编辑推荐：
为解决非小细胞肺癌（NSCLC）预后评估难题，研究人员开展 1?F-FDG PET 放射组学研究，开发生存风险评分模型。结果显示模型可有效预测 5 年生存率，整合临床特征后 AUC 超 0.85，揭示高低风险组生物学差异，为精准医疗提供新工具。
肺癌作为全球癌症死亡的主要原因之一，其中非小细胞肺癌（NSCLC）占比达 85%。当前，NSCLC 面临早期诊断率低、异质性强等挑战，传统基于临床 staging 和活检的风险评估方法存在有创、仅能提供局部信息等局限，且同阶段患者治疗结局差异显著，亟需更精准的预后评估工具以支持个性化医疗。正电子发射断层扫描（PET）作为非侵入性技术，在癌症管理中发挥重要作用，但其传统评估指标如最大标准化摄取值（SUV
max）的预后价值存在争议。放射组学可通过高通量算法从医学影像中提取定量特征，反映肿瘤潜在病理生理特征，而放射基因组学则能进一步将影像特征与基因组信息关联，为深入理解肿瘤生物学提供可能。在此背景下，爱尔兰戈尔韦大学的研究人员开展了相关研究，旨在开发基于 1?F-FDG PET 放射组学的 NSCLC 生存风险评分模型，并通过放射基因组学分析探索其生物学基础。该研究成果发表在《Journal of Cancer Research and Clinical Oncology》。
研究人员利用来自癌症影像存档库（TCIA）的多个 NSCLC 队列数据集开展放射组学分析，其中转录组数据来自癌症基因组图谱（TCGA）。主要技术方法包括：从分割的肿瘤中提取 945 个放射组学特征，通过 Z-score 归一化、主成分分析（PCA）评估批次效应、皮尔逊相关性分析去除高度相关特征（相关系数 > 0.80）、一致性相关系数（CCC>0.85）筛选稳定特征等预处理步骤；运用单变量 Cox 分析、最小绝对收缩和选择算子（LASSO）算法及多变量 Cox 比例风险回归构建生存模型，计算放射组学风险评分（RAD score）；通过基因集富集分析（GSEA）、基因集变异分析（GSVA）等探索放射组学风险队列与肿瘤转录组、致癌通路、基因突变的相关性；还构建了整合临床和放射组学风险因素的列线图（nomogram）。
放射组学模型开发
研究选用样本量较大的 Data_1（n=127）构建模型，随机划分为训练集和验证集（70:30），在 Data_2（n=43）中评估模型。经预处理，保留 898 个特征，单变量 Cox 分析显示 445 个与总生存期（OS）显著相关，相关过滤后剩 31 个非冗余特征，最终通过 LASSO 算法和双向逐步特征选择确定 5 个特征纳入模型，公式为 RAD score = (GLNU)×(0.39)+(SALGLE)×(-1.05)+(IV)×(-0.42)+(BN)×(0.61)+(MCC)×(0.83)。该模型在训练、验证、测试队列中预测 5 年生存率的 AUC 分别为 0.78、0.71、0.73，Kaplan-Meier 分析显示高低风险组生存差异显著（p<0.05）。无监督聚类分析也表明，基于放射组学特征的聚类与生存结局及多元 Cox 模型的 RAD 评分显著相关。
临床和半定量 PET 特征评估
研究评估了年龄、性别、组织学等临床风险因素及 SUVmax、代谢肿瘤体积（MTV）等 PET 半定量特征（SQFs）。临床模型构建方法与放射组学模型相同，因 SQFs 间高度相关，仅 SUVmax被选入半定量模型（SQ score = SUVmax×0.20）。由于 SQ score 与多个放射组学特征及 RAD score 高度相关，故在列线图中整合 RAD score 与临床特征（排除 SQ score），其预测效能显著提升，AUC 均超 0.85。
放射基因组学分析
GSEA 分析显示，高 RAD 评分患者显著富集细胞周期、糖酵解、核苷酸切除修复（NER）等通路，而低风险组富集 T/B 细胞受体通路等免疫相关通路。免疫细胞浸润分析表明，低风险组 CD8?T 细胞、CD4?记忆 T 细胞、B 细胞等免疫细胞更丰富，免疫评分更高。拷贝数变异（CNV）评估显示，RAD 评分与缺失评分及总体 CNV 评分显著正相关（r=0.34，p=0.03），高风险组常见 EGFR、SLC2A1、HIF-1A 等癌基因拷贝数增加，PTEN、TP53 等抑癌基因缺失。KEGG 通路聚类分析也显示，通路聚类与风险亚组及生存结局显著相关。
研究开发的 1?F-FDG PET 放射组学模型可有效对 NSCLC 患者进行预后风险分层，整合临床特征的列线图进一步提升了预测效能。放射基因组学分析揭示，高风险组具有肿瘤侵袭性增强、免疫抑制的转录组特征，与不良预后一致；低风险组则表现出抗肿瘤免疫活跃的特征。该研究首次深入探索了与预后风险相关的 PET 放射组学特征的分子生物学基础，为 NSCLC 的精准预后评估和治疗决策提供了新视角。PET 放射组学特征作为非侵入性生物标志物，有望用于识别需要强化术后监测或免疫治疗的高风险患者，推动精准肿瘤学在肺癌诊疗中的应用。尽管研究存在样本量较小、PET 空间分辨率有限等局限，但其为后续更大规模的验证及临床转化奠定了基础。
