Interpretable Radiomics-Based Machine Learning for Non-Invasive Prediction of Tertiary Lymphoid Structure Status in Pancreatic Ductal Adenocarcinoma
本研究开发并内部验证了一种基于影像组学的可解释机器学习框架，具体为一种 XGBoost 模型，该模型在非侵入性预测胰腺导管腺癌患者三级淋巴结构状态方面实现了高准确度，为免疫表型分析和患者分层提供了一种极具前景的策略。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你的身体是一座正遭受围攻的繁忙城市。当像胰腺癌这样的肿瘤试图接管控制权时，你的免疫系统会派出警察部队进行反击。有时，这些警察会在敌方领地内部建立临时的、有组织的指挥中心。科学家们称之为“三级淋巴结构”，简称 TLS。可以将它们想象成一个个小型加固基地，免疫细胞在那里聚集、策划攻击并准备摧毁癌症。拥有这些基地通常是一个好迹象，这意味着身体正在顽强抵抗，患者可能会对增强免疫系统的治疗产生更好的反应。
然而，寻找这些基地非常困难。目前，看到它们的唯一方法是通过针刺或手术取出一小块肿瘤组织，然后在显微镜下观察。这就像是在一座巨大的城市里，通过挖掘随机的泥土块来寻找一个特定的隐藏掩体。这种方式具有侵入性，如果挖错了地方可能会错过掩体，而且你必须等待很长时间才能得到结果。如果我们能直接通过标准的 X 光或 CT 扫描就立刻知道这些免疫基地是否存在呢？这就是这项研究试图解决的大问题：我们能否利用“计算机魔法”来读取扫描图像中肿瘤的“纹理”，从而推测出那些隐藏的免疫堡垒是否存在？
来自复旦大学及其他机构的研究团队决定尝试这样做。他们将胰腺肿瘤的 CT 扫描图像视为一个由数百万个微小数据点组成的巨大且复杂的拼图。他们不仅仅是在看图片，还使用了被称为“影像组学”（radiomics）的技术，将图像转化为一份包含 1,059 个不同特征的庞大数字列表，描述着诸如肿瘤有多颠簸、像素点的明暗程度以及模式如何重复等信息。这就像描述一幅画，不仅仅是说“它是蓝色的”，而是列出每一滴颜料的确切色调以及它们的排列方式。
科学家们收集了 152 名胰腺癌患者的数据。他们确切知道其中 61 名患者拥有免疫基地（TLS 阳性），而 91 名患者没有（TLS 阴性），因为他们已经检查过组织样本。他们将这些患者分为两组：一个由 106 名学生组成的“训练班”和一个由 46 名学生组成的“测试班”。他们将来自训练班的海量特征列表输入计算机，并要求五种不同类型的机器学习算法（可以把它们想象成五位有着不同破案方式的侦探）去找出识别免疫基地的规则。
在开始之前，计算机必须进行大量的清理工作。在最初的 1,059 个数字中，大部分只是噪声或重复项。计算机过滤掉了这些信息，剔除了微弱的线索，最后只剩下了 20 个“超级线索”。这些线索包括肿瘤的形状、灰度变化的程度以及纹理的排列方式。随后，五位侦探算法开始在测试班上开展工作。
结果令人印象深刻。表现最好的侦探是一个名为 XGBoost 的算法，它的正确率达到了 89.1%。它能以极高的准确度（AUC 分数为 0.960）区分出带有免疫基地和不带免疫基地的肿瘤。另一个侦探 LightGBM 也表现得几乎同样出色。研究表明，计算机并非在瞎猜，它实际上捕捉到了真实的模式。当研究人员使用一种被称为 SHAP 的工具（它就像一个放大镜，用来观察哪些线索最重要）来查看计算机为何做出这些选择时，他们发现计算机关注的是纹理和强度——这正是如果免疫细胞在肿瘤内部聚集时，预期的那种“颠簸”或“有序”的模式。
为了确保这不仅仅是计算机的一种“戏法”，团队将计算机的预测结果与真实的图像进行了关联。对于一名被计算机判定为拥有免疫基地的患者，他们展示了 CT 扫描图、计算机的“推理过程”（该过程突出了纹理线索）以及显示免疫基地的实际显微镜切片。它们完美匹配。对于一名被计算机判定为没有免疫基地的患者，显微镜切片显示没有基地，而计算机的推理则突出了不同的、更平坦的模式。
作者谨慎地指出，这是一个基于单一医院单一患者群体的“启发性”发现。他们尚未证明这适用于所有人，也尚未在其他医院的患者身上进行测试。但这项研究有力地表明，我们可能很快就能利用常规的 CT 扫描，以非侵入性的方式检查胰腺癌患者是否拥有这些有益的免疫基地。这可以帮助医生决定哪些患者最能从新的免疫疗法中获益，而无需先进行侵入性的活检。这是将模糊的 X 光片转化为清晰的身体免疫战斗地图迈出的充满希望的一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。