摘要
背景和目的: 肺癌是最常见且肿瘤相关死亡风险最高的恶性肿瘤，预后很差。免疫治疗的出现为非小细胞肺癌患者的治疗提供了新选择。但研究表明并不是所有的患者均能从免疫治疗中获益。目前，临床上常用来预测免疫治疗疗效的生物标志物包括程序性死亡受体配体1（PD-L1）、高肿瘤突变负荷（TMB）等。但上述指标的检测需要获取患者的肿瘤组织且预测效能不高。因此寻找一种便捷可靠的新指标在临床中变得越来越重要。目前有许多基于影像组学或临床特征建立的模型来预测免疫治疗疗效。本文旨在通过综合分析患者免疫治疗的相关影像组学和临床特征，寻找出与免疫治疗疗效相关的特征并评估其预测效能，为临床非小细胞肺癌患者免疫治疗提供新的标志物。 方法: 本研究收集广州医科大学附属肿瘤医院2018年8月-2021年8月确诊并进行了免疫治疗的非小细胞肺癌患者，其中53例患者的临床资料和影像资料符合入组标准。本研究使用基于 image J 平台的手动分割方法对肿瘤的 ROI区域进行勾画并提取影像组学特征，一共提取了144个影像学特征，最后选取了32个影像学特征进行分析，包括5个形状特征、7个一阶统计学特征和20个灰度共生矩阵（Gray-level co-occurrence matrix，GLCM）纹理特征。按照 RECIST 1.1 标准评估患者免疫治疗疗效，将患者分为应答组（疗效为PR/CR）和无应答组（疗效为 PD），分别对统计出来的影像数据和临床数据进行正态检验，符合正态分布或近似正态分布的数据采用独立样本 t 检验，偏态分布的定量数据采用Mann-Whitney U 检验，分类变量采用卡方检验、校正卡方检验、Fisher 精确检验法。最后对具有统计学意义的指标进行二元Logistic回归分析找出其独立影响指标。所有统计分析均采用 SPSS 27.0 版本。P＜0.05 被认为具有统计学意义。 结果: 在分析的临床特征中有3个特征与免疫治疗疗效相关，分别中性粒细胞绝对计 数、单 核 细 胞 绝 对 计 数、衍 生 中 性 淋 巴 细 胞 比 率（ Derived neutrophil-to-lymphocyte ratio，dNLR）。中性粒细胞所对应的曲线下面积 AUC为0.574（95%置信区间：0.395-0.755）；单核细胞对应的AUC为0.533（95%置信区间：0.331-0.735）；衍生中性淋巴细胞比率对应的AUC为0.577（95%置信区间：0.414-0.739）。其余临床特征如性别、年龄、吸烟史、病理类型、临床分期、ECOG评分、BMI、肺相关肿瘤标志物、PD-L1的表达、白细胞数目、淋巴细胞绝对计数、中性淋巴细胞比率、淋巴单核细胞比率、乳酸脱氢酶、白蛋白与免疫治疗疗效不具有统计学意义。在分析影像组学相关特征中，CT 平扫肺窗界面的肿瘤大小（Area）、逆差矩（Inverse difference moment，IDM）0 度、IDM 180 度、角二阶矩（Angular second moment，ASM）0 度、ASM 180 度与免疫治疗疗效具有统计学意义。肿瘤大小对应的AUC值为0.742（95%置信区间：0.579-0.905）；IDM（0 度）对应的AUC值为0.702（95%置信区间： 0.527-0.877）；IDM（180 度）对应的 AUC 值为 0.708（95%置信区间： 0.533-0.883）；ASM （0 度）对应的 AUC 值为 0.700（95%置信区间 0.517-0.883）；ASM（180 度）对应的AUC 值为 0.702（95%置信区间 0.520-0.884）。其余影像组学特征如峰度（kurtosis）、熵（entropy）、差异度（contrast）、相关性（correlation）等未发现有统计学意义。进一步分析发现 ASM（180 degree）是免疫治疗疗效评估的独立影响因素指标。 结论: 基于免疫治疗前的临床特征和影像组学可以用来预测非小细胞肺癌患者免疫治疗的疗效。中性粒细胞数目、单核细胞数目、dNLR、肿瘤大小、ASM及IDM与免疫治疗疗效有关。患者的影像组学特征和临床特征对临床选择免疫治疗患者具有一定的指导意义。
NETL