编辑推荐：
非小细胞肺癌（NSCLC）新辅助免疫化疗后病理完全缓解（PCR）的预测缺乏可靠指标。研究人员评估增强 CT 的 Delta - 影像组学特征（Delta-RFs）联合血液动态变化对其预测价值。结果显示联合模型预测效果更好，有助于制定个性化治疗方案。
肺癌，这个隐匿在黑暗中的健康杀手，时刻威胁着人类的生命。在肺癌的众多类型中，非小细胞肺癌（NSCLC）占据了约 85% 的病例，如同盘踞在患者体内的顽石，给治疗带来极大挑战。即使是早期接受根治性切除的患者，也面临着高复发和高死亡风险。传统的新辅助化疗虽然能在一定程度上改善患者的生存状况，但 5 年无复发生存率和总生存率的提升仅约 5% - 6%，病理完全缓解（PCR）率更是低至约 4%。
随着医学的发展，NSCLC 免疫治疗领域取得了显著进展。新辅助免疫化疗相较于单纯新辅助化疗，显著提高了患者的无事件生存率和 PCR 率。而且，PCR 在众多研究中被视为预测新辅助治疗生存获益的替代终点，获得 PCR 的患者往往有着更长的总生存期（OS）和无进展生存期。因此，精准预测 PCR 变得至关重要，它能为患者制定正确的治疗策略，避免过度或不足治疗，减少手术相关并发症。然而，目前对于可切除 NSCLC，尚无可靠的预测 PCR 的标志物。
在这样的背景下，山东省肿瘤医院的研究人员挺身而出，决心攻克这一难题。他们开展了一项旨在评估基于增强计算机断层扫描（CT）的 Delta - 影像组学特征（Delta-RFs）以及 Delta-RFs 联合血液动态变化对 NSCLC 新辅助免疫化疗后 PCR 预测价值的研究。该研究成果发表在《Clinical Radiology》杂志上，为肺癌治疗领域带来了新的曙光。
研究人员采用了一系列关键技术方法来开展此项研究。他们收集了 2021 年 1 月至 2023 年 8 月期间 165 例接受新辅助免疫化疗后手术的 IB - IIIB 期 NSCLC 患者的资料，并将其分为训练队列（n = 115）和验证队列（n = 50）。通过 3D slicer 软件从患者治疗前和术前的增强 CT 图像中手动勾勒肿瘤感兴趣区域（ROI），并利用 Pyradiomics 软件包提取 851 个影像组学特征。同时，记录患者治疗前和术前的外周血实验室数据，计算淋巴细胞单核细胞比值（LMR）、中性粒细胞淋巴细胞比值（NLR）等指标的相对变化。运用最小绝对收缩和选择算子（LASSO）进行特征选择，构建影像组学评分（Rad-score），并通过单因素和多因素逻辑回归分析筛选与 PCR 相关的因素，最终建立预测模型。
下面来看看具体的研究结果：
- 基线特征：165 例患者均接受 2 - 4 个周期新辅助免疫化疗，其中 66 例（40%）达到 PCR，训练队列和验证队列的基线特征无显著差异。这一结果为后续研究的可靠性奠定了基础。
- Delta-RF 选择和 Rad-score 构建：从增强 CT 图像中提取大量特征后，经筛选最终确定 470 个稳定的 Delta-RFs。通过 LASSO 降维，选择出 9 个对 PCR 最具预测能力的 Delta-RFs，包括形状、纹理和小滤波器特征。这些特征与相应权重系数结合计算出 Rad-score，为后续预测模型的构建提供了关键依据。
- 构建预测模型：在训练队列中，确定 Rad-score 的最佳截断值为 0.3607，ΔLMR 的最佳截断值为 - 0.089。单因素和多因素分析表明，Rad-score 和 ΔLMR 是 PCR 的独立影响因素。基于此，构建了 Delta-RF 模型和联合 ΔLMR 的列线图模型。在训练队列和验证队列中，列线图模型的预测效能均优于 Delta-RF 模型，校准曲线显示列线图模型预测值与实际观察值一致性良好，决策曲线分析也证实其具有较高临床实用性。
研究结论表明，基于增强 CT 的 Delta-RF 模型和联合血液动态变化的列线图模型都能有效预测 NSCLC 新辅助免疫化疗后的 PCR，且列线图模型预测性能更优，具有指导 NSCLC 患者个性化新辅助免疫治疗的潜力。
在讨论部分，研究人员进一步分析了研究成果的意义。PCR 作为新辅助治疗生存获益的重要预测指标，准确预测它对患者治疗策略的选择至关重要。影像组学作为新兴技术，在癌症管理中发挥着越来越重要的作用，Delta-RFs 能更好地反映肿瘤治疗前后的变化，在预测 PCR 方面表现出良好性能。同时，血液指标的动态变化，如 ΔLMR，与 PCR 密切相关，联合影像组学特征构建的模型显著提高了预测效能。尽管该研究存在一些局限性，如 ROI 手动勾画可能存在主观性、样本量较小且为单中心研究等，但它为后续研究指明了方向。未来需要开展多中心、大样本的前瞻性研究，探索更准确的 ROI 确定方法，进一步完善预测模型，从而为 NSCLC 患者带来更好的临床结局。
