使用纵向CT放射学预测瘤免疫微环境的基于AI的非侵入性分析,预测了肺癌免疫治疗反应
Guangjie Liu1, Xiaoyan Zhang1, Yutong He2
1Department of Thoracic Surgery, the Fourth Hospital of Hebei Medical University, Shijiazhuang, China.
Frontiers in immunology
|October 17, 2025
概括
一个新的放射学框架与深度学习准确地绘制了肺癌免疫逃避的地图. 这种免疫规避得分 (IES) 预测治疗反应,并指导免疫疗法个性化.
科学领域:
- 放射学和深度学习在瘤学中
- 发现用于免疫治疗的生物标志物
背景情况:
- 肺癌的持久免疫疗法反应有限,因此需要免疫-瘤相互作用的生物标志物.
- 目前的方法,如PD-L1免疫组织化学有局限性,包括抽样偏差和无法评估免疫逃避非侵入性.
研究的目的:
- 开发一个非侵入性放射学框架,整合瘤生长动力学和深度学习,用于免疫逃避评估.
- 创建一个免疫逃避分数 (IES),预测免疫抑制瘤微环境.
主要方法:
- 使用深度学习和医学知识引导的细分,开发了一个放射学框架.
- 纵向瘤生长动力学 (日志体积变化率,LVCR) 被整合.
- 免疫意识的注意门 (IAAG) 用于识别侵略性生长和免疫逃避的区域.
主要成果:
- 该框架在420个CT扫描上实现了卓越的细分精度 (Dice=0.7728±0.03).
- 免疫逃避评分 (IES) 准确预测了PD-L1表达 (AUC=0.85) 和CD8+T细胞排除.
- 高IES与免疫疗法的快速进展相关 (HR=2.3) 并显示72.3%与病理PD-L1+的一致性.
结论:
- 这项研究建立了一种非侵入性方法,用于绘制肺癌中免疫抑制微环境的地图.
- 免疫逃避评分 (IES) 作为免疫逃避的动态生物标志物,有助于免疫治疗的患者分层.
