18F-FDG PET/CT 助力乳腺癌免疫微环境分型：代谢特征解析与精准预测模型构建

肿瘤免疫微环境类型（TIMTs）复杂，影响免疫检查点抑制剂（ICIs）应答者的识别。研究人员回顾性分析 207 例乳腺癌患者，探究 TIMTs 代谢特征并构建预测模型。结果显示 TIMT-II 代谢特征显著升高，模型预测效能良好，有望筛选 ICIs 应答者。

　　肿瘤免疫微环境类型（TIMTs）的复杂性给识别免疫检查点抑制剂（ICIs）的应答者带来了困难。本研究旨在利用¹⁸F - 氟脱氧葡萄糖（FDG）正电子发射断层扫描 / 计算机断层扫描（PET/CT）探索乳腺癌中 TIMTs 的代谢特征，并建立基于放射组学的 TIMTs 预测模型。

研究回顾性分析了 2022 年 9 月至 2024 年 8 月在医院接受¹⁸F-FDG PET/CT 检查的 207 例乳腺癌患者（211 个原发性病灶）。通过评估程序性死亡配体 1（PD-L1）和肿瘤浸润淋巴细胞（TILs）对 TIMTs 进行分类，分为 TIMT-I（PD-L1 阴性、TILs 阴性）、TIMT-II（PD-L1 阳性、TILs 阳性）、TIMT-III（PD-L1 阴性、TILs 阳性）和 TIMT-IV（PD-L1 阳性、TILs 阴性）。分析了代谢参数，如最大标准化摄取值（SUVmax）和肿瘤与肝脏 SUV 比值（TLR），与 TIMTs 之间的关系，并进一步开发了基于放射组学的复合预测模型。

结果显示，TIMT-II 在 HER2 阳性（14/22，64%）和三阴性（17/27，63%）乳腺癌中占比最高。大多数代谢参数，如 SUVmax 和 TLR，在 TIMT-II 与 TIMT-I 或 TIMT-II 与 TIMT-III 之间存在显著差异（P＜0.05） 。TLR（P = 0.03；优势比（OR）：1.1）和诺丁汉分级（P = 0.006；OR：3.1）是 TIMT-II 的独立影响因素。研究还开发了整合放射组学、代谢参数和临床病理数据的复合模型，该模型对 TIMT-II 具有良好的预测效能（测试集曲线下面积（AUC_{testing set}） = 0.86）。

不同的 TIMTs 之间存在代谢差异，TIMT-II 表现出明显升高的代谢特征。基于放射组学的复合模型对 TIMT-II 具有较高的预测效能，有潜力用于筛选 ICIs 应答者。