PET/CT扫描特征的机器学习算法预测肺癌新辅助化学免疫治疗后的病理完全缓解

引言：

    肺癌是全球最常见的恶性肿瘤，其中非小细胞肺癌（NSCLC）占 85%。近年来，免疫疗法，尤其是免疫检查点抑制剂（ICI）已显著推进 NSCLC 治疗。几项大规模 III 期临床试验表明，新辅助免疫治疗与化疗相结合可为 NSCLC 患者提供显著的长期生存益处。III 期随机试验的荟萃分析表明，达到病理完全缓解（pCR）或主要病理缓解（MPR）与生存结局改善相关，强调了这些指标的预后价值。一小部分 NSCLC 患者在新辅助化学免疫治疗后达到 pCR，准确预测 pCR 可能有助于医生更好地对患者进行分层并重新考虑后续治疗。

    18F-FDG PET/CT 结合了 PET 和 CT，可提供对肿瘤位置、大小、结构和代谢活动的详细见解。先前的研究表明，它在预测新辅助免疫治疗后 NSCLC 的病理缓解方面具有实用性。例如，一项研究报告称，肿瘤代谢活性的变化可预测接受纳武利尤单抗治疗的 NSCLC 患者的治疗效果和生存率。同样，另一项研究发现代谢性肿瘤体积是接受帕博利珠单抗治疗的晚期 NSCLC 患者的预后生物标志物。这些发现强调了 18 F-FDG PET/CT 衍生参数在评估治疗结果中的预测价值，特别是对于原发性肿瘤特征。

    淋巴结反应的预后重要性也已得到认可。研究表明，在淋巴结中达到 MPR  与接受新辅助化疗患者的总生存期（OS）改善相关。然而，来自18F-FDG PET/CT 的淋巴结特征在预测对 ICIs 的治疗反应中的效用仍不清楚。之前的一项研究观察到新辅助 ICI 治疗后淋巴结的影像学异常，这激发了我们对 18F-FDG PET/CT 在这种情况下评估淋巴结反应的准确性的兴趣。

    ML 已成为分析复杂、高维数据的强大方法，能够在癌症研究中捕获非线性关系。在这项研究中，我们旨在利用来自原发性肿瘤和转移性淋巴结的 18 F-FDG PET/CT 特征来开发用于预测 pCR 的 ML 模型。我们的目标是确定可能从新辅助化学免疫治疗中受益的 NSCLC 患者，并在未来促进个性化治疗。

方法：

研究设计和患者

    本回顾性研究分析了 2019 年 10 月至 2024 年 8 月在上海肺科医院接受新辅助化学免疫治疗和手术的 NSCLC 患者。所有患者在新辅助治疗完成和手术之间接受了 18F-FDG PET/CT，通常在治疗后 2 至 4 周和手术前 4 周内。排除标准包括超出 2 至 4 个周期范围的治疗周期、存在 EGFR 或 ALK 突变以及既往接受过靶向治疗或抗血管药物治疗。患者以 7：3 的比例随机分为训练队列和验证队列（图 1）。该研究遵循赫尔辛基宣言，并得到上海肺科医院伦理委员会的批准（编号 K24-679）。由于回顾性研究设计，放弃了知情同意。

图 1：患者选择步骤的流程图。在 R 中随机化执行 20 次，每次迭代以 7：3 的比例创建队列的拆分。选择实现基线平衡的第一个实例（所有基线变量的 P 值 > 0.05）来建立最终的训练和验证数据集。

数据收集和变量

    18F-FDG PET/CT 成像使用双探针、多层扫描仪（GE Millennium VG with Hawkeye）进行。患者接受基于体重的 185-370 MBq 18F-FDG 静脉注射，然后在注射后 60 分钟进行扫描。所有患者在影像学检查前 12 小时禁食，空腹血糖水平维持在 7 mmol/l 以下。全身 PET 扫描由 2 名经验丰富的核医学医师独立评估。

    收集患者基线特征、治疗细节、病理结局和治疗后 18 F-FDG PET/CT 特征。对于接受治疗前 18F-FDG PET/CT 成像的患者，还包括相关特征。为确保模型的可靠性和真实性，将未治疗前扫描的患者的18F-FDG PET/CT 变化特征记录为缺失值。

