利用[18F]FDG PET/CT放射组学机器学习模型对可切除早期肺腺癌中的侵袭性肺腺癌和高危组织病理学特征进行无创预测：一项前瞻性队列研究
Non-invasive prediction of invasive lung adenocarcinoma and high-risk histopathological characteristics in resectable early-stage adenocarcinoma by [18F]FDG PET/CT radiomics-based machine learning models: a prospective cohort study
1. 领域背景与文献
发表期刊：未明确提供；影响因子：未公开；研究领域：肿瘤学，早期肺腺癌术前精准诊断与手术决策指导。
领域共识：目前国际公认肺腺癌分为原位腺癌、微浸润腺癌和浸润性腺癌，原位腺癌和微浸润腺癌可通过亚肺叶切除治愈，患者10年无病生存率接近100%。已有临床研究证实，对于肿瘤直径≤2厘米的周围型非小细胞肺癌，肺段切除与肺叶切除疗效相当，且更有利于术后肺功能恢复。但高危组织病理学特征是手术切除后复发的独立危险因素，尤其对于接受肺段切除且肿瘤直径超过2厘米的患者影响更为显著，因此术前无创准确识别高危特征，选择合适手术方式和淋巴结清扫范围，对改善早期肺腺癌患者预后至关重要。
现有临床常用评估方法仍存在诸多局限：传统CT影像特征判断依赖医生经验，主观性强，准确性不稳定；术前穿刺活检受取样局限和肿瘤异质性影响，对侵袭转移潜能的评估价值有限；术中冰冻切片病理诊断虽准确性较高，但基层医院受病理资源和专业经验限制，诊断变异度较高，且无法识别所有高危组织病理学特征。近年研究证实，氟代脱氧葡萄糖正电子发射计算机断层扫描/电子计算机断层扫描（[18F]FDG PET/CT）的代谢参数可有效预测肺腺癌病理分型和侵袭转移潜能，放射组学可定量提取与肿瘤形态、代谢相关的影像学特征，结合人工智能可更客观地开展诊断评估，但目前鲜有研究基于PET/CT放射组学结合临床指标构建模型，预测早期肺腺癌浸润性和高危组织病理学特征，尤其缺乏针对临床争议的小体积周围型肺结节亚组的验证研究。
本研究针对上述研究空白，旨在构建基于[18F]FDG PET/CT放射组学的机器学习模型，术前准确预测早期肺腺癌的病理分型和高危组织病理学特征，为手术策略选择提供客观依据，同时结合转录组数据揭示肺腺癌病理演化的潜在生物学机制。
2. 文献综述解析
作者对领域现有研究按评估方法类型分类梳理，首先总结了传统术前评估方法的临床价值与局限：传统影像学肉眼评估、穿刺活检、术中冰冻切片是目前临床常用的评估手段，其中术中冰冻切片诊断是指导小体积周围型肺腺癌手术切除的有效方法，准确性得到临床认可，但该方法依赖病理医生的专业经验，基层医院受资源限制诊断一致性较差，且受取样局限无法识别胸膜侵犯、脉管侵犯等隐匿性高危特征，存在难以弥补的应用局限。随后作者梳理了现有影像组学研究进展，已有研究证实单纯CT放射组学可有效区分肺腺癌浸润性，区分原位/微浸润与浸润性腺癌的曲线下面积可达0.89-0.92，但单纯CT仅能提供形态学特征，无法反映肿瘤代谢活性，而PET可提供肿瘤葡萄糖代谢信息，二者整合可提供更全面的肿瘤特征。目前多数研究仅聚焦于病理浸润性预测，很少同时针对高危组织病理学特征构建预测模型，也鲜有研究在多中心队列尤其是临床争议较大的肿瘤直径≤2厘米和磨玻璃结节亚组验证模型效能，同时放射组学特征背后的生物学机制也尚未明确。
对比现有研究的不足，本研究的创新价值十分明确：本研究首次整合[18F]FDG PET/CT的放射组学特征与临床影像学指标，构建两个分别针对浸润性区分和高危特征预测的机器学习模型，通过大样本多中心内部外部队列验证了模型的预测效能，重点验证了模型在肿瘤直径≤2厘米和磨玻璃结节亚组的预测效果，同时结合RNA测序数据开展放射基因组分析，揭示了放射组学特征关联的生物学通路，为模型的临床应用提供了生物学依据，填补了该领域的研究空白，可为早期肺腺癌术前手术决策提供可靠的无创评估工具。
3. 研究思路总结与详细解析
整体框架概括：本研究的研究目标是构建基于[18F]FDG PET/CT放射组学的机器学习模型，术前无创预测早期可切除肺腺癌的浸润性和高危组织病理学特征，指导手术方案选择；核心科学问题是整合PET代谢放射组学特征能否提升早期肺腺癌术前病理特征预测的准确性，所构建模型能否在多中心队列和临床争议亚组中保持稳定的泛化性；技术路线为“多中心患者入组→图像采集与肿瘤分割→放射组学特征提取与筛选→机器学习模型构建与优化→多队列效能验证→亚组分析→生存分析与转录组机制阐释”，形成了从模型构建到机制验证的完整研究闭环。
