想做免疫检查点抑制剂治疗的影像组学研究没有思路？你想知道的都在这里！

2023-05-09 08:05

大家好，我是鑫仔。

今天分享一篇上个月发表于FII的影像组学在免疫检查点抑制剂（ICIs）治疗过程中应用的综述，题目为‘Radiomics-guided checkpoint inhibitor immunotherapy for precision medicine in cancer: A review for clinicians’。

最近某私人网站把Frontiers旗下的所有期刊列为掠夺性期刊，一时间闹得满城风雨。不过我们做学术，重在知识的获取和思维的培养，不应因为外界的评价对文章本身产生什么偏见。况且作为Frontiers系列的头牌之一，FII的优势量文章不在少数。

所以下面，我们就平心而论的一起来看看这篇最新的探讨影像组学在ICIs治疗中应用的文章。

文章的Introduction部分简介了一下影像组学的文章框架。在往期的推文中，鑫仔已经对影像组学的框架做了更为全面的介绍，我们就不过多介绍了（小白入门必看！最全面的影像组学文章框架，一篇就够了）。而文章的主体分别从影像组学可以非侵入性的预测免疫相关生物标志物、预测免疫应答、预测非典型性进展模式、以及影像组学对免疫相关不良反应的预测。

一、预测免疫相关生物标志物

核心idea

目前，免疫反应的预测生物标志物的检测主要是通过侵入性的病理组织活检实现，这可能就会造成两个问题：

侵入性的病理组织活检会使患者的依从性变差；

病理活检只能局部采样，然而患者的肿瘤内异质性不可忽略，所以这种方法难以提供肿瘤及其微环境的全面信息。

由于影像组学是分析整张影像而不是局部，并且可以非侵入性的进行预测。刚好可以一定程度上的克服这两个问题。

PD-1/PD-L1预测

影像组学作为预测PD-L1表达的潜在替代方法：从CT、MRI和PET/CT图像中提取的特定影像组学特征与PD-L1表达水平和其他免疫肿瘤特征在多种癌症类型（包括非小细胞肺癌（NSCLC）和肝细胞癌（HCC））中具有关联性。

影像组学特征与临床特征相结合：将影像组学特征和临床变量结合到预测模型中可以提高其准确性，与仅基于临床变量的模型相比。这种整合为预测PD-L1表达水平和患者预后提供了更全面的方法。

当前的局限性和未来方向：虽然影像组学作为预测PD-L1表达水平的非侵入性和可重复方法显示出前景，但尚不足以取代IHC。需要进一步的研究来完善和验证PD-L1表达预测的影像组学模型，并探讨如何将这些模型最好地整合到癌症免疫治疗的临床决策中。

免疫淋巴细胞TILs

TILs在肿瘤微环境中对抗癌症的免疫反应中起着至关重要的作用。Treg和TAMs在肿瘤微环境中诱导免疫抑制，而CD8+ T细胞的肿瘤浸润与免疫治疗的更好预后相关。

例如：Sun等尝试使用影像组学特征预测CD8+ T细胞存在和免疫治疗临床疗效。开发基于CT影像组学特征、基因组学数据和RNA测序数据的融合模型，用于区分CD8+ T细胞和免疫表型。

从治疗前或治疗后的医学图像中提取影像组学signature，从而预测与免疫治疗相关的TILs；Delta影像组学可以在免疫治疗前后探究肿瘤微环境的变化，从而提供更早期和更准确的免疫治疗疗效预测。

例如：Khorrami等研究了使用治疗前和随后的CT图像来评估135例接受ICI治疗的NSCLC患者的影像组学特征与TIL浸润的一致性，并发现delta影像组学特征与NSCLC患者在接受ICI治疗过程中的反应和总生存（OS）相关。

肿瘤突变负荷TMB

TMB是免疫治疗的另一个预测生物标志物，高TMB与更多的新抗原和免疫浸润相关。研究人员探讨了将影像组学应用于预测晚期NSCLC、子宫内膜癌和膀胱癌患者的TMB状态的可能性。

例如：He等人构建了TMB影像组学生物标志物（TMBRB），预测治疗前TMB状态。结果显示，TMBRB能准确地将患者分为高TMB和低TMB组，进而预测接受ICI治疗的NSCLC患者的总生存期（OS）和无进展生存期（PFS）。

影像组学具有辅助分类TMB状态的潜在价值。结合临床和病理特征可能会提高预测性能。肿瘤内部存在异质性，利用影像组学可以提供足够的信息来辅助免疫治疗的临床决策。

其它生物标志物

其他免疫治疗预测生物标志物的预测，如利用影像组学识别错配修复（MMR）/微卫星不稳定性（MSI）状态。

例如： CAO等人基于CT的影像组学预测502例结直肠癌（CRC）患者的MSI状态。将临床特征与放射组学结合构建模型。

Jiang等人根据CD3、CD8、CD45和CD66b的免疫组化表达情况对胃癌患者进行免疫评分，基于CT的构建影像组学模型对免疫评分进行分类。结果显示，影像组学模型准确地将患者分为高免疫评分和低免疫评分，AUC为0. 786。说明了影像组学具有筛选可能从化疗中受益的患者的潜力。

文献总结

二、预测免疫应答

核心idea

由于ICIs治疗免疫应答率不到30%，所以如果能在治疗前预测免疫应答的几率，可以有针对性的选择患者进行免疫治疗，并且更好辅助制定治疗计划。

肿瘤内的异质性可能蕴含有预后信息，可以通过影像组学分析捕获并转化为影像组学特征。例如，Trebeschi 等人开发了一个模型，能够预测免疫应答，表明在非小细胞肺癌（NSCLC）中，具有较大异质性和非均匀病变的肿瘤可能与更好的反应相关。

此外，一些研究发现，18F-FDG PET/CT 扫描的影像组学特征显示了预测免疫治疗反应的能力，表明具有更高异质性的肿瘤患者可能从免疫治疗中受益更多。然而，这些结果与先前研究的结果有些不一致，先前研究表明，具有更高 CT 纹理异质性的肿瘤与化疗或放疗的反应率较差。

其他回顾性研究已在不同类型的癌症中探讨了放射组学评估生存和免疫治疗反应的潜力。研究表明，放射组学具有预测免疫治疗反应的潜力，有助于辅助临床决策。尽管影像组学具有巨大潜力，但其在临床免疫治疗中的应用仍处于初级阶段，可重复性和标准化是主要问题。部分研究探讨了影像组学在预测免疫应答过程中的标准化流程。

文献总结

好啦，我们今天针对影像组学预测免疫相关标志物与预测免疫应答进行了介绍，下一期鑫仔将对影像组学在非典型性反应和免疫相关不良反应中的应用进行介绍。不见不散哦~

THE END

撰文丨鑫仔

排版丨顶顶

往期回顾

BREAK AWAY

小白入门必看！最全面的影像组学文章框架，一篇就够了

2022-11-15

我知道你在看哦

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章