基于FDG-PET/CT的放射组学模型在评估新诊断多发性骨髓瘤患者治疗效果中的应用

《Frontiers in Oncology》：Application of radiomics model based on FDG-PET/CT for the assessment of therapeutic effect in patients with newly-diagnosed multiple myeloma

多发性骨髓瘤（MM）患者治疗后深治疗应预测研究：基于FDG-PET/CT的放射组学模型结合临床特征可显著提升预测效能，AUC达0.813。性别（p=0.041）为唯一独立预后因素，女性预后更佳。研究通过回顾性分析165例患者数据，构建临床、PET-CT放射组学及联合模型，结果显示联合模型在ROC曲线、校准曲线和决策曲线分析中均最优，且优于单一模型。该模型为早期疗效评估和个体化治疗提供新工具。

　　
该研究聚焦于利用1?F-FDG PET/CT影像结合临床数据构建预测模型，评估多发性骨髓瘤（MM）患者对治疗的深度应答（DR）。研究通过回顾性分析165例新发MM患者的影像及临床资料，探索了基于PET/CT的放射组学模型在疗效预测中的价值。

**研究背景与意义**
MM作为恶性血液肿瘤，其治疗反应评估存在显著个体差异。传统临床分期系统（如ISS、RISS）难以准确预测患者对治疗的响应程度，导致部分患者接受过度治疗或监测不足。1?F-FDG PET/CT作为代谢显像金标准，能够反映肿瘤代谢活性变化，但现有研究多集中于其预后评估，而非治疗响应预测。放射组学技术通过自动提取影像的定量特征，可克服人工判读的主观性，为深度应答预测提供新思路。

**研究方法与技术创新**
研究采用多模态数据融合策略：
1. **影像采集**：所有患者均于化疗前1个月内完成全身1?F-FDG PET/CT扫描，设备参数标准化（SIEMENS Biograph 64层PET/CT），注射剂量0.15-0.18 mCi/kg，扫描范围覆盖全身骨骼及脏器。
2. **影像处理**：通过双核医学影像注册技术（软件平台UII-AI），实现PET与CT的精准配准。两位资深放射科医师（分别6/7年经验）进行盲法病灶分割，最终形成包含骨骼骨髓背景（BM）、肝脏及病灶ROI的标准化影像数据库。
3. **特征工程**：采用PyRadiomics工具包提取2,164个原始特征，经以下筛选流程：
- **可重复性筛选**：通过双观察者间 Intraclass Correlation Coefficient（ICC>0.70）剔除主观性强的特征
- **LASSO回归优化**：在交叉验证基础上保留10个PET特征（3强度+7纹理）、16个CT特征（2强度+14纹理），最终构建PET-CT联合特征集（15个核心特征）
4. **模型构建**：采用逻辑回归算法，分别建立临床模型（性别、Ca2?、sFLC等）、单模态影像模型（PET/CT）及联合模型（临床+影像），通过AUC、敏感性/特异性、校准曲线、决策曲线等多维度评估模型性能。

**核心研究发现**
1. **临床特征分析**：多因素回归显示性别为独立预后因素（p=0.041），男性深度应答率较女性低（风险比0.713）。其他实验室指标（如β2微球蛋白、血红蛋白）未达显著预测价值。
2. **影像组学模型性能**：
- **单模态表现**：PET模型AUC=0.809，CT模型AUC=0.785，均优于临床模型（AUC=0.742）
- **联合优势**：PET+CT联合模型AUC达0.813（95%CI 0.766-0.860），较单一模态提升5.2%；进一步整合临床特征后，联合模型AUC微增至0.814，但决策曲线净收益显著提高（图7显示阈值概率0.2-0.6区间净收益提升18%-25%）
3. **特征贡献分析**：PET影像中“SUVmax标准化强度”和“PET标准化对比度”为前两位贡献特征（系数值+0.32/-0.28），CT影像中“灰度共生矩阵熵值”和“小波能量”表现突出（系数值+0.25/-0.19），提示代谢活性与纹理特征对疗效预测的关键作用。

**临床启示与局限**
1. **诊疗策略优化**：
- 早期预测深度应答可指导治疗强度调整（如对预测低应答患者可提前联用新型免疫调节剂）
- 联合模型在AUC上虽与PET+CT模型接近（0.813 vs 0.809），但决策曲线分析显示其净收益提升达12.7%，更适合临床决策支持
2. **研究局限性**：
- 样本量偏小（n=165），且来自单中心（海军军医大学附属长海医院），需多中心验证
- 未纳入基因突变（如t(4;14)、17p缺失）等分子标志物，未来可探索多组学整合模型
- 影像分割仍依赖人工标注，后续可尝试深度学习自动分割技术
3. **技术演进方向**：
- 开发基于3D卷积神经网络的自动化特征提取系统
- 构建动态预测模型，结合治疗周期中不同时点的影像数据

**学科价值与展望**
本研究验证了影像组学在MM疗效预测中的可行性，其核心贡献在于：
1. 首次系统比较PET/CT单模态与联合模型在DR预测中的性能差异
2. 揭示性别作为独立预测因子，为临床分型提供新依据
3. 提出“影像组学特征+临床指标”的整合预测框架，符合精准医学发展需求
未来研究可拓展至：
- 建立动态影像组学模型，追踪治疗过程中代谢特征变化
- 开发基于联邦学习的多中心验证平台，解决数据孤岛问题
- 探索PET/CT与MRI影像组学的联合分析，提升特征维度覆盖

该研究为MM的个体化治疗提供了可量化的决策工具，其方法论（如LASSO特征筛选+决策曲线分析）可推广至其他血液肿瘤的疗效预测研究。