基于术前MRI影像组学的瘤内及瘤周区域分析预测早期宫颈癌CD3表达水平

本研究针对宫颈癌(CC)免疫治疗响应预测的临床难题，通过整合TCGA数据库生物信息学分析与多参数MRI(mpMRI)影像组学技术，构建了预测CD3 T细胞表达水平的非侵入性模型。研究人员采用支持向量机(SVM)等机器学习算法，从202例早期宫颈癌患者的瘤内(ROItumor)和3mm瘤周区域(ROI3mm)提取18个关键影像特征，最终模型在测试组达到AUC 0.92的预测性能。该研究为宫颈癌免疫微环境评估提供了新型影像学生物标志物，对个体化免疫治疗策略制定具有重要临床价值。

　　

宫颈癌作为女性生殖系统最常见的恶性肿瘤，全球每年新增病例达66万例，其中中国患者占比近20%。尽管手术和放化疗对早期患者效果显著，但免疫检查点抑制剂(ICIs)等新型疗法的响应率存在显著个体差异。目前临床依赖的PD-L1等生物标志物预测效能有限，而肿瘤浸润T淋巴细胞（尤其是CD3⁺细胞）的丰度已被证实与治疗效果密切相关。然而，传统组织活检难以实现治疗前的动态评估，这一瓶颈严重制约了精准医疗的实施。

湖北文理学院附属襄阳中心医院放射科张瑞团队创新性地将生物信息学与影像组学相结合，通过分析202例FIGO IA₂-IIA期宫颈癌患者的术前mpMRI数据，建立了全球首个基于瘤内-瘤周影像特征的CD3表达预测模型。研究发现，CD3D/CD3E/CD3G基因表达与16种癌症预后显著相关，且与CTLA-4等免疫检查点分子存在强相关性。通过SVM算法筛选的18个关键特征（包括ADC序列的gradient_glcm_MCC特征和T2WI的wavelet-HH纹理特征）所构建的综合模型，在独立验证组实现AUC 0.92的预测精度。该成果发表于《Scientific Reports》，为宫颈癌免疫治疗筛选提供了突破性的无创评估工具。

研究采用三大关键技术：1) 基于TCGA和GTEx数据库的泛癌分析揭示CD3复合物基因的预后价值；2) 多参数MRI（T2WI/DWI/CE-MRI）影像组学特征提取，采用Deepwise平台进行三维瘤体及3mm/5mm瘤周区域分割；3) 机器学习模型构建，通过SHAP值解析特征贡献度，最终整合血小板计数等临床参数建立联合预测模型。

主要研究结果包括：

1. 生物信息学分析：CD3D高表达组在GSEA中显著富集T细胞激活通路，与免疫检查点分子呈正相关（r>0.6）。
2. 影像特征筛选：从1502个初始特征中优选18个，其中ADC序列的灰度共生矩阵(GLCM)特征贡献度最高。
3. 模型性能：SVM算法表现最优，综合模型AUC显著高于单纯临床模型（0.93 vs 0.738）。
4. 临床关联：CD3高表达组肿瘤直径更大（32.0±8.9 vs 25.9±10.9mm，p=0.002），血小板计数呈负相关。

这项研究首次证实了MRI影像组学特征与宫颈癌免疫微环境的相关性。瘤周3mm区域的影像特征被证明比5mm区域更具预测价值，提示肿瘤-免疫交界区的重要性。临床转化方面，该模型可实现术前无创评估CD3状态，有助于识别免疫治疗潜在获益人群。值得注意的是，研究也存在样本量有限、缺乏晚期病例等局限性，未来需通过多中心研究进一步验证。这一创新方法为肿瘤免疫微环境研究开辟了新途径，其技术框架可扩展至其他癌种的免疫治疗预测领域。