3.1 多中心研究队列构建
实验目的：构建大样本多中心训练与验证队列，保证模型的泛化性和可靠性。
方法细节：总共纳入2014年11月至2022年11月四家中心的1581例肿瘤直径≤3厘米的肺腺癌患者，其中813例作为训练集，256例前瞻性队列作为内部测试集，418例作为外部多中心测试集，另外纳入癌症影像档案库的94例公开样本用于生存分析和放射基因组分析。入组标准为病理确诊肺腺癌、术前1个月内完成[18F]FDG PET/CT检查、临床病理资料完整、肿瘤直径≤3厘米；排除标准为缺少完整影像文件、多原发肺癌、术前接受新辅助治疗。
结果解读：训练集、内部测试集、外部测试集的各病理亚型比例无统计学差异（P=0.317），队列基线特征均衡，适合开展模型构建与验证。文献未提及具体实验产品，领域常规使用PET/CT扫描仪完成影像学检查，病理学检测采用常规试剂。
3.2 临床病理与影像学特征采集整理
实验目的：整合临床、影像、病理多维度信息，为模型构建提供完整特征数据。
方法细节：收集年龄、性别、吸烟史、肿瘤标志物、基因突变等临床信息，由两名经验丰富的放射科医生独立评估CT影像特征，包括结节类型、毛刺征、分叶征、胸膜改变、空泡征等，采用3D-Slicer 5.2.2版本软件计算PET半定量代谢参数，包括最大标准摄取值、平均标准摄取值、总病灶糖酵解。病理分型遵循国际肺癌研究协会/美国胸科学会/欧洲呼吸学会标准，将存在高级别亚型、淋巴转移、胸膜侵犯、血管侵犯、神经侵犯、气腔播散任一特征的患者归为高危组织病理学特征组。
结果解读：浸润性腺癌尤其是高危组与原位腺癌、微浸润组相比，老年男性、吸烟者比例更高，癌胚抗原水平为更高水平（文献未明确具体数值，P<0.05），肿瘤直径更大，最大标准摄取值更高，毛刺、分叶、胸膜改变、空气支气管征等恶性影像特征比例更高，原位腺癌和微浸润组CT均未发现钙化，基线特征差异符合病理学认知，为后续模型构建提供了合理的特征基础。实验所用关键软件：3D-Slicer（版本5.2.2），文献未提及具体试剂品牌。
3.3 放射组学特征提取与筛选
实验目的：从CT和PET图像中提取并筛选稳定、有预测价值的核心放射组学特征。
方法细节：由放射科医生使用3D-Slicer软件在CT和PET图像上手动勾画肿瘤感兴趣区，总共提取1709个放射组学特征，通过三步法完成特征筛选：首先通过组内相关系数评估观察者内和观察者间一致性，剔除一致性较差的特征；随后通过最大相关最小冗余算法筛选出排名前20位的特征；最后通过最小绝对收缩选择算子逻辑回归结合五折交叉验证进一步精炼特征。
结果解读：三步筛选法得到了兼具稳定性和预测价值的核心放射组学特征，为后续模型构建降低了维度灾难风险，保障了模型的稳定性。文献未提及具体产品，领域常规使用对应算法完成特征筛选。
3.4 机器学习模型构建与效能验证
实验目的：构建并验证两个预测模型，比较不同模型的预测效能，明确整合PET放射组学特征的优势。
方法细节：采用合成少数类过采样技术处理训练集数据不平衡问题，使用H2O自动机器学习平台分别构建CT征象模型、CT放射组学模型、PET放射组学模型和整合所有特征的混合模型，测试多种机器学习算法后选择曲线下面积最高的模型，通过曲线下面积、灵敏度、特异度、准确率、Brier评分、校准曲线、决策曲线分析评估模型预测效能，重点评估肿瘤直径≤2厘米和磨玻璃结节亚组的预测效果，同时通过多因素回归分析比较模型与术中冰冻切片的独立预测价值。
结果解读：对于区分原位腺癌/微浸润腺癌与浸润性腺癌的模型1，混合模型在内部测试集的曲线下面积为0.93（95%置信区间 0.90-0.96，n=256，P<0.05），灵敏度为0.78，特异度为0.96，准确率为0.81，Brier评分为0.09，预测效能优于CT征象模型、CT放射组学模型和PET放射组学模型；混合模型在外部测试集的曲线下面积为0.920（n=418，P<0.05），校准曲线显示预测概率与实际观测概率一致性良好，决策曲线分析显示混合模型的净获益高于其他模型，在肿瘤直径≤2厘米亚组混合模型曲线下面积仍可达0.90（95%置信区间 0.85-0.94，P<0.05）。多因素回归分析显示，混合模型预测评分是区分原位腺癌/微浸润腺癌与浸润性腺癌的独立预测因子（比值比=11.36，95%置信区间 1.14-112.81，P=0.038），预测价值独立于术中冰冻切片诊断结果。
