肿瘤微环境特异性CT影像组学标签预测非小细胞肺癌免疫治疗疗效

摘要

目的 开发基于胸部CT的肿瘤微环境特异性影像组学模型，结合临床信息构建诺莫图用于预测晚期非小细胞肺癌（aNSCLC）免疫检查点抑制剂（ICIs）疗效。方法 整合TCGA、GEO和TCIA数据库的转录组与CT影像数据，通过加权基因共表达网络分析（WGCNA）在GEO队列中筛选ICIs治疗相关基因（IRGs），随后在TCGA基于IRGs构建机器学习预后模型并探究高低风险组患者的肿瘤免疫微环境特征；通过“PyRadiomics”软件包提取TCIA中lung＿3队列的影像组学特征，筛选出与IRGs相关（|r|>0.4）的94个特征。回顾性分析2016年1月～2020年12月在广东省人民医院接受首程ICIs治疗的210例aNSCLC患者，按7∶3的比例分为训练组（n=147）与验证组（n=63），在训练组中通过最小绝对收缩和选择算子筛选影像特征，结合Logistic回归构建临床-影像组学联合模型及诺莫图预测ICIs疗效，采用受试者工作曲线曲线、校准曲线和决策曲线分析评估模型性能。结果 WGCNA筛选出84个与免疫反应激活通路相关的IRGs，基于与IRGs相关的肿瘤微环境特异性影像组学标签联合临床特征的ICIs疗效预测模型在训练组（AUC=0.725,95%CI:0.644～0.807）和验证组（AUC=0.706,95%CI:0.577～0.836）的表现均优于单一模型，且能有效预测aNSCLC患者生存情况。诺莫图的校准曲线与决策曲线分析证实其临床实用价值。结论 本研究建立的“基因组-影像组-临床”多维预测体系为aNSCLC的ICIs治疗疗效评估提供了可解释的生物标志物组合及临床决策工具。

关键词

非小细胞肺癌 / 免疫检查点抑制剂 / 肿瘤微环境 / 机器学习 / 影像组学