基于CT影像组学的胃癌微卫星不稳定性无创预测模型构建及其免疫治疗响应评估研究

本研究针对胃癌(GC)微卫星不稳定性(MSI)检测的临床需求，通过多中心回顾性队列开发了基于增强CT的影像组学模型。该研究创新性地整合304例训练集和91例外部验证数据，构建的模型对MSI-H状态预测AUC达0.952，并证实影像组学评分(Radscores)与CD8+ T细胞浸润(R=0.74)显著相关。研究首次揭示了该模型对免疫治疗无进展生存期(PFS)的独立预测价值(HR=0.145)，为胃癌精准免疫治疗决策提供了新型无创生物标志物。

　　

胃癌作为高度异质性的恶性肿瘤，其治疗策略选择一直面临重大挑战。近年来，免疫检查点抑制剂的出现为微卫星不稳定性高(MSI-H)型胃癌患者带来了新的希望，这类患者对PD-1抗体等免疫治疗响应率显著高于微卫星稳定(MSS)型。然而，当前MSI状态检测依赖手术或活检获取的组织标本，这种有创方式不仅无法指导术前治疗决策，还可能带来并发症风险。更关键的是，约50%的晚期胃癌患者在确诊时已失去手术机会，亟需发展无创的MSI状态评估方法。

华中科技大学同济医学院附属同济医院的研究团队创新性地将影像组学技术应用于这一临床难题。他们通过分析304例训练集患者的术前增强CT图像，从海量影像特征中筛选出4个最具预测价值的特征，构建的放射组学模型在训练集和两个外部验证集（分别来自襄阳市中心医院和TCIA/TCIA数据库）中展现出优异的预测性能，AUC分别达到0.952、0.835和0.879。值得注意的是，研究首次将影像组学特征与免疫治疗响应直接关联，发现在接受免疫治疗的68例晚期胃癌患者中，高影像组学评分(Radscores)组患者的无进展生存期显著延长(HR=0.145)，客观缓解率(34.2% vs 11.4%)明显提高。论文发表在《Insights into Imaging》杂志。

关键技术方法包括：1) 多中心回顾性队列设计（304例训练集+91例外部验证）；2) 使用3D Slicer软件进行肿瘤体积勾画；3) LASSO回归和十折交叉验证筛选特征；4) 四种机器学习算法（朴素贝叶斯、逻辑回归、支持向量机、随机森林）模型比较；5) 利用TCGA转录组数据解析生物学机制。

研究结果部分显示：

1. 1.

   模型构建与验证：通过严格的特征筛选建立的放射组学模型，其预测效能显著优于临床常规指标。整合年龄、临床分期等因素的临床-放射组学联合模型进一步将AUC提升至0.966。

2. 2.

   Radscores的预后价值：在免疫治疗队列中，高Radscores患者的中位PFS达14.8个月，且该指标是PFS的独立预测因子(p=0.012)。

3. 3.

   放射转录组学分析：差异表达基因分析揭示高Radscores组富集于T细胞活化、细胞因子互作等通路，且CD8⁺ T细胞浸润水平显著增高(p=0.017)，M2型巨噬细胞浸润减少(p=0.030)。

结论与讨论指出，该研究首次实现了从CT影像中无创预测MSI状态并关联免疫治疗疗效，其创新性体现在：1) 突破现有MSI检测的时空局限性，可在治疗前评估；2) 揭示影像特征与免疫微环境的相关性，Radscores与CD8⁺ T细胞呈强正相关(R=0.74)；3) 证实模型对免疫治疗响应的预测价值，为精准医疗提供新工具。尽管存在回顾性研究的局限性，但多中心验证和生物学机制探索显著增强了结论的可靠性。这项成果将推动影像组学在胃癌个体化治疗决策中的应用，未来有望与PD-L1检测等现有标志物形成互补。