人工智能助力免疫检查点抑制剂相关不良事件检测：基于[18F]FDG PET/CT的器官水平定量研究

为解决免疫检查点抑制剂（ICI）治疗中免疫相关不良事件（irAEs）难以早期发现的问题，维也纳医科大学研究人员利用人工智能（AI）对64例肺癌、黑色素瘤或淋巴瘤患者的[18F]FDG PET/CT数据进行自动化器官分割和代谢活性量化。结果显示，甲状腺SUVmax和SUVmean变化可预测甲状腺相关irAEs，尤其是甲状腺功能减退症（hypothyroidism）。该研究为早期干预和优化免疫治疗提供了新工具。

　　

论文解读
免疫检查点抑制剂（ICI）作为癌症治疗的革命性突破，通过阻断PD-1、PD-L1和CTLA-4等免疫检查点，显著提升了肺癌、黑色素瘤和淋巴瘤等恶性肿瘤的疗效。然而，这类药物在激活抗肿瘤免疫反应的同时，也常引发免疫相关不良事件（irAEs），影响多个器官系统。这些irAEs的症状往往模糊且缺乏特异性，导致诊断延迟和治疗中断，严重影响患者预后。如何高效、准确地识别早期irAEs成为临床亟待解决的问题。

为此，来自奥地利维也纳医科大学的研究团队开展了一项回顾性研究，旨在探索基于人工智能（AI）的[18F]FDG PET/CT图像分析技术在irAEs早期检测中的应用价值。该研究纳入了64例接受ICI治疗的肺癌、黑色素瘤或淋巴瘤患者，通过AI自动分割和量化甲状腺、心肌、胰腺、肝脏、骨骼、脾脏及肾上腺等器官的代谢活性变化，评估其与临床观察到的irAEs的相关性。

研究结果表明，治疗后甲状腺的¹⁸F-FDG摄取显著增加，SUV_max和SUV_mean分别升高0.44（p=0.04）和0.22（p=0.08）。其中，55%的患者SUV_max升高，53%的患者SUV_mean升高。更重要的是，甲状腺摄取增加的患者发生irAEs的概率显著高于无摄取增加者（29% vs. 3%，p=0.008），尤其在甲状腺功能减退症（hypothyroidism）患者中，SUV_max和SUV_mean的升高最为显著（p=0.002和p=0.03）。尽管心肌、胰腺和肝脏的摄取也有增加趋势，但未达到统计学显著性（p>0.05）。

为验证这一发现，研究团队采用了先进的AI技术进行器官分割和代谢量化。首先，利用TotalSegmentator模型基于nnUnet框架对CT图像进行初步分割，随后将分割结果映射至PET图像以定义目标器官区域。为提高准确性，研究团队对分割掩模进行了4mm的侵蚀处理，并通过nnU-Net模型移除肿瘤病灶的影响。最终，基于处理后的PET图像计算各器官的SUV和SUV_mean值，并比较治疗前后的变化。

研究的主要结论包括：

1. 甲状腺摄取增加与irAEs密切相关：治疗后甲状腺SUV_max和SUV_mean的变化可作为预测irAEs的潜在生物标志物，尤其是甲状腺功能减退症。
2. AI技术的临床应用潜力：自动化器官分割和代谢量化显著提高了效率，减少了人为误差，为多中心研究和临床实践提供了可行性。
3. 早期干预的可能性：通过监测甲状腺代谢活性变化，可提前识别高风险患者，优化免疫治疗方案，减少严重毒性反应的发生。

这项研究的意义在于，它不仅揭示了甲状腺在ICI相关irAEs中的关键作用，还为AI技术在医学影像分析中的应用开辟了新方向。通过将AI与PET/CT结合，研究团队实现了对irAEs的早期、无创检测，为个性化免疫治疗策略的制定提供了重要依据。未来，随着更大规模前瞻性研究的开展，这一技术有望进一步整合到常规临床流程中，推动精准医学的发展。

在技术方法上，研究团队主要依赖以下关键技术：

1. 深度学习驱动的器官分割：采用TotalSegmentator和nnU-Net模型实现CT和PET图像的自动化处理。
2. 代谢活性量化：通过SUV和SUV_mean指标评估器官代谢变化。
3. 统计分析：运用t检验、Mann-Whitney U检验等方法验证数据差异的显著性。

综上所述，这项研究通过AI赋能的PET/CT分析，成功建立了甲状腺代谢活性与irAEs之间的关联，为免疫治疗的优化和患者管理提供了创新思路。其成果不仅具有重要的临床价值，也为跨学科研究（如人工智能与医学影像的融合）树立了典范。