    18F-FDG PET/CT 特征包括治疗后肿瘤体积、长度和 SUVmax 以及相应的淋巴结参数。使用公式计算肿瘤和淋巴结体积，体积 = 长度 × 长度 × 宽度。对于治疗前和治疗后均接受 18F-FDG PET/CT 扫描的患者，衍生出捕获代谢和尺寸变化的其他特征，包括 ΔT SUVmax、ΔN SUVmax、ΔT 体积、ΔN 体积、ΔT  长度和 ΔN 长度。这些指标计算为治疗前和治疗后值之间的差异（例如 ΔT SUVmax = 治疗前 T SUVmax - 治疗后 T SUVmax）。pCR 定义为组织病理学评估中所有原发性和淋巴结标本中均不存在活肿瘤细胞。

统计分析

    使用 R语言版本 4.2.3 和 Python 3.9 进行统计分析。具有正态分布的连续变量表示为平均值和标准差（SD）并使用Student t 检验进行分析，而非正态分布变量表示为中位数和四分位数范围（IQR）并使用 Mann-Whitney U 检验进行分析。分类变量表示为频率和百分比。根据需要将 Pearson 卡方检验和 Fisher 精确检验应用于分类变量。采用 Pearson 相关系数（r）评估 18F-FDG PET/CT 特征与残余肿瘤百分比之间的关系。

    总体而言，根据先前的研究和本研究的目标，选择了 24 个包含患者人口统计学、临床参数和 18F-FDG PET/CT 特征的特征（补充材料，表 S1）。然后使用随机森林算法评估特征重要性，并选择 12 个最重要的特征包含在最终的 ML 模型中（补充材料， 图 S1）。

    然后使用包括决策树、随机森林、逻辑回归、LightGBM 和Naïve Bayes在内的 5 种 ML 算法来预测新辅助化学免疫治疗后的 pCR。决策树是直观的模型，可根据特征值递归地拆分数据，使其易于解释;但是，它们容易出现过度拟合。相比之下，随机森林通过聚合在自举样本和随机特征子集上训练的树集合的预测来改进决策树，从而提供更高的准确性和鲁棒性，防止过拟合，尤其是在高维和相关特征空间中。逻辑回归是一种广泛用于二元分类的线性模型，简单易解释，但除非应用明确的特征工程，否则难以处理非线性关系。LightGBM 是一种梯度提升框架，采用基于直方图的树构建和逐叶生长来实现快速训练速度和高预测准确性，并原生支持分类特征和缺失值。同时，Naïve Bayes依赖于贝叶斯定理，并强烈假设了特征独立性，使其计算效率高，适用于高维数据（例如文本分类），尽管当特征表现出显著相关性时，其性能可能会降低。

    使用受试者工作特征曲线下面积（AUC）、精度、召回率、F1 评分和准确性评估模型性能。DeLong 检验用于比较不同模型的预测性能。采用 Harrell 一致性指数（C-index）评估模型判别能力。此外，还采用校准曲线和决策曲线分析来评估预测概率和实际结果之间的一致性，并分别量化临床效用。机器学习模型的参数在补充材料中介绍。应用 Shapley 加法解释（SHAP）值来解释模型中的特征重要性。统计学显着性设置为 P < 0.05 （2 侧）。

结果

患者特征

    共有 205 名符合纳入标准的患者入组。基线特征、治疗细节和结果总结于表 1 和 2 中。所有 205 例患者在新辅助治疗后均接受了 18F-FDG PET/CT 扫描，其中 86  例患者接受了治疗前和治疗后的扫描。整个患者队列的平均年龄为 62.9 岁，其中 186 名患者（90.7%）为男性，129 名（62.9%）为当前或既往吸烟者。在最终队列中，91 例患者（44.4%）接受了 4 个周期的新辅助化学免疫治疗，71 例（34.6%）接受了 3 个周期，43 例（21.0%）接受了 2 个周期。至于临床分期，根据 AJCC （美国癌症联合委员会）第八版，190 例患者（92.6%）被归类为 III 期。病理评估显示 136 例患者（66.3%）达到 MPR，其中 91 例（44.4% ）达到 pCR。165 例患者（80.5%）接受了微创手术，133 例（64.9%）接受了肺叶切除术，使其成为最常见的手术方法。免疫药物方面，196 例患者（95.6%）接受 PD-1 治疗，9 例患者（4.4%）接受 PD-L1 治疗。化学免疫疗法的详细类型见补充材料，表 S2。基线特征显示训练队列和验证队列之间没有显著差异。

表 1：基线特征

表 2：手术信息和病理结果的详细信息

Supplementary Table 2. Detailed information of neoadjuvant chemoimmunotherapy.

