基于外周血单细胞免疫特征的侵袭性肺结节精准诊断新策略

《Nature Communications》：Precise diagnosis of small invasive pulmonary nodules driven by single-cell immune signatures in peripheral blood

本研究针对肺结节良恶性及侵袭性术前精准诊断难题，通过质谱流式技术解析外周血免疫图谱，结合机器学习算法构建了SMART智能诊断平台。该平台在区分侵袭性与非侵袭性结节方面表现卓越（AUC=0.952），并能有效预测肿瘤侵袭程度（MIA与IA区分AUC=0.949），为临床决策提供了重要的无创诊断工具。

　　

肺癌是全球癌症相关死亡的主要原因，早期诊断对改善患者预后至关重要。随着低剂量计算机断层扫描（LDCT）筛查的普及，越来越多的肺结节被发现，但这也带来了新的临床挑战——高达96.7%的假阳性率让医生和患者陷入两难境地。传统的Mayo Clinic、Veterans Affairs（VA）和Brock等预测模型对肺结节恶性概率的评估性能有限（AUC=0.65-0.83），而基于循环肿瘤细胞（CTCs）、甲基化特征和miRNA的液体活检方法在早期非小细胞肺癌（NSCLC）诊断中的准确性也仅为41%-67%，且无法区分微浸润腺癌（MIA）与浸润性腺癌（IA）。

更令人担忧的是，当前美国预防服务工作组（USPSTF）指南将50岁以下人群和非吸烟者排除在筛查范围之外，而年轻人群，特别是年轻不吸烟女性的肺癌发病率正在上升。此外，根据世界卫生组织（WHO）第5版肺癌分类，非典型腺瘤样增生（AAH）和原位腺癌（AIS）因其惰性生物学行为被归类为非侵袭性疾病，而微浸润腺癌（MIA）与浸润性腺癌（IA）在预后和治疗策略上存在显著差异。MIA患者通常只需亚肺叶切除，而IA患者可能需要更广泛的手术。因此，术前准确区分结节的侵袭性对避免过度治疗至关重要。

肿瘤微环境（TME）在肿瘤发展过程中经历动态变化，癌症相关的免疫改变常伴随全身性免疫失调。例如，中性粒细胞与淋巴细胞比率（NLR）已成为预测肺癌生存结果的潜在标志物。然而，肺结节早期阶段外周免疫的具体变化及其在肺结节诊断中的潜在作用尚未得到充分探索。

在这项发表于《Nature Communications》的研究中，Yang Xia、Yin Zhu等研究人员提出了一种创新解决方案：通过外周血免疫特征来精准诊断肺结节。他们假设，外周免疫分析可以为肺结节管理提供新策略。

关键技术方法方面，研究团队开展了多中心前瞻性研究，招募了1032名参与者，最终纳入930名合格样本。通过质谱流式（CyTOF）技术分析外周血单细胞免疫特征，结合随机森林（RF）机器学习算法，开发了名为SMART（Single-cell Immune Signatures for Invasive Pulmonary Nodules）的集成肺结节管理平台。该平台包含诊断决策（DIA）模块和手术决策（SUR）模块，分别用于区分侵袭性与非侵袭性肺结节以及预测肿瘤侵袭性。

参与者的分布和特征

研究从三个医疗中心招募了1032名参与者，最终930名合格样本被纳入分析。其中501名参与者被诊断为恶性肿瘤，包括224例MIA、211例IA和66例晚期肺癌。其余参与者被归类为非侵袭性肺结节，包括369名非侵袭性肺结节个体和60名无肺结节的健康对照。侵袭组和非侵袭组在性别、吸烟状况和结节位置等临床特征上均衡，但侵袭组的结节尺寸显著更大。

侵袭性肺结节的外周免疫图谱

通过CyTOF分析，研究人员绘制了肺结节患者的外周免疫图谱，鉴定了10个主要免疫亚群。细胞密度图显示侵袭组和非侵袭组在这些免疫亚群中存在明显分布差异。侵袭组中CD4⁺T细胞、树突状细胞（DCs）、嗜碱性粒细胞和单核细胞的比例显著增加，而γδ T细胞、CD8⁺T细胞和自然杀伤（NK）细胞显著减少。进一步手动圈定了103个免疫细胞亚群，发现60个免疫亚群在侵袭组和非侵袭组间存在显著差异，特别是在CD4⁺和CD8⁺T细胞亚群中。

DIA模块的建立和测试

DIA模块使用训练队列中的178个非侵袭性和218个侵袭性肺结节样本开发，选择了18个免疫特征。在训练队列中，DIA模块区分侵袭性与非侵袭性肺结节的曲线下面积（AUC）为0.983，敏感性94.5%，特异性92.7%。在测试队列1中，AUC为0.952，敏感性90.8%，特异性91.1%。与Mayo、VA和Brock模型相比，SMART平台表现显著更优，且优于基于影像组学的Dr. Wise平台。

SUR模块的建立和测试

SUR模块使用训练队列中的113例MIA和105例IA样本开发，最终选择了14个外周免疫特征。在训练队列中，区分MIA和IA的AUC为0.983，敏感性95.2%，特异性94.7%。在测试队列1中，AUC为0.949，敏感性91.5%，特异性90.1%。相比之下，五位经验丰富的临床医生评估的准确性仅为67.7%-75.6%，平均敏感性和特异性分别为69.8%和77.5%，显著低于SUR模块。

研究结论表明，SMART平台通过结合CyTOF单细胞蛋白组分析和机器学习算法，提供了一个无创、高分辨率的诊断工具，以精确和可扩展的方式增强临床决策。该平台在多队列评估中表现出强大的性能，包括当前诊断策略主要局限的人群。

SMART平台实现了高诊断准确性，DIA和SUR模块的AUC均超过0.9，优于传统模型（AUC=0.952 vs. 0.649-0.858）甚至基于影像组学的Dr. Wise平台（AUC=0.952 vs 0.855）。与传统液体活检工具不同，SMART同时保持了高敏感性（90.9%）和高特异性（90.8），最大限度地减少了漏诊并减少了不必要的干预。

值得注意的是，SMART平台在年轻个体和非吸烟者群体中也表现出色，这些群体通常不在常规LDCT筛查范围内，尽管他们的肺癌风险正在上升。对于直径≤10毫米的小结节，SMART平台也表现出一致的诊断性能（AUC=0.948，敏感性88.0%，特异性91.9%）。

此外，SMART还通过区分侵袭性与微浸润腺癌支持细致的临床决策。这一区分对于指导手术策略至关重要，如亚肺叶切除与肺叶切除，从而避免过度治疗。SUR模块准确区分了IA和MIA（AUC=0.949，敏感性91.5%，特异性90.1%）。

该研究的重要意义在于，SMART代表了一个以患者为中心、多功能的肺结节管理诊断平台。它具有高诊断准确性、微创性和广泛适用性，特别适用于小结节和服务不足的人群。SMART有望显著推进肺癌检测和管理的范式转变，为精准医疗时代肺结节的个体化治疗提供了新方向。