CT影像组学虚拟活检技术鉴别非小细胞肺癌亚型的效能评估：一项基于多参数模型的诊断研究

本研究针对非小细胞肺癌(NSCLC)病理分型依赖侵入性活检的临床痛点，通过整合CT影像组学特征与常规放射学参数，构建了鉴别肺腺癌(ADC)与鳞癌(SCC)的联合预测模型。结果显示，联合模型AUC达0.84，显著优于单一模型，为无创病理分型提供了新思路，对指导个体化治疗具有重要意义。

　　

肺癌作为全球第二大高发恶性肿瘤，每年导致约180万人死亡，其中非小细胞肺癌(NSCLC)占比高达85%，而腺癌(ADC)和鳞癌(SCC)是最常见的亚型。尽管靶向治疗和免疫疗法的突破显著改善了患者预后，但精准治疗的前提是明确病理亚型。目前临床依赖支气管镜或手术活检进行病理诊断，这些侵入性操作不仅可能引发气胸、感染等并发症，更因肿瘤异质性存在取样偏差风险。如何在治疗前无创、全面地评估肿瘤生物学特性，成为临床亟待解决的难题。

罗马大学圣安德烈医院放射科团队在《La radiologia medica》发表的研究，创新性地将CT影像组学技术应用于NSCLC亚型鉴别。研究团队通过回顾性分析2015-2023年间330例患者的临床数据，最终纳入300例经病理确诊的NSCLC患者(ADC 200例/SCC 100例)，采用3D Slicer软件手动勾画静脉期CT图像肿瘤体积，提取107个影像组学特征，结合病灶位置、肺气肿等常规影像特征，通过LASSO回归和十倍交叉验证构建预测模型，并在独立外部验证队列中测试模型性能。

关键技术方法包括：1) 使用128层CT扫描仪标准化获取对比增强胸部CT图像；2) 3D Slicer(v5.2.2)软件手动容积分割肿瘤区域；3) Pyradiomics提取107个定量特征；4) LASSO算法筛选特征后建立逻辑回归模型；5) 外部验证采用相同参数但不同品牌CT扫描仪获取的15例患者数据。

患者特征与放射学评估
研究人群平均年龄68±10岁，男性占61%。放射学分析发现SCC更常位于中央区(71% vs 37%)且多伴肺气肿(72% vs 48%)，这两个特征在鉴别诊断中具有统计学意义(p<0.0001)，单独构建的放射学模型AUC为0.73。

影像组学特征筛选
从107个初始特征中筛选出20个最具鉴别力的特征，包括球形度(Sphericity)、小区域高灰度强调(SmallAreaHighGrayLevelEmphasis)等，这些特征反映了肿瘤形态学和纹理特征的微观差异。

模型性能比较
放射学模型准确率72.3%(AUC 0.73)；纯影像组学模型提升至75.6%(AUC 0.80)；而整合两种特征的联合模型表现最优，AUC达0.84，准确率75.3%。外部验证中联合模型AUC为0.78(p=0.05)，显示良好泛化能力。

讨论与意义
该研究首次系统验证了CT影像组学作为"虚拟活检"工具在NSCLC亚型鉴别中的价值。联合模型超越既往类似研究(如Zhiyong C团队报道的0.85 AUC)，其创新性体现在：1) 严格匹配手术病理结果，确保标签可靠性；2) 平衡的ADC/SCC样本比例(2:1)更符合流行病学特征；3) 外部验证采用不同CT设备数据，增强临床适用性。值得注意的是，球形度等形态学特征与SCC的膨胀性生长模式相关，而肺气肿的高关联性则印证了SCC与吸烟的强流行病学联系。

尽管存在手动分割耗时、小样本验证等局限，该研究为 NSCLC精准诊疗提供了重要工具。未来可通过深度学习自动分割、多中心前瞻性研究进一步优化模型。在免疫治疗时代，这种无创分型技术有望辅助临床决策，特别是对无法耐受活检的脆弱患者群体，实现从"组织学分型"向"影像表型分型"的范式转变。