一种基于免疫表型特征的放射组学模型，可用于预测接受根治性放化疗的食管鳞状细胞癌患者的无局部复发生存期：一项多中心研究

《Cancer Imaging》：An immunophenotype-guided interpretable subregional radiomics model for predicting local recurrence-free survival in esophageal squamous cell cancer patients treated with definitive chemoradiotherapy: a multicenter study

　　

摘要

目的

本研究旨在探讨肿瘤免疫微环境（TIME）亚型作为接受根治性化放疗（dCRT）的食管鳞状细胞癌（ESCC）患者无局部复发生存期（LRFS）的预测因素，并开发一种可解释的、基于TIME的亚区放射组学模型来预测LRFS。

方法

共有986名来自三个中心的ESCC患者参与了本研究。对于具有可用活检样本的患者，通过多重免疫荧光技术检测CD3、CD8和PD-L1的表达情况，以确定预测性的TIME亚型。治疗前的增强CT（CECT）图像用于肿瘤分割、肿瘤内亚区划分和放射组学特征提取。选取与TIME亚型相关的特征，利用先进的机器学习框架构建用于预测LRFS的亚区放射组学特征集（Subrad特征集）。将该特征集与临床因素结合，构建出Clinic-Subregional放射组学模型（CliSubrad-M）。

结果

研究发现，“PD-L1表达低/TILs（肿瘤浸润淋巴细胞）表达高”的TIME亚型是LRFS的独立有利预测因素（HR = 0.34，P < 0.001）。Subrad特征集包含来自不同亚区的7个与TIME相关的特征，表现出良好的预测性能（C指数：0.631–0.637）。结合随机生存森林算法构建的集成模型CliSubrad-M取得了最佳性能，其C指数分别为：训练集0.702、内部测试0.679、外部测试1 0.653和外部测试2 0.625，显著优于临床模型（所有P < 0.05）。该模型能够有效将患者分为不同的风险组，这些组在LRFS方面存在显著差异。SHAP分析证实了该特征集的强大预测能力，并提升了模型的可解释性。

结论

所开发的这种可解释的亚区放射组学模型将TIME生物学特征与临床因素结合起来，为实现接受dCRT治疗的ESCC患者的LRFS预测提供了一种无创工具。

目的

本研究旨在探讨肿瘤免疫微环境（TIME）亚型作为接受根治性化放疗（dCRT）的食管鳞状细胞癌（ESCC）患者无局部复发生存期（LRFS）的预测因素，并开发一种可解释的、基于TIME的亚区放射组学模型来预测LRFS。

方法

共有986名来自三个中心的ESCC患者参与了本研究。对于具有可用活检样本的患者，通过多重免疫荧光技术检测CD3、CD8和PD-L1的表达情况，以确定预测性的TIME亚型。治疗前的增强CT（CECT）图像用于肿瘤分割、肿瘤内亚区划分和放射组学特征提取。选取与TIME亚型相关的特征，利用先进的机器学习框架构建用于预测LRFS的亚区放射组学特征集（Subrad特征集）。将该特征集与临床因素结合，构建出Clinic-Subregional放射组学模型（CliSubrad-M）。

结果

研究发现，“PD-L1表达低/TILs表达高”的TIME亚型是LRFS的独立有利预测因素（HR = 0.34，P < 0.001）。Subrad特征集包含来自不同亚区的7个与TIME相关的特征，表现出良好的预测性能（C指数：0.631–0.637）。结合随机生存森林算法构建的集成模型CliSubrad-M取得了最佳性能，其C指数分别为：训练集0.702、内部测试0.679、外部测试1 0.653和外部测试2 0.625，显著优于临床模型（所有P < 0.05）。该模型能够有效将患者分为不同的风险组，这些组在LRFS方面存在显著差异。SHAP分析证实了该特征集的强大预测能力，并提升了模型的可解释性。

结论

所开发的这种可解释的亚区放射组学模型将TIME生物学特征与临床因素结合起来，为实现接受dCRT治疗的ESCC患者的LRFS预测提供了一种无创工具。