Radiother Oncol 山东第一医科大学：基于多组学模型预测非小细胞肺癌患者放化疗后预后的多中心研究

01文献学习今天分享的文献是由山东第一医科大学等团队于2025年3月在《Radiotherapy and Oncology》中科院2区topIF5.3上发表的研究”Multi-omics models for predicting prognosis in non-small cell lung cancer patients following chemotherapy and radiotherapy: A multi-center study“即放化疗后非小细胞肺癌患者预后预测的多组学模型一项多中心研究该研究构建并验证了基于CT影像、病理切片、放疗剂量与临床信息的多组学模型用于预测非小细胞肺癌患者放化疗后的治疗反应与1年总生存期。研究纳入三中心共220例患者通过特征融合与机器学习方法证明多组学模型优于单一组学模型具有较好的预测性能与临床可解释性。创新点①多模态深度融合首次整合CT影像、病理切片、剂量分布及临床数据构建多组学预测模型突破单一模态预测局限。②双路径病理特征提取创新使用ResNet34与CHIEF双模型提取病理特征提升模型对不同病理信息的捕捉与融合能力。③可解释性优化引入Shapley值分析特征贡献增强模型临床可解释性为治疗决策提供透明依据。临床价值①精准预后分层模型可预测患者治疗反应与生存期辅助识别高危人群实现个体化治疗策略调整。②优化临床决策提供多维度生物标志物帮助医生提前评估疗效指导放化疗方案优化提升治疗效率。③推动多中心应用基于多中心数据验证模型具备较强泛化能力为跨机构肺癌精准治疗提供可推广工具。图 2研究流程图数据获取与预处理影像数据CT图像勾画4个感兴趣区ROIGTV、PTV、LUNG-GTV、LUNG-PTV匹配剂量图像ROI。病理数据HE染色全切片图像WSI转换为二值图切割为224×224像素切片保留组织覆盖率50%经Vahadane颜色归一化后用ResNet152模型分类肿瘤细胞、间质、淋巴细胞等组织类型。剂量数据提取3D剂量分布及剂量体积直方图DVH参数如V5-V50。临床数据收集性别、年龄、病理类型、TNM分期、治疗方式等信息。特征提取影像组学/剂量组学用pyradiomicsv3.1.0提取一阶特征、纹理特征共720个特征/模态。病理组学ResNet34和CHIEF模型分别提取切片级特征聚合为患者级特征。临床特征整合人口学、病理、剂量参数等。特征选择与模型构建特征标准化Z-score归一化基于训练集参数。特征筛选治疗反应预测用Lasso回归、随机森林、XGBoostOS预测用Lasso-Cox回归、随机生存森林临床特征用单/多变量Cox回归p0.1。模型构建治疗反应预测用支持向量机SVMOS预测用Cox比例风险模型。模型评估治疗反应AUC、箱线图。OSAUC、C-index、Kaplan-MeierKM曲线、校准曲线。特征贡献Shapley值分析、热图可视化。02研究背景及目的研究背景本研究聚焦于局部晚期不可切除的非小细胞肺癌NSCLC患者其标准治疗——放化疗CRT——的疗效存在显著的个体差异主要源于肿瘤的高度异质性以及患者自身复杂的生理状况。传统的预后评估主要依赖临床TNM分期但其提供的宏观分层缺乏足够的精准度以指导个体化的治疗决策。近年来放射组学从医学影像如CT中提取高通量定量特征为无创量化肿瘤表型提供了可能剂量组学进一步将放疗计划中的三维剂量分布纳入分析评估放疗的物理效应而病理组学则通过分析全切片图像WSI在细胞和组织层面揭示肿瘤微环境的异质性。尽管单组学模型已有应用但其预测性能如外部验证的AUC值常低于0.75往往有限难以全面捕捉疾病的多维度复杂性。因此整合宏观影像、微观病理、物理剂量及临床信息的多组学融合策略被认为是打破信息壁垒、构建更稳健、可解释性更强的预测模型的关键路径旨在实现真正的精准分层与个性化治疗。研究目的本研究的核心目的是开发并验证一套基于多组学整合的预后预测模型以提升对接受放化疗的NSCLC患者的疗效与生存预判精度。具体而言研究旨在利用治疗前易于获取的CT影像、病理全切片图像WSI、三维剂量分布数据及临床信息分别构建能够预测治疗客观反应OR和1年总生存期OS的模型。研究采用了来自三个医疗中心共220例患者的回顾性数据通过严格的图像预处理、特征提取涵盖放射组学、病理组学、剂量组学与筛选应用LASSO、随机森林等多种算法并比较单组学模型与多组学模型的性能差异。其最终目标是通过高精度的患者分层辅助临床医生在治疗前识别更可能受益或存在高风险的个体从而优化治疗方案如调整放疗剂量或强化辅助治疗提高肿瘤控制概率并延长患者生存。研究特别强调模型的临床实用性、鲁棒性通过多中心外部验证及可解释性使用SHAP值分析特征贡献以推动预测模型向临床决策支持工具转化。