Radiology：影像组学于NSCLC生存风险分层研究的应用

早期非小细胞肺癌（NSCLC）在影像学上通常表现为两种亚型：亚实性结节和纯实性结节，评估纯实性结节的良恶性相比于亚实性结节，存在更大的挑战性，且相同分期的纯实性肿瘤和亚实性肿瘤预后也存在差异。由于缺乏针对早期诊断以及预后相关的生物标志物，所以目前临床对于早期肺癌的诊疗，特别是纯实性恶性结节，面临着难诊断、难评估的困境。

随着人工智能（AI）技术在精准医疗领域的不断发展和应用，新一代的 AI 影像组学技术以图像的高维量化为基础，相比于传统 CT 影像，能挖掘和侦查出患者影像学中更隐匿的信息，为患者的诊疗提供更多的帮助。但目前影像组学技术对于早期 NSCLC 患者的预后风险的评估仍在探索之中。

近期，同济大学附属上海市肺科医院陈昶教授团队在著名期刊 Radiology 发表了题为 Radiomics for Survival Risk Stratification of Clinical and Pathologic Stage IA Pure-Solid Non–Small Cell Lung Cancer 的成果论文，同时也是由同济大学附属上海市肺科医院与泰莱生物共同牵头的 MISSION 计划（全称：Multi-omIcs ClaSSIfer for PulmOnary Nodules，即基于多组学的肺结节良恶性鉴别诊断前瞻性多中⼼临床研究）的系列成果文章之一。本研究构建了一种基于影像组学为特征的预测模型，利用对肿瘤内部和周围的多维特征来评估和预测 IA 期 NSCLC 患者风险分层及预后。

doi: 10.1148/radiol.2021210109

 方法 

本回顾性研究纳入从 2011 年 1 月至 2013 年 12 月经手术切术的 544 例 IA 期纯实性 NSCLC 患者，分为训练集（TS, n=381）和内部验证集（IVS, n=163），另纳入 48 名纯实性肿瘤患者作为外部验证集（EVS）。通过 3D-Slicer 软件对实性病灶的感兴趣区域（ROI）进行细分，提取和构建了 6 个影像组学特征在验证集中进行测试，以无复发生存率（RFS）作为研究主要终点进行评估。

图 1：入组流程图及纳排标准

图 2：细分肿瘤CT影像流程

 结果 

01   患者基线特征

将纳入的 592 名临床和病理分期为 IA 期的实性 NSCLC 患者（中位年龄 61 岁，其中女性 269 名）分为训练集、内部验证集以及外部验证集，并纳入 343 名亚实性患者（中位年龄 59 岁，其中女性 202 名）进行生存分析比较。两组临床基线特征存在显著差异（表 1 所示），纯实性肿瘤组的中位 RFS 为 69.6 个月，其中 124 名（21%）患者在手术切除后复发（TS、IVS 以及 EVS 的中位 RFS 分别为 70.0、70.5、59.8 个月）。

表 1：患者临床基线特征

02   影像组学特征的提取和模型的构建

将患者进行肿瘤细分后，从 3 个 ROI 提取特征，经过筛选的特征来构建影像组学特征集（图 3 所示）。通过时间依赖性 ROC 曲线来评估特征集的性能，在检测不同组合特征的预测表现中，结合了 3 个 ROIs 影像组学的组合特征表现出最高的 AUC 性能，在训练集、内部验证集以及外部验证集中 3 年、5 年 AUCs 依次为：0.83 （95%CI: 0.78-0.82）、0.82（95%CI: 0.80-0.89），0.77（95%CI: 0.70-0.85）、0.78（95%CI: 0.71-0.86）和 0.76（95%CI: 0.68-0.86）、0.75（95%CI: 0.66-0.82）。

图 3：影像组学特征的构建

表 2：不同区域组合特征的检测表现

图 4：不同特征组合的时间依赖性ROC曲线下面积

此外，通过 X-tile 确定的影像组学最佳临界值，将患者分为了高危组（影像组学评分 ≥0.43）和低风险组（评分 <0.43）,相比较于低危组，高危组患者的复发频率增高。对不同风险期的实性肿瘤患者进行生存比较，高危组生存预后较低危组显著降低，5 年 RFS 在 TS、IVS 及 EVS 分别为（93.8% vs. 59.1%, 93.4% vs. 70.5%, 95.2% vs. 47.3%, all P < 0.001）。

图 5：基于影像组学特征的生存评估

03   组合影像组学特征的预后价值评估

通过多变量 Cox 比例回归分析结果表明，组合特征是临床分期和病理分期 IA 期 NSCLC 实性肿瘤患者 RFS 的独立预测因子（风险比 HR：6.2, 95%CI: 3.5-11.0, P < 0.001），此外，患者年龄（HR：1.7, 95%CI: 1.1-2.6, P =0.02）和临床分期（P =0.02）也和预后生存独立相关。在临床模型的鉴别性能方面，3 年和 5 年 AUCs 分别为 0.63、0.64，若将影像组学特征联合临床模型中，影像组学特征的鉴别性能得到进一步的提高（3 年和 5 年 AUCs 分别为 0.85、0.84），模型拟合度良好，验证队列同样得以证明。上述结果表明，影像组学特征或者组合模型具有比单独临床特征更佳的鉴别性能。

图 6：影像组学特征和临床特征在 EVS 中的预后表现和组合模型的校准曲线

 结论 

本研究构建了一个有效的影像组学特征来预测 IA 期实性 NSCLC 患者的术后生存风险。与常规临床预测指标相比，影像组学特征可以提取更详细的特征，为治疗决策和预后提供额外的信息，显著提升了对实性结节的良恶性鉴别及早期实性肿瘤的预后评估。

关于 MISSION 计划

MISSION 计划（全称：Multi-omIcs claSSIfier for pulmOnary Nodules，即基于多组学的肺结节良恶性鉴别诊断前瞻性多中心临床研究）由同济大学附属上海市肺科医院和泰莱生物牵头发起，四川大学华西医院、山东省胸科医院等数十所三甲医院联合参与。MISSION 计划拥有目前我国该领域内最大（获得病理诊断结果）规模的临床研究队列，旨在利用基于影像组学、表观基因组学、代谢组学、临床表型组学等多组学技术，针对医学影像显示肺结节的患者进行肺小结节良恶性鉴别诊断，以推进早期肺癌的诊断效率并帮助肺癌患者更早实施临床诊疗，提升患者生存率。