整合全幻灯片影像与放射组学特征预测肺神经内分泌肿瘤临床预后的多模态研究

　　本研究通过整合CT放射组学（Radiomics）、全幻灯片影像形态学特征（Pathomics）与临床数据，构建了肺神经内分泌肿瘤（NETs）患者总体生存期（OS）和无进展生存期（PFS）的预测模型。多模态模型显著提升预后评估效能（C-index达0.70），为个性化治疗提供了影像驱动的新型生物标志物。

　　

Highlight

肺神经内分泌肿瘤（NETs）作为罕见且高度异质性的肿瘤类型，其临床管理面临重大挑战。本研究创新性地融合CT放射组学特征与全幻灯片图像（WSI）形态学数据，结合临床信息构建预后预测模型，为推进精准医疗提供重要依据。

INTRODUCTION

神经内分泌肿瘤（NETs）虽属罕见肿瘤，但近年发病率持续上升，目前估计约为每10万人中7例^1,2。这类肿瘤可发生于全身多个部位，其中表皮、肺部、肝胆系统、泌尿生殖道、甲状腺及胃肠道较为常见³。尽管上述组织均可能发生NETs，但肺部、直肠和小肠是最常见的原发部位³。肺NETs具有独特的生物学行为谱系，从低度典型的类癌到高度恶性的大细胞神经内分泌癌，其临床进程和治疗反应存在显著差异。

Description of cohort

本研究样本来源于魁北克呼吸健康网络组织库（https://rsr-qc.ca/biobanque/），该队列由在魁北克心肺研究所（IUCPQ）接受肺切除术的NETs患者组成。入组患者需签署研究同意书且具有可用的肿瘤组织。最终纳入83例具备临床数据和标注CT影像的肺部病例，由放射专家...

Patient characteristics

如表1所示，本研究队列的临床特征如下：OS分析包含83例患者，平均年龄62.4岁（标准差10.7），72.6%为既往吸烟者，15.1%为非吸烟者。OS时间范围为1-123.2个月。PFS分析包含74例患者...（后续内容因篇幅限制略）

DISCUSSION

NETs展现出的生物学和临床特征多样性，使得这类异质性疾病的临床管理面临巨大挑战。既往研究表明这些肿瘤好发于胃肠道、肺部及胰腺。不同原发部位的生存率可能存在显著差异^1,35。NETs发病率的上升可能与内镜和计算机断层扫描等癌症筛查技术的广泛应用密切相关。

Author Contributions

研究构思：V.S.K.M.；方法开发与分析：S.Y., L.E., V.S.K.M.；数据管理：Y.L., P.D., P.J.；初稿撰写：S.Y., L.E., V.S.K.M.；文稿修订：所有作者共同参与。所有作者阅读并同意最终稿件版本。

Data availability

本研究数据暂未公开，但可根据合理要求向通讯作者Venkata Manem获取。模型开发代码已公开于GitHub平台（https://github.com/Manem-Lab/NETs-CT-WSI），采用MIT许可证。

Declaration of Competing interests

作者声明无利益冲突。

Ethics approval and consent to participate

本研究获得数据收集机构的伦理审查委员会批准（2022-3781, 22164）。所有参与者均签署知情同意书。

Acknowledgements

感谢魁北克心肺研究所生物样本库提供的标本支持。

Funding

Venkata Manem获得IVADO薪资支持奖项、CHU de Quebec启动基金及加拿大神经内分泌肿瘤学会（CNETs）资助。