基于18F-FDG-PET/CT影像组学的非小细胞肺癌PD-L1表达状态预测：一种无创免疫治疗筛选新策略

本研究针对非小细胞肺癌(NSCLC)患者PD-L1检测的侵入性难题，通过18F-FDG-PET/CT影像组学分析，开发了可预测PD-L1表达状态的逻辑回归模型(AUC=0.783)。该非侵入性方法为免疫检查点抑制剂(ICI)治疗筛选提供了新思路，尤其适用于难以获取组织样本的临床场景。

　　

肺癌长期占据全球恶性肿瘤发病率和死亡率首位，其中非小细胞肺癌(NSCLC)占比高达85%。尽管PD-1/PD-L1免疫检查点抑制剂(ICI)为患者带来新希望，但PD-L1表达检测依赖侵入性组织活检，面临取样困难、耗时久、肿瘤异质性等挑战。更棘手的是，约50%的NSCLC患者因身体条件或肿瘤位置无法接受活检，亟需开发无创检测方法。

匈牙利塞梅尔维斯大学医学院（Semmelweis University）核医学科的研究团队创新性地利用18F-FDG-PET/CT影像组学技术，通过对105例NSCLC患者（含72例腺癌和33例鳞癌）的回顾性分析，成功构建了PD-L1表达预测模型。这项发表于《European Journal of Nuclear Medicine and Molecular Imaging》的研究显示，葡萄糖代谢特征与PD-L1表达显著相关，为免疫治疗精准筛选开辟了新途径。

研究采用三大关键技术：1）多模态影像处理：基于Q.Clear和OSEM算法重建PET图像，结合呼吸门控技术优化小病灶成像；2）智能分割：采用自适应阈值三维区域生长法勾画肿瘤ROI，并通过sitkBSpline算法解决PET/CT图像配准偏差；3）机器学习建模：通过曼-惠特尼U检验、LASSO回归和Spearman相关性分析筛选特征，最终建立包含纹理特征（如wavelet-LHH_glcm_SumEntropy）和代谢参数（SUV_max）的逻辑回归模型。

【研究结果】

SUV分析揭示代谢差异

PD-L1阳性组SUV_max中位数显著高于阴性组（15.3 vs 12.3，p=0.00039），提示高葡萄糖代谢与PD-L1表达存在潜在生物学关联，可能与Akt/mTOR/HIF-1α信号通路激活有关。

特征工程构建预测模型

从1072个初始特征中筛选出5个关键指标：

• CT纹理特征：wavelet-LHH_glcm_SumEntropy（系数+0.99）

• PET强度特征：original_firstorder_Median（系数+0.95）

• 空间复杂度特征：log-sigma-3-0-mm-3D_ngtdm_Complexity（系数-0.87）

模型验证表现优异

测试集结果显示：

• AUC 0.783（95%CI:0.625-0.942）

• 灵敏度达90%，可有效识别PD-L1≥1%的患者

• 阴性预测值(NPV)80%，避免不必要活检

【结论与展望】

该研究首次在欧洲人群中证实，18F-FDG-PET/CT影像组学可无创预测NSCLC的PD-L1状态。其临床价值体现在三方面：1）解决组织样本不足的困境；2）实现全肿瘤评估（而非活检局部取样）；3）为动态监测治疗反应提供可能。

研究存在样本量有限（n=105）、单中心数据等局限。未来方向包括：1）整合深度学习算法提升预测精度；2）拓展至PD-L1表达定量预测；3）多中心验证。这项成果为推进"数字活检"概念提供了实质性证据，有望改写NSCLC免疫治疗筛选的临床实践指南。