基于栖息地放射组学的非小细胞肺癌免疫治疗疗效及irAEs预测研究

　　编辑推荐：针对NSCLC患者免疫治疗响应异质性及irAEs预测难题，南京医科大学团队创新性采用栖息地放射组学技术，整合临床特征与机器学习算法，构建了预测性能优异的Nomogram模型（AUC达0.923），为个体化免疫治疗决策提供影像学生物标志物。

为了促进科学的传播，生物通采集了这篇文章，如需英文原文，请点击！订阅BioHot索取原文

　　

肺癌作为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（ICIs）的出现为治疗带来革命性突破，但临床面临两大核心挑战：一是患者响应率差异显著（54-76%出现不良反应），二是免疫相关不良事件（irAEs）可能危及生命。传统放射组学方法将肿瘤视为均质整体，难以捕捉肿瘤内部异质性（ITH）这一关键生物学特征，导致预测效能受限。南京医科大学附属第一医院团队在《Journal of Translational Medicine》发表的研究，开创性地将生态学"栖息地"概念引入放射组学分析，通过解码肿瘤微环境空间异质性，建立了精准预测ICIs疗效和irARs风险的智能模型。

研究团队采用多中心回顾性设计，纳入268例接受ICIs治疗的NSCLC患者（训练集173例，验证集75例，外部验证20例）。关键技术路线包含：1）基于K-means聚类将CT影像的VOI（感兴趣体积）划分为3个生物学意义明确的亚区域；2）提取1834个放射组学特征（几何/强度/纹理特征），采用LASSO回归和MultiTaskLassoCV进行特征筛选；3）整合临床特征（分期、疗效评估等）与栖息地特征，构建包含Logistic回归/XGBoost等算法的Nomogram预测模型；4）通过ROC曲线、决策曲线分析（DCA）和校准曲线多维度验证模型性能。

下载激活素（Activins）海报获取相关药物开发信息。激活素和抑制素是治疗生殖系统疾病的潜在靶点。领 取

研究结果部分，在"Habitat generation"环节，通过3×3×3移动窗口计算局部熵/能量值，生成19维特征向量成功刻画肿瘤空间异质性。"Features selection"显示栖息地特征较传统全肿瘤特征更具预测价值，筛选出的关键特征与肿瘤缺氧、坏死等微环境状态显著相关。"Radiomics results"部分揭示：栖息地签名模型在预测irAEs方面表现卓越（训练/验证/外部验证集AUC：0.989/0.817/0.800），显著优于全肿瘤模型（0.976/0.609/0.720）。特别值得注意的是"Nomogram Radiomics Signature"整合临床分期与栖息地特征后，预后预测AUC提升至0.987（训练集），且校准曲线显示预测概率与实际观察频率高度吻合。

广告 安捷伦重新定义NGS文库质量高度，欢迎免费试用，或下载安捷伦的详细技术攻略！

讨论部分强调，该研究首次证实CT影像中肿瘤亚区域的空间异质性特征可作为ICIs疗效的独立预测因子。相比PD-L1表达等传统生物标志物，栖息地放射组学的优势在于：1）无创性获取全肿瘤空间信息；2）通过ReMap技术解决聚类标签不一致问题；3）DCA证实临床净获益阈值范围更广。作者同时指出局限性：如手动勾画可能引入偏差，建议未来采用自动分割算法；不同机型CT的标准化问题需通过更大样本验证。

这项研究的临床意义在于：为无法获取组织标本的患者提供替代预测方案；通过预判irAEs高风险患者实现治疗前风险分层；Nomogram可视化工具（见图12）可直接辅助临床决策。正如结论所述，该技术将推动肺癌免疫治疗向"精准用药-风险预警-动态监控"的全程管理模式迈进，为实现个体化免疫治疗奠定重要基础。未来需在前瞻性多中心试验中验证模型的普适性，并探索与液体活检等技术的联合应用价值。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》