新辅助化学免疫疗法的详细信息。

ICI, immune checkpoint inhibitor.

单个特征的预测性能

    使用 AUC 评估新辅助化学免疫治疗后 pCR 个体特征的预测性能。治疗后 T SUVmax 表现出最强的预测性能（ AUC 0.72;95% CI 0.65-0.79）（图2A）。治疗后肿瘤特征显示出中等预测疗效，AUC 范围为 0.67 至 0.72。同样，大约 18 个 F-FDG PET/CT 变化特征，例如 ΔT SUVmax，实现了中等性能（AUC 0.65;95% CI 0.53-0.77）（图 2C）。相比之下，治疗后 N 特征作为单个预测因子的预测性能较差，AUC 范围为 0.52 至 0.57（图 2B）。总体而言，所有特征的 AUC 范围为 0.51 至 0.72，凸显了预测能力有限，需要更强大的预测工具。

图 2：18F-FDG PET/CT 特征作为 pCR 的单个预测因子的预测性能。（A）治疗后肿瘤特征的 ROC 曲线，（B）治疗后淋巴结特征和（C）用于预测 pCR 的 18F-FDG PET/CT 变化特征。

机器学习模型性能

    与非  pCR 患者相比，在 18F-FDG PET/CT 扫描中达到 pCR 的患者治疗后肿瘤长度、体积和 SUVmax 显着减小（补充材料，表 S3）。为了提高预测性能，开发了 5 个 ML 模型，包括决策树、随机森林、逻辑回归、LightGBM 和 Naïve Bayes。最终队列被随机分为训练（n = 144）和验证（n = 61）数据集。

Supplementary Figure 3

Supplementary Figure 3. The calibration curves of Decision Tree, Random Forest, Logistic Regression and Naïve Bayes for predicting pCR. (pCR, pathological complete response.)

用于预测 pCR 的决策树、随机森林、Logistic 回归和 Naïve Bayes 的校准曲线。

    在训练队列中，所有模型都表现出相对较高的预测准确性，平均 AUC 范围为 0.74 至 0.88（图3A）。在验证队列中，LightGBM 实现了最高的预测性能（AUC 0.83;95% CI 0.72-0.94），优于决策树（AUC 0.63;95% CI 0.50-0.79）、随机森林（AUC 0.73;95% CI 0.60-0.86 ）、逻辑回归（AUC 0.71;95% CI 0.58-0.85）和Naïve Bayes （AUC 0.61;95% CI 0.53-0.81）（图 3B）。DeLong 检验结果显示，LightGBM 的 AUC 值在统计学上显著高于决策树（P < 0.001）、随机森林（P = 0.002）和Naïve Bayes （P = 0.013）。对于逻辑回归，P 值为 0.059，表明有显著性的趋势（补充材料，表 S4）。此外，LightGBM 表现出最高的 C 指数（0.81），明显高于决策树（0.53）、随机森林（0.62）、逻辑回归（0.71）和Naïve Bayes （0.67）。此外，LightGBM  的校准曲线显示与理想校准线最接近对齐，表明可靠的概率预测（补充材料，图 S2 和 S3）。LightGBM 在准确率（0.72）、召回率（0.69）、F1 分数（0.71）和准确率（0.75）方面也表现出出色的表现。模型性能指标总结在补充材料表 S5 中。基于这些发现，LightGBM 被选为最具预测性的模型。值得注意的是，与最强的个体预测因子相比，LightGBM对 pCR 表现出卓越的预测性能（治疗后 T SUVmax：AUC 0.72 vs LightGBM AUC 0.83）。

图 3：pCR 机器学习模型的预测性能。用于预测（A）训练队列和（B）验证队列中 pCR 的机器学习模型的 ROC 曲线。

模型解释

    采用 SHAP 分析评估所选变量对接受新辅助化学免疫治疗的 NSCLC 患者 pCR 预测的影响。LightGBM 模型确定治疗后 T SUVmax 和 N 体积是 pCR 预测的关键贡献者（图 4）. 这些特征中的值降低与实现 pCR 的可能性更高相关。此外，残留肿瘤比例与治疗后 T SUVmax （r = 0.474， P < 0.001）和治疗后 N 体积（r = 0.224， P = 0.001）的相关性相对较弱，进一步支持了它们的预测相关性（补充材料，图 S4）。

图 4：LightGBM 模型的 Shapley 值分析图。每个特征的分布都详细说明了 Shapley 值。

Supplementary Figure 4.

