一个多中心多模型息地放射学模型用于预测先进NSCLC中免疫治疗反应
Xiaoxiao Huang1,2, Yurun Xie3, Haiyang Nong1
1Department of Radiology, Affiliated Hospital of Youjiang Medical University for Nationalities, Baise, Guangxi 533000, China.
iScience
|February 18, 2026
概括
一个新的基于CT的息地模型准确地预测了非小细胞肺癌 (NSCLC) 患者的免疫治疗益处. 这种放射学方法识别出适合个性化治疗的候选人,改善了患者对免疫治疗的选择.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 识别非小细胞肺癌 (NSCLC) 患者将从免疫疗法中受益,需要强大的预测生物标志物.
- 目前的预测模型可能无法完全捕捉影响治疗反应的复杂瘤微环境.
研究的目的:
- 开发和验证基于CT的息地放射学模型,用于预测高级NSCLC的免疫治疗反应.
- 将息地模型的预测性能与传统的放射学,深度学习,临床因素和PD-L1表达进行比较.
主要方法:
- 基于CT的息地模型是使用590个晚期NSCLC病例开发的,通过K-means集群将瘤体积细分为三个子区域.
- 从每个息地提取了放射性特征,并利用它们构建了使用六个机器学习分类器的预测模型.
- 该模型在使用非对比CT图像的独立队列上进行了验证.
主要成果:
- 基于ExtraTrees的息地模型在测试队列中取得了卓越的预测性能,曲线下的面积 (AUC) 为0.814.
- 息地模型在传统的放射学,3D深度学习,临床和PD-L1表达模型上显示出显著的预测优势.
- 该模型能够有效地预测免疫治疗的益处.
结论:
- 基于CT的息地模型是预测NSCLC患者免疫治疗反应的强大工具.
- 这种方法有助于有效识别可能受益于免疫治疗的患者,支持个性化治疗策略.
- 息地模型为优化癌症免疫治疗患者选择提供了一个有希望的生物标志物.
