《Nature Medicine》：Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC
编辑推荐：
尽管经过十年发展，非小细胞肺癌（NSCLC）的免疫治疗（IO）选择仍主要依赖于亚组分析和并不完美的程序性死亡配体1（PD-L1）及临床评分。据研究人员所知，I3LUNG（NCT05537922）目前是最大的国际真实世界、多模态、基于人工智能（AI）的研究，共纳
尽管经过十年发展，非小细胞肺癌（NSCLC）的免疫治疗（IO）选择仍主要依赖于亚组分析和并不完美的程序性死亡配体1（PD-L1）及临床评分。据研究人员所知，I3LUNG（NCT05537922）目前是最大的国际真实世界、多模态、基于人工智能（AI）的研究，共纳入2,396例患者。研究人员将真实世界临床与血液（CB）数据、计算机断层扫描（CT）图像、数字病理学（DP）和基因组学整合到机器学习早期融合（MLEF）和深度学习中间融合（DLIF）模型中。仅基于CB的机器学习（ML）和深度学习（DL）模型在各结局中表现一致，在测试（TEST）集中的曲线下面积（AUC）最高达0.77。外部验证（EXVAL）中的性能下降可能反映了人群差异（AUC范围：0.55–0.72）。在独立TEST集中，AI模型显著超过了PD-L1、美国东部肿瘤协作组体能状态（ECOG PS）、中性粒细胞/淋巴细胞比值（NLR）、乳酸脱氢酶（LDH）和肺免疫预后指数（LIPI）评分。临床可用性研究表明，肺癌专家和非专家医生使用基于可解释AI（XAI）的ML（仅CB）工具后，预测能力均有所提高。尽管使用MLEF（CB+CT+DP）的多模态整合与更高性能相关，但其增量获益仍不确定，未在TEST和EXVAL中体现。I3LUNG项目是一个开创性框架，展示了AI工具的临床实用性。目前正在超过2,000例患者中开展决策支持系统（包括CB和多模态）的前瞻性验证。
**论文解读：I3LUNG研究——可解释AI决策支持工具与多模态模型在NSCLC免疫治疗中的临床评估**
**研究背景与问题**
免疫治疗（IO）已改变了晚期非小细胞肺癌（NSCLC）的治疗格局，但仅有20%–30%的患者获得长期获益，且多数面临原发或继发耐药。目前临床主要依赖程序性死亡配体1（PD-L1）表达、体能状态（ECOG PS）、中性粒细胞/淋巴细胞比值（NLR）、乳酸脱氢酶（LDH）及复合评分LIPI等进行疗效预测，但这些指标预测效能有限。近年基于AI的方法尝试整合影像、病理、基因组等多模态数据，但已有研究样本量小（约250–300例）、多为中心或单中心设计，缺乏外部验证和临床可用性评估。因此，I3LUNG（NCT05537922）项目在国际多中心框架下，旨在利用真实世界多模态数据开发并验证可解释的AI决策支持系统（PDSS），以优化NSCLC患者的IO治疗选择。
**研究设计与核心发现**
I3LUNG是目前最大的国际真实世界、多模态、基于AI的研究，纳入2012年9月至2023年10月期间来自6个中心的2,396例IIIC–IVB期NSCLC患者，包括欧盟内4个中心（INT-意大利、MH-希腊、GHD-德国、VHIO-西班牙）和欧盟外2个中心（UOC-美国、SZMC-以色列）。研究人员整合了CB数据（性别、ECOG PS、吸烟状态、PD-L1表达、转移部位、NLR和LDH）、CT影像、数字病理（DP）和基因组学数据，构建了机器学习早期融合（MLEF）和深度学习中间融合（DLIF）两类模型，并进行了公平性审计、可解释性分析（SHAP）和临床可用性研究。结果显示，仅依赖常规CB数据的ML和DL模型在独立TEST集中预测结局稳健，AUC最高达0.77，且显著优于PD-L1、ECOG PS、NLR、LDH和LIPI评分。多模态整合在交叉验证中显示出探索性增益，但未在TEST和外部验证（EXVAL）中一致重现。临床可用性研究表明，在XAI支持下，肺癌专家和非专家医生的预测准确性均显著提升。该研究发表在《Nature Medicine》，为AI工具在NSCLC免疫治疗中的实际临床应用提供了系统性框架，目前正在2,000余例患者中进行前瞻性验证。
**主要关键技术方法**
研究基于I3LUNG回顾性队列（NCT05537922），样本来自6个国际中心共2,396例，另设非IO对照队列（C-EGFR-INT、C-EGFR-UOC、C-StageIII-CHT、C-LineI-CHT）。方法包括：提取9项假设驱动的CB特征；CT影像采用PyRadiomics（PYRAD）和基础模型（FMRAD）提取特征；DP采用Prov-GigaPath基础模型；基因组学编码核心驱动基因（KRAS、TP53、STK11、ALK、EGFR、RET、ROS1）。ML采用逻辑回归/随机森林早期融合（MLEF）与Cox生存模型；DL采用基于注意力多实例学习（MIL）的中间融合（DLIF）并处理缺失模态。可解释性使用SHAP，公平性采用均衡几率（equalized odds），临床可用性采用两阶段医生评估设计。
**研究结果**
**1. 基于ML的仅CB模型提供稳健的IO结局预测（ML-based CB-only models provide robust IO outcome prediction）**
在C23合并队列（n=2,075）中，仅CB的ML模型对OS24、OS6和DCR的AUC在TEST分别达0.74、0.69和0.71，在EXVAL中分别为0.60、0.64和0.55，表明常规血液和临床数据即可捕获大部分预后信号。
**2. 多模态整合在MLEF中显示出探索性增益（Multimodal integration showed exploratory gains with MLEF）**
在交叉验证中，CB+DP+PYRAD或CB+DP+FMRAD组合在OS24和DCR上显著优于匹配的仅CB模型（如OS24 AUC 0.72 vs 0.60），但在独立TEST中未一致重现，提示其增量价值尚不确定。
