基因组与病理特征融合提升晚期非小细胞肺癌预后精准度的多模态分类器研究

本研究针对晚期非小细胞肺癌（NSCLC）免疫联合化疗（ICT）疗效预测难题，通过整合基因组突变特征与病理图像深度学习分析，构建了预后多模态分类器（PMCP）。该模型结合RTK-RAS通路突变及上皮细胞比例等关键指标，显著提升无进展生存期（PFS）和总生存期（OS）预测精度（AUC=0.807），为个体化治疗决策提供新工具。

　　

肺癌是全球癌症死亡的首要原因，其中非小细胞肺癌（NSCLC）占比高达85%。尽管免疫检查点抑制剂（ICI）联合化疗（ICT）已成为晚期NSCLC的标准疗法，但现有生物标志物如PD-L1表达和肿瘤突变负荷（TMB）的预测效能有限，亟需更精准的预后工具。中国人民解放军总医院的研究团队通过多中心队列研究，首次将基因组特征与病理图像人工智能分析相结合，开发出能显著提升预后精度的多模态分类系统。

研究团队采用1123基因panel测序（ChosenOne?）分析162例接受一线ICT治疗的晚期NSCLC患者样本，同时应用HoVer-Net深度学习模型解析H&E染色病理图像中的五类细胞组成。关键技术包括：1）基于LASSO回归构建包含ARID1B、RTK-RAS通路等7个特征的基因组风险评分（RS）模型；2）通过非负矩阵分解（NMF）识别APOBEC/吸烟相关突变特征；3）利用中国PLA总医院内部验证队列（n=35）和TCGA数据集进行验证。

基因组特征与治疗响应关联

研究发现RTK-RAS通路突变患者PFS显著延长（HR=0.46，p=0.0059），且与TMB呈正相关。KDM6A突变患者预后最差，OS缩短12.9倍（p<0.0001）。通过整合ARID1B、SETD2等基因突变构建的RS模型，可将患者分为高风险（HRS）和低风险（LRS）组，16个月预测AUC达0.734。

病理图像揭示TME特征

AI模型量化显示上皮细胞比例与PFS显著相关（HR=0.59，p=0.045）。PMCP1亚型（低RS+高上皮比例）患者中位PFS达10.3个月，较PMCP3亚型（高RS+低上皮比例）延长3.7倍。

多模态模型临床价值

最终构建的PMCP分类器整合基因组风险评分与上皮细胞特征，16个月PFS预测AUC提升至0.807。该研究首次证实：1）FA通路突变富集的HRS组呈现免疫抑制微环境；2）上皮细胞比例可作为独立预后因子；3）ARID1B-DDR共突变导致不良预后。

这项发表于《npj Precision Oncology》的研究为晚期NSCLC的精准分层提供了创新方法，其多模态整合策略克服了单一生物标志物的局限性。特别是发现上皮细胞形态学特征与免疫疗效的关联，为理解TME调控机制开辟了新视角。未来需在前瞻性临床试验中验证PMCP的指导价值，并探索EMT过程与ICT耐药的具体分子机制。