NPJ Precis Oncol（IF=8）复旦大学肿瘤医院等团队：基于生境CT放射组学解析可切除非小细胞肺癌时空异质性预测新辅助化疗免疫治疗病理反应

01文献学习今天分享的文献是由复旦大学肿瘤医院顾雅佳、龚敬团队联合复旦大学附属中山医院叶晓丹等团队于2026年3月31日在肿瘤学领域顶刊《npj Precision Oncology》中科院1区topIF8上发表的研究”Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study“即基于生境CT放射组学剖析可切除非小细胞肺癌的时空异质性以预测新辅助化疗免疫治疗的病理缓解一项多中心研究该研究开发并验证了一种基于CT影像的“生境成像”框架用于预测可切除非小细胞肺癌患者对新辅助化疗免疫治疗的病理响应。通过将肿瘤分割为多个生物学上不同的“生境”亚区提取空间异质性特征、全肿瘤纹理特征及治疗前后动态变化特征构建了三个预测模型ITH、WTH、WITH。WITH模型在多个独立验证队列中表现最佳AUC最高达0.85显示出良好的预测能力和临床实用性。创新点①提出“生境影像”框架通过分割肿瘤内生物学亚区域量化空间异质性突破传统全局纹理分析局限。②构建MSI空间互作矩阵显式编码不同生境间的拓扑关系捕捉肿瘤宏观结构信息。③整合空间、全局与时间维度建立WITH联合模型预测性能优于单一模型AUC达0.85。临床价值①无创预测新辅助化疗免疫治疗的主要病理缓解指导个体化新辅助治疗策略制定。②识别非响应者并建议早期手术避免无效治疗导致的纤维化与手术风险增加。③多中心外部验证泛化能力强支持临床推广实现精准患者分层与决策优化。图 2生境成像框架工作流程图左侧影像获取与肿瘤分割输入治疗前BL治疗后C1胸部增强CT处理放射科医生用ITK-SNAP手动勾画全肿瘤体积VOI标准化体素重采样至1×1×1mm³统一图像分辨率中间栖息地亚区分割与聚类超像素分割用SLIC算法将肿瘤拆分为100个亚区无监督聚类K-means聚类k5轮廓系数最优将亚区归为不同影像表型栖息地右侧特征提取→建模→预测输出特征提取三大类ITH特征基于多区域空间交互MSI矩阵量化栖息地空间拓扑与交互WTH特征全肿瘤全局纹理、强度、形态特征Delta特征治疗前后特征变化率捕捉时空动态异质性数据处理Z-score标准化→LASSO-RFE特征筛选→SMOTE过采样平衡数据模型构建XGBoost分类器训练ITH、WTH、WITH整合三大模型输出MPR/非MPR预测概率→患者危险分层→临床决策02研究背景和目的研究背景尽管新辅助化疗免疫疗法Neoadjuvant Chemoimmunotherapy, NCI显著改善了可切除非小细胞肺癌Non-Small Cell Lung Cancer, NSCLC患者的病理缓解率主要病理缓解率MPR可达86.0%但不同患者对治疗的响应存在巨大的个体差异其根本原因在于肿瘤内部存在深刻的时空异质性。这种异质性不仅体现在基因水平更表现为肿瘤微环境中不同区域在病理生理状态和微环境条件上的非均匀空间分布。传统的影像组学方法如全肿瘤纹理分析往往将肿瘤视为一个统计整体只能捕捉整体变异程度而无法揭示肿瘤内部亚区域之间的空间拓扑关系。此外现有研究缺乏能够无创、动态监测治疗前后肿瘤异质性演变的可靠生物标志物导致临床上难以精准筛选潜在获益人群也难以及时识别耐药患者。因此亟需开发一种能够解码肿瘤时空异质性的新型影像学方法以填补当前NCI疗效预测领域的空白并为个体化治疗决策提供依据。研究目的本研究旨在验证基于生境Habitat的CT影像组学方法在预测可切除NSCLC患者新辅助化疗免疫治疗后的主要病理缓解MPR方面的效能。具体目标包括1通过整合治疗前后的CT影像构建一个融合全局纹理特征、空间异质性特征和纵向变化特征的预测框架2比较全肿瘤异质性WTH模型、瘤内空间异质性ITH模型以及两者决策级融合WITH模型的预测性能3评估该模型在不同临床亚组如年龄、吸烟史、病理类型、肿瘤分期中的稳健性并探索其临床转化价值。研究通过多中心394例患者的数据验证旨在证明空间拓扑信息是对全肿瘤纹理信息的补充两者结合能更全面地刻画治疗敏感性从而为临床提供一种无创、精准的患者分层工具优化新辅助治疗策略如继续治疗或早期手术。03数据和方法研究数据总样本量394例可切除NSCLC患者数据来源三家中国医疗机构中心1上海肺科医院266例 → 训练集212例 内部验证集54例中心2复旦肿瘤医院86例 → 外部验证集2中心3中山医院42例 → 外部验证集3数据内容治疗前、后增强CT影像 病理缓解结果MPR vs. non-MPR图 1患者筛选流程图技术方法肿瘤分割手工勾画肿瘤体积VOI生境划分SLIC超像素 K-means聚类k5特征提取ITH特征基于多区域空间交互矩阵25个特征WTH特征全肿瘤放射组学1106个特征Delta特征治疗前后变化特征选择RFE LASSO类别平衡SMOTE模型构建XGBoost模型融合决策级融合 → WITH模型评估指标AUC、准确率、敏感度、特异度、决策曲线分析04实验结果ITH模型AUC在验证集中为 0.71–0.80WTH模型AUC在验证集中为 0.73–0.80WITH模型融合AUC在验证集中为0.75–0.85训练集AUC 0.91WITH模型在所有验证队列中均优于单一模型DCA显示WITH模型具有更高的临床净收益亚组分析显示鳞癌、中央型、T3-4/N2-3患者预测效果更好图 3各队列模型效能对比ROC曲线图 4各队列决策曲线分析DCA图 5瘤内空间异质性代表性案例05研究结论该多中心研究证实基于生境成像的CT放射组学框架能够有效解码可切除非小细胞肺癌NSCLC在新辅助化疗免疫治疗NCI中的时空异质性从而精准预测主要病理缓解MPR。研究通过整合全局纹理特征、瘤内空间拓扑特征及纵向影像变化构建了预测模型WITH。结果显示单独使用全局纹理或空间异质性模型在验证队列中的AUC为0.71-0.80而整合模型在外部验证中AUC提升至0.85显著提高了鉴别能力。关键发现是治疗敏感性不仅取决于肿瘤异质性的强度更取决于其空间组织方式——即不同生物学“生境”的分布与相互作用。该框架通过多区域空间互作矩阵量化了宏观结构特征弥补了传统整体纹理分析忽视空间拓扑的缺陷。尽管在伴有明显瘤周炎症、纤维化或磨玻璃成分的病变中存在一定局限性但研究结论表明生境成像可作为无创、可推广的生物标志物助力患者分层、优化治疗决策如预测响应者继续治疗、非响应者尽早手术推动个体化精准医疗。参考文献Peng Q, Xu Y, Shen L, Bao X, Zhou S, Ye X, Gu Y, Gong J. Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study. NPJ Precis Oncol. 2026 Mar 31. doi: 10.1038/s41698-026-01388-z.