Radiogenomic-based prediction of genetic alterations in oncogenic signaling pathways in lung cancer：挖掘肺癌奥秘，开启精准诊疗新篇

为探究肺癌致癌信号通路基因改变，研究人员结合肺癌患者 CT 影像提取的放射组学特征与基因数据开展研究。结果发现 TP53、Hippo 等五条关键通路显著影响肺癌发生发展，Hippo 通路作用关键。该研究为肺癌精准诊疗提供依据。

　　癌症，一直以来都是威胁人类健康的重大杀手，肺癌更是其中的 “重灾区”。在众多肺癌类型里，肺腺癌作为非小细胞肺癌（NSCLC）的一种，约占肺癌病例的 40% ，它常常悄无声息地在肺外周组织 “扎根生长”。由于肺腺癌具有高度异质性，在 CT 影像上的表现复杂多样，给诊断和治疗带来了极大挑战。而且，肿瘤细胞内的信号通路就像一张错综复杂的 “网络”，其异常改变在肺癌发生、发展过程中起着关键作用。不同患者肿瘤的信号通路改变差异很大，这使得开发精准有效的治疗方案困难重重。因此，深入了解肺腺癌中信号通路的变化规律，找到一种能有效评估这些变化的方法，成为了医学领域亟待解决的难题。

在这样的背景下，来自印度 Bharathiar 大学的研究人员踏上了探索之旅。他们开展了一项关于基于放射基因组学预测肺癌致癌信号通路基因改变的研究，相关成果发表在《Egyptian Journal of Medical Human Genetics》杂志上。

研究人员主要采用了以下关键技术方法：首先，从癌症影像存档库（The Cancer Imaging Archive，TCIA）获取 4 例肺肿瘤的 CT 数据，同时从 cBioPortal 数据库等获取 10 条致癌信号通路的基因改变数据。接着，利用 3D Slicer 软件对 CT 影像进行分割，手动勾勒出肿瘤感兴趣区域（ROI），再借助 PyRadiomics 3.7 软件提取影像特征，包括一阶统计量、形状描述符、纹理类和基于小波的特征等。最后，通过假设检验、LASSO 回归等统计分析方法，构建放射组学特征模型，评估其对信号通路改变的预测能力。

下面来看看具体的研究结果：

• 患者特征：研究纳入了 4 名年龄在 65 - 80 岁的肺癌患者，其中男女各 2 名，均为肺腺癌，样本类型均为原发性，肿瘤分期涵盖 I - III 期12。
• 差异表达的放射组学特征：研究人员共处理 668 张放射组学图像，提取出 3408 个放射组学特征。经过分析，发现 TP53、Hippo、细胞周期、Myc 和 Notch 这五条信号通路发生改变时，分别有 161、91、105、89 和 9 个特征存在显著差异3。
• 预测信号通路改变的放射组学特征模型：通过 LASSO 回归分析，研究人员分别构建了 5 个放射组学特征模型，用于预测 TP53、Hippo、细胞周期、Myc 和 Notch 通路的改变，模型表现良好，受试者工作特征曲线下面积（ROC）分别为 0.82、0.78、0.75、0.75 和 0.8345。
• 致癌信号通路放射组学特征之间的联系：研究发现 Hippo 通路与 Myc、细胞周期通路之间存在显著相关性。其中，Hippo 与 Myc 的相关性最强（R = 0.999，p 值 = 7.135409263138652e - 109），其次是 Hippo 与细胞周期（R = 0.742，p 值 = 0.00099）6。

研究结论和讨论部分意义重大。研究人员成功预测了肺癌中最常受影响的五条致癌信号通路，其中 Hippo 通路被确定为交互作用最多的通路，其包含 26 个发生改变的基因，这意味着该通路在肺腺癌的发生、发展中可能起着核心调控作用。Hippo 通路与细胞周期、Myc 通路之间的显著交互作用，也为深入理解肺腺癌的分子机制提供了新线索。这些发现有助于开发针对肺腺癌的精准治疗策略，通过检测放射组学特征，医生能够更准确地评估患者肿瘤的分子特征，预测临床结果，筛选出可能从靶向治疗中获益的患者，从而实现真正意义上的精准医疗。不过，该研究样本量较小，未来还需要更大规模、多机构的研究来进一步验证这些结论，提高放射基因组学预测的可靠性，推动其在临床实践中的广泛应用。