无创预测非小细胞肺癌患者的免疫治疗疗效:基于代谢重编程的CT影像基因组学模型

摘要

目的 构建并验证一个基于代谢重编程的CT影像基因组学模型，用于无创预测非小细胞肺癌（NSCLC）患者的免疫治疗疗效。方法 本研究整合转录组学、临床及CT影像数据。基于TCGA和GEO数据库筛选NSCLC代谢重编程差异基因，通过Cox回归构建代谢重编程风险评分（MRRS）模型，并分析其与免疫微环境的相关性。利用TCIA数据库的NSCLC患者CT影像数据，PyRadiomics提取影像组学特征，LASSO回归筛选关键特征，构建以MRRS为标签的影像基因组学模型并评估其性能。收集来自山西省人民医院的206例接受免疫治疗的晚期NSCLC患者作为独立验证队列，通过ROC曲线量化模型对免疫治疗疗效的预测能力。结果 筛选出156个代谢重编程差异基因，从中挑选出9个关键基因用于构建MRRS模型。该模型在TCGANSCLC训练集中预测1、3、5年生存时间的AUC分别为0.638、0.685、0.648，高于传统临床指标。高风险组患者免疫细胞浸润水平降低（P<0.01），总生存时间更短（P<0.001）。基于CT图像筛选出6个影像组学特征，构建的影像基因组学模型在训练集和测试集中预测MRRS的AUC分别为0.742和0.726。在独立免疫治疗队列中，模型预测疗效的AUC为0.704，能有效区分应答者与非应答者。结论 本研究构建的CT影像基因组学模型能够无创评估NSCLC代谢重编程状态，在预测免疫治疗疗效方面也展现出良好的临床应用潜力。

关键词

CT图像 / 影像基因组学 / 代谢重编程 / 非小细胞肺癌 / 免疫治疗