《Respiratory Research》：Prediction of radiosensitivity in non-small cell lung cancer based on computed tomography and tumor genomics: a multiple real world cohort study
编辑推荐：
为解决肿瘤放疗敏感性不同限制疗效的问题，研究人员开展了基于 CT 和肿瘤基因组学预测非小细胞肺癌（NSCLC）放射敏感性的多真实世界队列研究。开发出 LCDigital-RT 预测工具，可辅助放疗计划制定，对评估放疗敏感性意义重大。
在肿瘤治疗的领域中，放疗是一把 “双刃剑”。对于非小细胞肺癌患者来说，放疗虽能应用于各个阶段，却并非每位患者都能从中获益。这是因为不同患者的肿瘤对放疗的敏感程度差异很大，使得放疗效果大打折扣。传统上，评估肿瘤放射敏感性主要依靠病理、生物学因素，比如基因组的突变、表观遗传学的改变以及转录组的变化，但这些方法都有局限性，无法精准评估。为了突破这一困境，探寻更精准的放疗敏感性评估方法，来自国内多所医疗机构的研究人员展开了深入研究，相关成果发表于《Respiratory Research》杂志 。
研究人员采用了多种关键技术方法。他们收集了多个真实世界队列中 454 例非小细胞肺癌患者放疗前的 CT 影像数据，包括 JXCH 队列（294 例）、GDPH 队列（160 例）等。利用开源软件 3Dslicer 进行靶区勾画、图像分割与特征提取，提取了肿瘤图像的强度、形状和纹理等特征。通过单细胞 RNA 测序（scRNA-seq）获取基因表达数据，结合转录组测序特征的放射敏感性指数（RSI），运用多种机器学习算法构建并验证预测模型。
研究结果如下：
- 临床特征：分析多中心队列中患者的人口统计学特征发现，JXCH 队列多数为男性、吸烟者和鳞状细胞癌患者，III 期和 IV 期患者占比高；GDPH 队列男性和吸烟者占比较大，III 期患者居多。经放疗医生评估，患者被分为放疗敏感（RS）组和放疗抵抗（RR）组。
- pre-LCDigital-RT 的开发：从勾勒的肿瘤大体体积（GTVp）中提取 851 个稳定的影像组学特征，经多种机器学习算法筛选，最终选定 LASSO 算法，纳入 34 个影像组学特征开发出 pre-LCDigital-RT。该模型在训练集、验证集和外部验证集中都表现出良好的预测性能和稳健性。
- LCDigital-RT 的开发：计算各队列患者的 RSI 评分，以此为响应变量，与 GTVp 特征进行相关性分析，获取 78 个 RSI 评分候选特征集。使用多种机器学习算法开发出 LCDigital-RT，其在训练集、JXCH 验证队列和 GDPH 验证队列中，预测放疗敏感性的性能显著提升，且 LCDigital-RT 整体性能优于 pre-LCDigital-RT。
- LCDigital-RT 在患者中的应用：利用 LCDigital-RT 和 RSI 评分的映射特征值预测患者 GTVp 区域的放射敏感性，通过热图呈现。如男性腺癌患者放疗后被评估为放疗抵抗，其 GTVp 区域热图显示多数区域热值高；女性鳞状细胞癌患者放疗敏感，其 GTVp 区域热值趋于平均，边缘区域热值较高。
- LCDigital-RT 的潜在生物学解释：构建 11 种细胞类型的单细胞图谱，计算不同细胞类型的 RSI 评分并进行分析。发现肿瘤细胞亚群中，G1 期细胞占比高，高 RSI 组 G2/M 期细胞数量少于低 RSI 组。GO 和 KEGG 分析表明，两组在染色体、有丝分裂、细胞周期、细胞衰老和凋亡等生物学过程和通路存在显著差异。高 RSI 组肿瘤细胞在酮体、类固醇激素合成与降解等代谢活动方面更活跃，且细胞间通信数量和强度更高。
研究结论与讨论：研究人员开发的 LCDigital-RT 预测工具，能够有效预测非小细胞肺癌患者放射敏感性差异，通过可视化热图辅助放疗计划制定，降低放疗毒性事件发生，提高放疗疗效，为从影像、基因等多方面评估放疗敏感性提供参考依据。不过，该研究也存在一定局限性，如基于回顾性临床队列研究，存在选择偏倚；无法可靠验证影像特征与测序数据的相关性；对靶区内肿瘤、肺不张和胸腔积液等区域的识别训练不足。尽管如此，这项研究依然为肿瘤放疗敏感性的研究和临床应用开辟了新方向，有望推动精准放疗的进一步发展。
