基于lncRNA与影像组学的模型用于预测非小细胞肺癌对化疗和放疗的反应

为何预测治疗成败很重要

对于被确诊为晚期非小细胞肺癌的患者，当手术或靶向药物不可行时，化疗和放疗通常是主要选择。然而，医生仍然缺乏简单的方法来预先判断谁会从这些强烈的治疗中获益、谁不会。本研究探讨了一种基于血液分子与CT影像中微小模式的组合能否作为早期预警系统，帮助将患者与最有可能起效的治疗相匹配。

藏在血液中的信号

研究者关注了一类称为长非编码RNA（lncRNA）的遗传物质，这类RNA不编码蛋白质但能显著影响癌细胞行为。这些分子可以被肿瘤包装进释放到血液中的微小囊泡中，因此可以通过简单的抽血测量。研究团队对来自对化疗和放疗反应良好或差的肺癌患者的血样中lncRNA进行了测序，并与大型公共癌症数据库交叉核查，最终锁定了一个突出的分子：命名为MIF-AS1的lncRNA。对标准治疗呈抵抗性的患者和细胞系中，MIF-AS1水平始终较高。

该分子如何助长顽固肿瘤

为弄清MIF-AS1是仅作为标志物还是积极的致病因子，科研人员在体外培养的肺癌细胞中降低了其水平。关闭MIF-AS1时，细胞增殖变慢、扩散减少，并且对常用化疗药顺铂更易被杀死。团队随后利用计算方法绘制MIF-AS1可能与其他RNA分子和基因的相互作用网络。该分析指向RAD21——一种有助于修复受损DNA的蛋白——作为可能的伙伴。在肿瘤样本中，MIF-AS1水平升高通常伴随RAD21升高。当敲低MIF-AS1时，RAD21水平下降，细胞对治疗的脆弱性增加，这表明这一RNA—蛋白配对可能帮助癌细胞修补化疗和放疗造成的DNA损伤。

通过CT“指纹”解读肿瘤

现代CT扫描捕捉到的细节远超过人眼可见。影像组学是一种将这些图像转化为成千上万数值特征的技术，用以描述形状、亮度和纹理。在本研究中，团队分析了来自肺癌患者CT影像的1,409个此类特征。通过一种仅筛选最有信息量信号的统计方法，他们将这庞大的列表缩减为与治疗后肿瘤是否缩小或持续存在相关的两项关键特征。一个特征在肿瘤有反应的患者中倾向于较高，而另一个在肿瘤耐药的患者中较高，表明耐药肿瘤在影像上可能具有独特的结构或纹理模式。

将血液检测与影像合并为一体的预测工具

随后，研究者将MIF-AS1的血液水平与这两个基于CT的特征合并进单一预测模型。该模型先在较小的训练组上测试，然后在一组独立的124名患者中验证，结果表明该模型在区分可能的应答者与非应答者方面优于任何单一指标。其准确性以标准度量曲线下面积表示，在验证组达到0.808——高于仅使用MIF-AS1，也明显优于常用血清标志物CEA。值得注意的是，MIF-AS1水平与年龄、性别、吸烟史、肿瘤大小或分期并无明显关联，提示这一信号反映的更可能是关于治疗敏感性的特异性信息，而非一般疾病严重性。

这对未来患者可能意味着什么

简而言之，研究表明，一次简单的血液检测结合对常规CT图像的智能解读，可能帮助医生预见某人的肺肿瘤更可能屈服于化疗和放疗还是产生抵抗。lncRNA MIF-AS1既显示为有前景的非侵入性标志物，也可能通过增强DNA修复与RAD21蛋白协同成为耐药驱动因子。尽管该结果需要在更大规模、多中心试验及不同肺癌亚型中得到验证，但它指向了这样一个未来：治疗决策不仅基于肉眼所见的肿瘤形态，还依赖于揭示其潜在行为的分子与影像隐性特征。

引用: Ye, F., Yin, Y., Wang, J. et al. A lncRNA and radiomics-based model for predicting the response of non-small cell lung cancer to chemo- and radio-therapy. Sci Rep 16, 8337 (2026). https://doi.org/10.1038/s41598-026-39560-x

关键词: 非小细胞肺癌, 治疗耐受性, 液体活检, 影像组学, lncRNA 生物标志物