Supplementary Figure 4. Correlation of ¹⁸F-FDG PET/CT characteristics and the percent of residual tumor.

(A) The percent of residual tumor was positively correlated with post-treatment tumor SUVmax (r = 0.474, p < 0.001).

(B) The percent of residual tumor was positively correlated with post-treatment lymph node volume (r = 0.224, p = 0.001). (pCR, pathological complete response; SUVmax, maximum standardized uptake value.)

18F-FDG PET/CT 特征与残留肿瘤百分比的相关性。

（A）残留肿瘤的百分比与治疗后肿瘤 SUVmax 呈正相关（r = 0.474，p < 0.001）。

临床应用

    决策曲线表明，LightGBM 为 0.00 至 0.98 范围内的决策提供了重要的临床效用，特别是在 0.43 至 0.98 的阈值概率范围内（图 5）. 其他 4 个模型的决策曲线显示在补充材料中，图 S5。

图 5：LightGBM 预测 pCR 的决策曲线。决策曲线显示阈值概率在 0% 到 98% 之间。

Supplementary Figure 5

Supplementary Figure 5. The decision curves of Decision Tree, Random Forest, Logistic Regression and Naïve Bayes for predicting pCR.

The decision curves show that the threshold probabilities for the models are as follows: Decision Tree (37% - 55%), Random Forest (33% - 83%), Logistic Regression (0% - 43%), and Naïve Bayes (23% - 53%). (pCR, pathological complete response.)

用于预测 pCR的决策树、随机森林、Logistic回归和Naïve Bayes 的决策曲线。

决策曲线显示模型的阈值概率如下：决策树（37% - 55%）、随机森林（33% - 83%）、逻辑回归（0% - 43%）和朴素贝叶斯（23% - 53%）。

讨论

    在这项研究中，我们旨在确定可使用的 18F-FDG PET/CT 衍生特征，以准确预测新辅助化学免疫治疗后的 pCR。我们收集了 12 个常用的 18F-FDG PET/CT 特征，但当单独使用时，这些预测因子并没有表现出令人满意的性能。为了提高预测准确性，我们开发了 5 个 ML 模型并评估了它们的性能。在这些模型中，LightGBM 的性能优于单个预测因子和其他 4 种算法。SHAP 分析进一步显示，治疗后 T SUVmax 是影响模型预测能力的最有影响力的因素。

    新辅助化学免疫疗法已被证明有缩小肿瘤大小的潜力，增加手术切除的可行性，同时解决远处微转移以降低复发率。在临床实践中，我们观察到对新辅助治疗的异质性反应。虽然一小部分患者在 2 个周期后达到临床显著反应，但另一组患者即使在 4 个周期后也表现出次优结果，尽管 NCCN（美国国家综合癌症网络）指南推荐了 3 或 4 个周期的新辅助化学免疫治疗。使用 18F-FDG PET/CT 评估 pCR 有助于识别可能从调整后的治疗计划中受益的患者，从而在未来实现更加个性化的方法。进一步的研究可以探索使用 18F-FDG PET/CT  数据指导治疗持续时间的机器学习模型的潜力。在 NSCLC 新辅助免疫治疗的背景下，先前的研究已经证明了 18F-FDG PET/CT 的代谢信息对 MPR8 的预测价值。Warburg 效应是癌症的标志，反映了肿瘤细胞葡萄糖摄取和糖酵解活性升高。18F-FDG 是一种抗糖酵解的葡萄糖类似物，在肿瘤中积累，广泛用于评估肿瘤代谢活动。肿瘤通常表现出高基线 FDG 摄取，随着肿瘤细胞被根除，在有效的新辅助治疗后，这种摄取会减少。这为观察到的治疗后 T SUVmax 与残余肿瘤负荷之间的相关性及其对治疗反应的强大预测能力提供了生物学依据。例如，我们中心之前的研究报告称，新辅助化学免疫治疗后残留肿瘤 SUVmax 可以预测 MPR，并且在较小程度上可以预测 pCR （AUC 0.74）。这一发现与我们的单个预测变量的结果一致，而我们的 ML 模型实现了更高的 AUC，进一步提高了预测准确性。