**3. 生存分析在各队列中实现一致预测（Survival analysis achieved consistent prediction across cohorts）**
仅CB的Cox模型在C23队列的C-index在CV、TEST和EXVAL中分别为0.64、0.66和0.65；多模态CB+DP+FMRAD在CV中优于仅CB匹配模型（C2队列0.74 vs 0.63），但TEST和EXVAL中未体现。
**4. 多模态方法在NSCLC特定亚组中获得性能提升（Multimodal approaches gain performance in NSCLC-specific subgroups）**
在IO单药、PD-L1≥50%等亚组中，多模态模型的AUC显著高于仅CB匹配模型（如IO单药OS24 AUC 0.91 vs 0.54），提示特定临床情境下多模态可能更有价值。
**5. DL模型在仅CB任务中与ML表现相似，多模态整合未带来额外获益（DL models performed similarly to ML for CB-only models with no added benefit from multimodal integration）**
DL仅CB模型在TEST上对OS24、OS6和DCR的AUC分别为0.73、0.72和0.70，与ML相当；DLIF加入多模态后各结局均无显著改善，且替代融合架构结果类似，说明限制可能来自数据异质性而非模型架构。
**6. ML和DL仅CB模型优于单一生物标志物，且比LIPI评分能更好地分层患者（ML and DL CB-only models outperformed single biomarkers and better stratified patients than the LIPI score）**
在TEST中，ML和DL模型对OS24的AUC（0.74和0.73）显著高于PD-L1（0.53）、ECOG PS（0.62）、LDH（0.58）和NLR（0.66）；Cox-ML和Cox-DL的C-index（0.65和0.63）均优于LIPI（0.55），并能更好地区分低、中、高风险组。
**7. ML模型在IO队列中的预测性能高于CHT和EGFR队列（ML models showed greater predictive performance in IO cohorts compared to CHT and EGFR cohorts）**
在四个非IO队列（两个EGFR-TKI队列和一个新辅助化疗队列）中，模型对缓解终点（ORR）的AUC波动在0.50–0.58，显著低于IO队列，提示模型可能捕捉了IO特异性的预测模式而非单纯预后。
**8. 对ML仅CB模型的公平性评估显示各中心间敏感性存在差异（Fairness evaluation of the ML CB-only models revealed variability in sensitivity across centers）**
以中心为受保护属性时，MH中心的OS6预测敏感性（TPR=0.96）显著高于其他中心；以性别为受保护属性时无显著差异。Cox模型按种族的C-index差异无统计学意义，但提示部署前需进行公平性校准和中心特定验证。
**9. ML仅CB模型的XAI分析与已知预后因素一致（XAI analysis for ML CB-only models aligns with established prognostic factors）**
SHAP分析显示，ECOG PS>0、骨转移、肝转移和脑转移是OS24的强负性预后因素，NLR对OS24和OS重要，高LDH影响DCR无应答预测，与临床认知一致。
**10. 医生–XAI协作改善了预测表现（Physician–XAI collaboration improved predictions）**
20名医生（10名肺癌专家、10名非专家）对100例TEST/EXVAL病例进行两阶段评估。在XAI辅助下，DCR预测敏感性从0.72升至0.87（P=0.0011），准确性从0.57升至0.65（P=0.0431）；OS正确预测概率提高36%，医生间一致性从轻微（κ=0.11）改善至中度（κ=0.48）。
**讨论与结论**
讨论部分指出，I3LUNG是迄今最大规模、国际多中心、真实世界的NSCLC IO多模态AI研究。仅CB模型的稳健性提示常规临床数据已包含大量预后信息，而多模态整合的增益未能在独立验证中重现，可能受限于完整多模态样本量少、回顾性数据异质性以及完全病例分析的选择偏倚。与既往小规模多模态研究（如Vanguri等、Captier等）相比，I3LUNG提供了更全面的验证框架，并首次包含临床可用性研究。公平性审计揭示了中心间敏感性差异，提示部署前需进行站点特定校准。医生–XAI协作研究证明了XAI在真实临床场景中提升决策的潜力。
研究结论翻译：I3LUNG表明，经过整理的真实世界临床数据在预测NSCLC免疫治疗结局方面优于传统单一生物标志物。尽管该研究为回顾性设计，其临床可用性研究为未来在真实世界临床环境中评估PDSS实用性和XAI分析提供了可重复、结构化的参考框架，与FUTURE-AI框架一致。多模态整合虽有前景，但其附加价值仍需验证。为推动模型进入临床实践，正在实施临床转化路径，包括正在进行的多模态模型可用性研究2.0、在2,000例患者中的静默前瞻性验证，以及计划中的务实随机试验以支持监管审批，预计2–3年内完成部署。
