基于“栖息地”CT放射组学剖析可切除非小细胞肺癌时空异质性以预测新辅助化放免治疗的病理反应：一项多中心研究

这对肺癌患者意味着什么

对于面临非小细胞肺癌手术的患者，医生现在常在手术前加入化疗与免疫治疗的组合以缩小肿瘤并提高长期控制率。然而并非所有患者都能同等受益，目前尚无简单的无创方法能在治疗前准确区分谁更可能获得良好反应。本研究探讨常规CT扫描中隐藏的模式是否能揭示哪些肿瘤对该联合治疗敏感，哪些不敏感。

用影像线索洞察肿瘤内部

研究者聚焦于“肿瘤栖息地”这一概念，将肿瘤视为由不同CT表现区域组成的小型景观，而不是一个均质的团块。他们不仅衡量整个肿瘤的总体异质性，还绘制出这些不同区域在肿瘤内部的空间位置关系。通过对比治疗前后的扫描，他们旨在追踪这些内部区域的布局及其随时间的变化，从而捕捉更丰富的肿瘤行为信息。

研究对象与所用资料

团队分析了来自中国三家医院的394例可切除非小细胞肺癌患者的CT扫描资料。所有患者在手术前均接受了标准的化疗联合免疫治疗，切除的肿瘤在显微镜下被检查以评估残留癌组织的多少。当癌细胞仅占很小一部分时被标注为主要应答者；当大部分肿瘤仍有活性时则为非应答者。对每位患者，研究者收集了基本临床资料以及来自治疗前后CT图像的详尽测量数据。

将复杂影像转化为预测得分

从每个肿瘤中，计算机提取了大量数值特征，描述亮度、纹理及影像内的空间模式。一组特征总结了整个肿瘤作为单一对象的特性，另一组特征则捕捉了不同区域（即栖息地）如何排列及它们之间的相互作用强度。第三组特征测量了这些信号在首次和第二次扫描之间的变化。随后，机器学习方法在这些测量值中筛选并构建模型，以估计肿瘤对治疗呈现强烈反应的概率。

影像方法的表现如何

在模型测试中，整体肿瘤特征和基于栖息地的特征单独使用时都能较好地区分主要应答者与非应答者。然而，表现最佳的是将两种肿瘤视角的信息整合的方案。在来自不同医院的独立患者队列中，该整合模型达到了可在临床决策中发挥作用的准确度。进一步分析显示，该模型在某些肺癌亚型和胸腔较深位置的肿瘤中表现尤为出色，提示某些解剖环境可能使影像模式更具信息性。

这对治疗选择可能意味着什么

对非专业读者而言，主要信息是普通CT扫描可能包含远超肉眼可见的信息。通过将肿瘤视为由不同“街区”组成的动态景观，并观察这些街区在治疗过程中的演变，研究表明医生或可在手术前评估哪些患者更可能从化疗联合免疫治疗中受益。尽管还需更多工作和更大规模的前瞻性研究，这一基于栖息地的影像框架指向了一个未来：能够更早、更安全地调整治疗，减少部分患者接受无效治疗，同时为其他患者争取最佳的长期控制机会。

引用: Peng, Q., Xu, Y., Shen, L. et al. Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study. npj Precis. Onc. 10, 190 (2026). https://doi.org/10.1038/s41698-026-01388-z

关键词: 肺癌, CT放射组学, 化疗联合免疫治疗, 肿瘤异质性, 治疗反应