存在时空异质性，限制了它们的临床应用。

那有没有一种办法，能在手术前就精准预测患者对新辅助免疫治疗的反应呢？福建医科大学附属协和医院、福建医科大学胃肠道癌教育部重点实验室等机构的研究人员决心攻克这一难题。他们开展了一项多中心队列研究，相关成果发表在《Journal of Translational Medicine》上。

为了开展这项研究，研究人员采用了一系列关键技术方法。他们从福建医科大学附属协和医院和漳州市医院收集了 2019 - 2023 年期间 268 例 LAGC 患者的数据。这些患者都接受了新辅助免疫治疗和根治性手术。研究人员通过腹部增强 CT 扫描获取患者治疗前后的影像数据，利用 3DSlicer 和 Pyradiomics 等软件进行图像数据处理和特征提取，从 CT 图像中提取出多达 832 个影像组学特征。接着，使用最小冗余最大相关性（mRMR）方法和最小绝对收缩和选择算子（LASSO）回归进行特征选择，筛选出最具代表性的特征。最后，运用 9 种机器学习（ML）算法构建预测模型，并通过贝叶斯优化和网格搜索调整模型超参数，选择最优模型 。

研究结果如下：

1. 基线患者特征：研究共纳入三个队列，分别是开发队列（DC，n = 86）、内部验证队列（IVC，n = 59）和外部验证队列（EVC，n = 52）。各队列患者在年龄、性别比例、肿瘤位置、新辅助免疫治疗周期数、cT 分期等方面存在差异，提示各队列患者基线特征不同，也凸显了在不同患者群体中验证模型的重要性。
2. 特征选择和模型构建：从 CT 图像中提取的 832 个特征，经可靠性检验、计算差异特征、归一化处理后，通过 mRMR 算法和 LASSO 回归，最终筛选出 20 个最有价值的影像组学特征，用于构建影像组学模型。
3. 模型性能：以主要病理反应（MPR，定义为原发性肿瘤中存活癌细胞 < 10%）为预测终点，构建 9 种 ML 模型。在 DC 中，经贝叶斯优化的 LightGBM 模型表现优异，AUC 达到 0.828；在 IVC 中，AUC 为 0.777，且 DeLong 检验 p = 0.518，表明模型无过拟合现象；在 EVC 中，AUC 为 0.714，模型整体准确性、特异性等指标虽有所下降，但仍展示出稳定的预测能力，证明了模型的良好泛化性。
4. SHAP 值分析：通过计算 SHAP 值，发现 wavelet.LLH_gldm_SmallDependenceLowGrayLevelEmphasis 等特征对模型预测影响较大。SHAP 分析还显示，一些特征值的变化与 MPR 概率密切相关，说明量化治疗前后 CT 扫描的纹理特征动态变化（deltaCT 特征），有助于更精准评估肿瘤对治疗的反应。

研究结论和讨论部分意义重大。研究成功构建并验证了基于影像组学的 ML 模型，能有效预测 LAGC 患者新辅助免疫治疗的病理反应，为个性化治疗策略提供了有力支持。与以往聚焦新辅助化疗的影像组学模型不同，该模型纳入了新辅助免疫治疗患者，更具针对性。

此外，研究还存在一些局限性。不同医疗机构 CT 成像采集协议的差异，可能影响影像组学特征的提取和模型性能；样本量有限，可能导致过拟合风险增加，模型在更广泛人群中的泛化性还需进一步验证 。不过，这项研究为胃癌新辅助免疫治疗的疗效预测开辟了新方向，后续研究可在此基础上不断优化模型，提高预测准确性，推动胃癌精准治疗的发展。