一个基于DCE-MRI的预测性放射转录组学模型,用于瘤免疫景观和胆管癌的免疫疗法

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 免疫学 免疫学 免疫学

背景情况:

• 胆管癌 (CCA) 是一种具有挑战性的癌症,治疗选择有限.
• 了解瘤免疫微环境对于有效的免疫疗法至关重要.
• 迫切需要在CCA中预测免疫疗法反应的预测生物标志物.

研究的目的:

• 开发和验证使用DCE-MRI进行放射性签名模型,用于预测CCA中的免疫特征.
• 评估该模型在指导CCA患者免疫治疗决策方面的潜力.

主要方法:

• 在转录组数据上使用单个样本基因组丰富分析 (ssGSEA) 进行了免疫子组聚类.
• 使用Pyradiomics从DCE-MRI图像中提取了放射性特征.
• 在特征选择后构建了一个预测性的放射性签名模型,并使用ROC曲线分析进行验证.
• 该模型的性能在接受抗PD-1免疫治疗的CCA患者的独立队列中进行了评估.

主要成果:

• 在CCA中确定了两个不同的与免疫相关的子组.
• 为了免疫景观分类,建立了一个10个特征的放射性签名模型.
• 该模型在培训/验证队列中实现了0.80的平均AUC.
• 放射性模型的预测与独立测试队列中的免疫评分有显著的相关性.

结论:

• DCE-MRI衍生的放射性签名模型准确地预测了胆管癌的免疫格局.
• 这种放射性模型具有作为指导CCA患者免疫疗法选择的临床工具的潜力.