    几项研究表明，18F-FDG PET/CT 衍生的特征，特别是原发性肿瘤的代谢特征，是接受新辅助治疗的各种恶性肿瘤病理反应的有效预测因子。然而，很少有研究将 18F-FDG PET/CT 特征整合到 ML 模型中以预测 pCR，并且淋巴结特征的效用仍不清楚。在这项研究中，我们发现淋巴结特征作为单个预测因子不是 pCR 的显著预测因子。低预测能力可能是由于肿瘤异质性，包括基线 FDG 摄取的可变性。按基线 FDG 摄取对患者进行分层可能会进一步增强这些发现的可解释性。有趣的是，SHAP 分析确定治疗后 N 体积、 SUVmax 和 ΔN 体积是模型的贡献因素，表明 ML 模型对治疗后和淋巴结特征的变化很敏感。

    Neostar 研究强调，新辅助免疫治疗后，由于非肿瘤免疫细胞浸润，淋巴结中 FDG 的摄取会增加。PD-（L）1 抑制剂激活免疫系统，恢复其抗肿瘤功能，并显着增强免疫细胞（如 CD45+ 淋巴细胞、巨噬细胞和淋巴结树突状细胞）的浸润。尽管我们的研究没有对这些患者淋巴结内免疫细胞浸润进行组织学分析，但在淋巴结中观察到的 FDG  摄取升高可能归因于浸润炎症细胞的糖酵解活性，而不是残留的肿瘤负荷。将免疫介导的 SUV 升高误解为淋巴结转移可能导致术前分期错误，可能将患者排除在根治性手术之外并改变辅助治疗决策。因此，建立适当的 SUV 阈值以区分癌症受累和免疫细胞相关摄取对于提高诊断准确性和为临床决策提供信息至关重要。

    值得一提的是，在新辅助治疗完成后 2 至 4 周进行 18F-FDG PET/CT 的主要原理是在进行手术前准确评估肿瘤状态、淋巴结状态并检测潜在的远处转移。这个时间还有助于区分真正的肿瘤反应和治疗后炎症，从而提高诊断准确性。在这项研究中，我们在 18F-FDG PET/CT 和手术之间设定了 4 周的间隔，以确保相对疾病稳定性并提高 18F-FDG PET/CT 结果的预测价值。但是，我们承认，在实际作中，此时间表可能会有所不同。在我们的中心，18F-FDG PET/CT 和手术之间的间隔通常在 1 到 2 周内。另一方面，关于手术的最佳时机，我们认识到新辅助化学免疫疗法可能会因炎症变化（如淋巴结肿大和融合裂隙）而增加手术难度。然而，除了各种 3 期试验的建议之外，目前还没有明确的数据确定单一的理想手术窗口。最近的 IASLC 共识表明，新辅助治疗后 3-6 周的最佳手术时间框架。需要进一步研究以探讨新辅助治疗后手术时机如何影响手术复杂性和临床结局。

    这项研究有几个局限性。首先，LightGBM 的灵敏度相对较低，因此不太适合作为独立的筛查工具。在未来的研究中，结合额外的辅助和实验室测试结果可能会优化模型的预测性能。其次，我们队列的 pCR 率为 44.4%，略高于先前报道的接受新辅助化学免疫治疗的 NSCLC 患者的发生率。这种差异可能反映了选择偏倚，因为预后因素更有利且手术资格更高的患者更有可能接受 18F-FDG PET/CT 进行术前综合评估。第三，作为在单个中心进行的回顾性分析，该研究受到选择偏倚的影响，并且缺乏外部队列验证。多中心研究对于确认 ML 模型的普遍性是必要的。第四，尽管我们的 ML 模型为预测 NSCLC 患者新辅助化学免疫治疗后的 pCR 提供了一种有效的方法，但我们不提倡在 NSCLC 中使用观察和等待策略。这主要是由于与预测 pCR 的准确性相关的挑战以及区分阴性 N2 疾病和免疫受影响淋巴结的困难。

结论

    在这项研究中，我们开发并验证了整合 18F-FDG PET/CT 特征的 ML 模型，以预测 NSCLC  新辅助化学免疫治疗后的 pCR。LightGBM 模型在预测性能方面优于其他 ML 模型和单个特征。治疗后 T SUVmax 和治疗后 N 体积是模型中的关键预测特征。这种 ML 方法提供了一种无创且准确的方法来预测 pCR，有可能在未来指导 NSCLC 患者的个性化治疗策略。

翻译及校对：徐彬鑫