03数据和方法研究数据数据来源3个独立医疗中心的回顾性NSCLC患者数据2021-2023年中心1山东第一医科大学附属医院158例中心2山东第一医科大学附属第二医院21例中心3中南大学湘雅医院外部验证集41例样本分组训练集内部验证集中心1中心2179例、外部验证集中心341例数据类型影像数据预处理CT图像含GTV、PTV等ROI勾画病理数据HE染色全切片图像WSI剂量数据3D剂量分布及剂量体积直方图DVH参数临床数据性别、年龄、病理类型鳞癌/腺癌、TNM分期AJCC 8th、治疗方式同步/序贯放化疗等结局数据治疗反应按RECIST1.1标准分为有效CR/PR、无效SD/PD、总生存期OS随访至事件发生或截止日期图 1患者纳入与排除流程图技术方法1数据预处理CT图像2名资深物理学家勾画GTV、PTV、LUNG-GTV、LUNG-PTV4个感兴趣区ROI匹配剂量图像ROIWSI按染色深度设定阈值转换为二值图切割为224×224像素切片保留组织覆盖率50%的切片经Vahadane颜色归一化ResNet152模型分类肿瘤细胞、间质、淋巴细胞等组织类型2特征提取影像组学/剂量组学采用pyradiomics提取一阶特征如均值、标准差、纹理特征如灰度共生矩阵共720个特征/模态病理组学ResNet34提取512个切片级特征并聚合为患者级特征CHIEF模型提取768个切片级特征并聚合为512个患者级特征临床特征纳入人口学、病理、分期、剂量参数如V5-V50等3特征选择与模型构建特征标准化Z-score归一化基于训练集参数应用于验证集特征筛选治疗反应预测采用Lasso回归、随机森林、XGBoostOS预测采用Lasso-Cox回归、随机生存森林临床特征采用单/多变量Cox回归p0.1模型构建治疗反应预测用支持向量机SVMOS预测用Cox比例风险模型4模型评估与统计分析评估指标治疗反应AUC、箱线图OSAUC、C指数、KM曲线、校准曲线特征贡献Shapley值分析统计工具R studio、3D-Slicer检验方法包括Kruskal-Wallis检验、t检验、log-rank检验、DeLong检验p0.05为差异有统计学意义04实验结果1治疗反应预测多组学模型性能显著优于单组学模型3个全模态模型在外部验证集AUC分别为0.87、0.91、0.82均0.8最优模型含PathomicsCHIEF特征的全模态模型外部验证AUC0.9195% CI0.80-1.00准确性0.84、敏感性0.77、特异性0.85箱线图显示多组学模型可有效区分有效组与无效组2总生存期OS预测全模态模型整合ResNet34CHIEF病理组学特征表现最优训练集AUC0.8395% CI0.75-0.91、C-index0.8095% CI0.72-0.88内部验证集AUC0.7995% CI0.63-0.96、C-index0.7995% CI0.62-0.94外部验证集AUC0.7995% CI0.64-0.93、C-index0.7895% CI0.63-0.92KM曲线显示高/低危组生存差异显著log-rank p0.05校准曲线提示预测值与实际生存高度一致关键特征病理组学特征DF166与肿瘤组织比例正相关、淋巴细胞比例负相关r0.45/p0.021r-0.39/p0.045、影像组学纹理特征OGG_GTV、性别3统计验证DeLong检验和配对t检验证实多组学模型的AUC和C-index显著高于单组学模型p0.05无信息冗余导致的性能下降。图 3治疗反应预测模型性能可视化图 4特征热图A治疗反应预测的特征热图B总生存期OS预测的特征热图05研究结论本研究通过整合CT影像组学、病理组学、剂量组学及临床信息构建并验证了用于预测非小细胞肺癌NSCLC患者放化疗后治疗反应与1年总生存期OS的多组学模型。核心结论表明相较于单一组学模型多组学模型展现出显著更优的预测性能与稳健性。在治疗反应预测中全模态模型在外部验证集的AUC最高达0.91在OS预测中最佳全模态模型的AUC与C-index分别达0.79与0.78且能有效区分高风险与低风险患者KM曲线p值均0.05。关键优势在于其通过融合宏观影像、微观病理与剂量分布等多维度信息更全面地量化肿瘤异质性从而提升预测准确性并增强模型的可解释性如Shapley分析揭示剂量与影像特征是关键贡献因子。研究意义在于为临床提供了一种无创、多维度的预后预测工具有望辅助医生在治疗前识别可能受益或高风险的患者从而制定个体化治疗策略提高肿瘤控制概率并延长生存。局限性包括样本量有限220例、特征融合方法有待优化以及临床指标涵盖不足未来需扩大样本并纳入更多生物学与生活方式指标以进一步提升模型的普适性与预测效能。参考文献Pan Y, Shi L, Liu Y, Chen JC, Qiu J. Multi-omics models for predicting prognosis in non-small cell lung cancer patients following chemotherapy and radiotherapy: A multi-center study. Radiother Oncol. 2025 Mar;204:110715. doi: 10.1016/j.radonc.2025.110715.