基于PET的可解释栖息地建模技术用于预测浸润性肺腺癌术后复发风险

《Annals of Surgical Oncology》：Explainable PET-Based Habitat Modeling for Predicting Postoperative Recurrence Risk in Invasive Lung Adenocarcinoma

基于1?F-FDG PET-CT的肺癌术后复发风险预测模型构建与验证。通过肿瘤亚区栖息地划分与多模态特征融合，建立可解释性放射学模型，AUC达0.823，DFS风险分层显著（P<0.0001）。

　　

摘要

目的

对于可切除的肺浸润性腺癌（IAC）患者而言，术后复发仍然是一个主要的临床挑战。传统的基于PET的参数和全肿瘤放射组学方法可能无法充分反映与复发风险相关的空间异质性。本研究旨在开发并验证一种基于[¹⁸F]FDG PET成像的放射组学模型，以实现个体化的复发风险预测。

方法

这项回顾性研究纳入了156名病理学确诊为IAC的患者，这些患者均接受了术前[¹⁸F]FDG PET/CT检查。通过体素级别的放射组学特征和无监督聚类方法，将肿瘤分割并细分为不同的肿瘤内微环境（即“栖息地”）。通过整合临床变量和来自最具预测性的微环境的放射组学特征，构建了一个综合模型。模型性能通过接收者操作特征分析（ROC分析）、校准曲线和决策曲线分析进行评估。模型可解释性通过Shapley加性解释（SHAP）方法进行评估。预后价值则基于无病生存期（DFS）采用Kaplan-Meier分析进行评估。

结果

基于肿瘤微环境的综合模型表现出最高的预测性能，在测试队列中的曲线下面积为0.823，具有良好的校准效果和临床实用性。根据模型输出进行的分组显示，高风险组和低风险组在DFS方面存在显著差异，训练队列中的P值<0.0001，测试队列中的P值为0.018。

结论

这种基于PET的肿瘤微环境放射组学模型为IAC患者的术后复发预测提供了一种无创且易于解释的工具。通过准确识别高复发风险和DFS较低的患者，该模型有助于制定基于风险的术后管理决策。

目的

对于可切除的肺浸润性腺癌（IAC）患者而言，术后复发仍然是一个主要的临床挑战。传统的基于PET的参数和全肿瘤放射组学方法可能无法充分反映与复发风险相关的空间异质性。本研究旨在开发并验证一种基于[¹⁸F]FDG PET成像的放射组学模型，以实现个体化的复发风险预测。

方法

这项回顾性研究纳入了156名病理学确诊为IAC的患者，这些患者均接受了术前[¹⁸F]FDG PET/CT检查。通过体素级别的放射组学特征和无监督聚类方法，将肿瘤分割并细分为不同的肿瘤内微环境（即“栖息地”）。通过整合临床变量和来自最具预测性的微环境的放射组学特征，构建了一个综合模型。模型性能通过接收者操作特征分析（ROC分析）、校准曲线和决策曲线分析进行评估。模型可解释性通过Shapley加性解释（SHAP）方法进行评估。预后价值基于无病生存期（DFS）采用Kaplan-Meier分析进行评估。

结果

基于肿瘤微环境的综合模型表现出最高的预测性能，在测试队列中的曲线下面积为0.823，具有良好的校准效果和临床实用性。根据模型输出进行的分组显示，高风险组和低风险组在DFS方面存在显著差异，训练队列中的P值<0.0001，测试队列中的P值为0.018。

结论

这种基于PET的肿瘤微环境放射组学模型为IAC患者的术后复发预测提供了一种无创且易于解释的工具。通过准确识别高复发风险和DFS较低的患者，该模型有助于制定基于风险的术后管理决策。