多组学液体活检与机器学习算法联合多示踪剂PET在神经内分泌肿瘤精准诊疗中的全景模型构建与应用前景

这篇综述深入探讨了多示踪剂PET/CT（如68 Ga-DOTATATE/68 Ga-PSMA与FDG联合）在神经内分泌肿瘤（NETs）精准诊疗中的核心作用，并前瞻性提出整合液体活检（NGS/RNA-Seq）、AI/ML算法与分子影像的"全景模型"，为个性化治疗（PRRT、化疗等）提供新范式，尤其聚焦NETseq分类器、癌症系统标志物和数字细胞计数等创新技术的临床转化潜力。

　　

多基因NETseq集成分类器在PRRT诊疗中的应用
最新研究开发的NETseq集成分类器通过外周血RNA测序（RNA-Seq）技术，结合随机森林（RF）、支持向量机（SVM）等五种机器学习算法，基于61个基因特征实现对胃肠胰神经内分泌肿瘤（GEP-NETs）的高精度诊断（灵敏度>94%）。相较于传统的qRT-PCR NETest，该技术不仅涵盖蛋白编码与非编码RNA，还能动态监测¹⁷⁷
Lu-DOTATATE肽受体放射性核素治疗（PRRT）的早期反应，与RECIST 1.1标准呈现显著一致性。

外周血转录组揭示的癌症系统标志物
通过RNA-Seq分析发现，转移性NET患者血液中高表达的IL2/STAT5信号通路（反映调节性T细胞富集）和血红素代谢通路与PRRT治疗后的无进展生存期（PFS）显著相关。这些系统标志物为预后评估提供了新视角——例如，肿瘤相关巨噬细胞中活跃的血红素分解代谢会促进免疫抑制和上皮间质转化（EMT），而STAT5信号上调则提示不良预后。

数字细胞计数与炎症标志物的预后价值
研究证实，基于RNA-Seq的数字细胞计数技术可替代传统血常规（CBC），量化中性粒细胞-淋巴细胞比率（NLR）和单核细胞-淋巴细胞比率（MLR）。在PRRT治疗队列中，NLR>3.5或MLR>0.25的患者中位PFS和总生存期（OS）显著缩短（48 vs 108个月），提示这些指标可作为独立预后因子。该发现与胰腺神经内分泌肿瘤（PanNETs）研究中肿瘤相关巨噬细胞的作用机制相呼应。

多模态整合的未来方向
当前临床实践已通过双示踪剂PET（如SSTR-PET与FDG-PET联合）实现NET生物学连续评估，但仍有三大未满足需求：化疗/靶向药物个体化选择缺乏生物标志物、预后参数需细化、以及治疗反应监测的便捷血液指标开发。新兴的放射组学虽在肿瘤分级和疗效预测方面初显潜力，但其临床转化仍需标准化。未来需将NGS的基因组灵活性（如检测罕见转录本和剪接变异体）与AI算法结合，构建涵盖细胞起源（CUP-NETs）、免疫微环境、遗传突变等多维参数的整合模型，最终实现从诊断到治疗监测的全周期精准管理。

结论
液体活检与AI/ML驱动的多组学分析，结合分子影像和放射组学特征，正在重塑NET诊疗范式。这种"全景模型"不仅能优化PRRT患者分层，更有望拓展至化疗、靶向治疗等其他临床场景，但其全面落地仍需前瞻性研究验证。技术的协同效应将推动神经内分泌肿瘤管理进入真正的个性化医疗时代。