Longitudinal intratumoral and peritumoral MRI radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced head and neck squamous cell carcinoma: a retrospective two-center study
这项回顾性两中心研究表明，一种整合了纵向瘤内及瘤周 MRI 特征与临床病理因素的临床-时空组学模型，显著提高了局部晚期头颈部鳞状细胞癌新辅助化疗免疫治疗后病理完全缓解的术前预测能力。
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
头颈部鳞状细胞癌是一种常见的癌症，影响咽喉、口腔和喉部。当疾病处于晚期阶段时，医生通常会在手术前使用强效的化疗联合免疫治疗，以缩小肿瘤。这种被称为新辅助化疗免疫治疗的方法，旨在使手术更容易且更成功。然而，并非每位患者对这种治疗的反应都相同。一些患者经历了癌细胞的完全消失，医生称之为病理学完全缓解，而另一些患者的变化则微乎其微。目前，确定治疗是否有效的唯一方法是通过手术切除肿瘤并在显微镜下进行检查。这造成了一个困境：如果患者反应不佳，他们可能会在没有获益的情况下继续接受产生副作用的治疗，或者在等待最终手术期间癌症可能会生长。医生需要一种在动刀之前就能预测结果的方法，但仅仅测量肿瘤大小的标准影像检查往往会忽略组织内部发生的细微变化。
为了解决这个问题，来自北京同仁医院和郑州大学的研究人员研究了一种不同类型的图像。他们研究了310名接受术前药物联合治疗的晚期头颈部癌症患者。该团队利用磁共振成像（MRI）在两个时间点对肿瘤进行了成像：一次是在治疗开始前，另一次是在第二轮药物治疗后。研究人员并没有仅仅观察肿瘤的大小，而是使用了一种称为影像组学（radiomics）的技术。这种方法将MRI扫描视为一张数字地图，提取出人类肉眼无法看见的关于组织纹理、模式和内部结构的数千个微小细节。研究人员重点关注了两个特定区域：肿瘤本身以及紧邻其周围的一层薄组织，即周瘤区（peritumoral region）。他们认为，肿瘤与健康组织交界的边缘可能蕴含着身体如何进行抗争的线索。
科学家们构建了一系列计算机模型，以观察哪种信息的组合效果最好。他们从仅使用患者病史（如年龄和吸烟习惯）的简单模型开始，然后加入了MRI数据。他们测试了仅观察肿瘤的模型、仅观察周围组织的模型，以及追踪随时间变化的模型。最成功的方法是将所有信息结合起来。他们创建了一个模型，观察肿瘤的纹理如何从第一次扫描到第二次扫描发生变化，同时还检查了周围组织的演变情况。至关重要的是，他们发现观察肿瘤周围3毫米宽的一条特定组织带所提供的有用信息最多，其效果优于观察更窄或更宽的条带。
当研究人员将这种详细的、基于时间的影像数据与患者的具体医学事实（例如癌细胞的分级和一种名为复合阳性评分的特定免疫标志物的水平）相结合时，他们创建了最终的预测工具。这个综合模型能够高精度地预测患者是否能实现完全缓解。在用于测试模型可靠性的新数据组中，该模型在识别完全缓解患者方面的AUC达到0.857，在识别非完全缓解患者方面的AUC达到0.845。该模型在不同患者群体和不同医院之间表现一致，表明其具有鲁棒性。
研究明确排除了“仅凭肿瘤的单一快照”或“仅观察肿瘤本身”就足够的观点。依赖于单一时间点或忽略肿瘤周围组织的模型表现明显较差。研究还表明，仅靠标准临床因素（如患者年龄或癌症分期）不足以做出准确预测。关键发现是，在治疗过程中发生的动态变化——通过追踪肿瘤及其直接邻域随时间的变化——提供了一个独特且必要的信息层。
研究人员将复杂的数学模型转化为一种简单的视觉图表，即列线图（nomogram），供医生在临床中使用。通过输入患者的具体细节和MRI扫描结果，医生可以获得患者治疗能否完全奏效的个性化概率。这种工具提供了一种在手术前评估风险的方法，潜在地允许医生为那些不太可能产生反应的患者调整治疗方案，或者为那些极有可能完全治愈的患者考虑较温和的手术方案。虽然这项研究是回顾性的，意味着它回顾了过去的数据，且研究人员指出需要通过未来的临床试验来进一步验证这些结果，但这项工作证明了结合时间、空间和临床细节，为理解和预测癌症治疗结果提供了一种强大的新途径。
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。