对于预测高危组织病理学特征的模型2，混合模型在训练集曲线下面积为0.868，内部测试集曲线下面积为0.823（95%置信区间 0.77-0.88，n=206，P<0.05），外部测试集曲线下面积为0.849（n=348，P<0.05），在肿瘤直径≤2厘米亚组曲线下面积仍可达0.799，预测效能同样优于其他单模态模型，校准曲线和决策曲线分析均验证了混合模型的优势，特征重要性排序显示PET放射组学特征对提升模型预测准确性起到关键作用。
文献未提及具体实验产品，领域常规使用H2O自动机器学习平台完成模型训练与调参。
3.5 生存分析与放射基因组机制分析
实验目的：验证模型预测评分的预后价值，揭示高危病理特征关联的生物学机制。
方法细节：在癌症影像档案库的94例验证集中进行生存随访，以混合模型预测评分的中位数为截点将患者分为高评分组和低评分组，采用Kaplan-Meier法分析无进展生存和总生存，差异采用log-rank检验，利用队列的RNA测序数据开展差异表达基因分析、基因集变异分析、单样本基因集富集分析、加权基因共表达网络分析，探索放射组学特征关联的生物学通路。
结果解读：中位随访时间为39.4个月，高评分组的无进展生存和总生存均显著差于低评分组（无进展生存P=0.0018，n=94；总生存P=0.0170，n=94），证实模型预测评分具有良好的预后价值。基因组分析显示，高危组织病理学特征组上调的通路包括MYC靶点、氧化磷酸化、DNA修复、mTORC1信号、糖酵解、G2M检查点、脂肪酸代谢等，差异表达基因主要富集在神经递质受体调控、胶原和脂质分解代谢、细胞外基质、雌激素信号通路，高评分组M1巨噬细胞浸润显著减少，加权基因共表达网络分析显示，与PET代谢参数高度相关的基因模块主要富集于免疫细胞分化和糖代谢通路，解释了PET放射组学特征提升预测效能的生物学基础。
4. Biomarker研究及发现成果
Biomarker定位：本研究筛选得到的标志物为整合[18F]FDG PET/CT放射组学特征与临床CT征象的混合模型评分，属于影像学定量预测标志物，用于术前无创预测早期肺腺癌的浸润性和高危组织病理学特征，筛选逻辑为从原始1709个CT和PET放射组学特征，依次通过一致性评估剔除不稳定特征、最大相关最小冗余算法筛选核心特征、最小绝对收缩选择算子逻辑回归精炼特征，最终整合临床CT征象构建模型评分，先后通过训练集构建、前瞻性内部队列验证、外部多中心队列验证，研究逻辑完整。
研究过程详述：该标志物来源于术前[18F]FDG PET/CT检查获得的影像学数据，通过手动勾画肿瘤感兴趣区提取定量纹理、形态、代谢特征，经三步筛选后构建预测模型，通过接受者操作特征曲线分析验证预测效能，计算曲线下面积、灵敏度、特异度等核心指标，在全队列和肿瘤直径≤2厘米、磨玻璃结节亚组分别验证。核心性能数据为：区分原位腺癌/微浸润腺癌与浸润性腺癌时，混合模型在内部测试集曲线下面积为0.93（95%置信区间 0.90-0.96，n=256），灵敏度78%，特异度96%，外部测试集曲线下面积为0.92（n=418），肿瘤直径≤2厘米亚组曲线下面积为0.90（95%置信区间 0.85-0.94）；预测高危组织病理学特征时，混合模型在内部测试集曲线下面积为0.82（95%置信区间 0.77-0.88，n=206），外部测试集曲线下面积为0.85（95%置信区间 0.81-0.89，n=348），肿瘤直径≤2厘米亚组曲线下面积为0.80（95%置信区间 0.73-0.87）。
核心成果提炼：该整合放射组学标志物可实现术前无创预测早期肺腺癌的浸润性和高危组织病理学特征，预测效能优于传统CT征象模型和单模态放射组学模型，模型预测评分是独立于术中冰冻切片的独立预测因子，高评分患者的无进展生存和总生存均显著差于低评分患者，具有明确的预后价值（无进展生存P=0.0018，总生存P=0.0170，n=94）。本研究首次证实PET代谢放射组学特征可显著提升早期肺腺癌术前病理特征预测的准确性，所构建模型在临床争议较大的肿瘤直径≤2厘米和磨玻璃结节亚组仍保持良好的预测性能，同时通过放射基因组分析明确了该标志物关联的生物学通路，证实糖代谢、脂肪酸代谢异常与免疫浸润改变和高危病理特征密切相关，为该标志物的临床应用提供了坚实的生物学依据，可为早期肺腺癌手术决策提供客观的无创评估工具，有助于优化患者治疗方案改善预后。