01文献学习今天分享的文献是由四川大学华西医院放射科、肿瘤科等团队于2025年12月在《Journal for Immunotherapy of Cancer》中科院1区topIF10.6上发布的研究“Clinical-radiomics nomogram integrating lymph node radiomic features to predict immunotherapy response in advanced biliary tract cancers”即整合淋巴结影像组学特征的临床-影像组学列线图预测晚期胆道系统肿瘤免疫治疗疗效该研究旨在开发并验证一个结合淋巴结影像组学特征与临床参数的列线图模型用于预测晚期胆道癌患者对免疫检查点抑制剂治疗的反应。研究采用回顾性与前瞻性双队列设计通过CT图像提取淋巴结影像组学特征结合临床与影像学指标构建预测模型并在独立测试集中验证其性能。创新点①首创淋巴结影像组学预测模型首次基于淋巴结CT影像组学特征构建预测晚期胆道癌免疫治疗反应的机器学习模型。②多模态临床-影像组学整合将淋巴结影像组学特征与临床指标结合构建列线图模型提升预测性能与可解释性。③聚焦转移淋巴结替代原发灶针对原发灶难以勾画的患者利用转移淋巴结的影像特征反映肿瘤生物学行为拓展适用人群。临床价值①无创预测工具提供非侵入性、低成本的方法预测免疫疗效避免重复活检风险适用于临床常规。②辅助精准治疗决策帮助识别潜在免疫治疗获益患者避免无效治疗带来的经济负担与毒副作用。③预后分层能力列线图评分可区分患者生存差异为个体化治疗与随访策略提供依据。图 2研究工作流程图模块A数据收集同步收集三类核心数据——临床信息人口学、治疗方案、肿瘤标志物等、三期CT影像平扫期、动脉期、门静脉期、定期随访数据肿瘤反应评估、生存状态。模块B数据分组将回顾性队列分为训练集n145和验证集n61前瞻性队列作为测试集n52确保分组的独立性。模块C特征提取与筛选预处理对CT图像进行重采样、灰度离散化、Z-分数归一化减少不同扫描仪和扫描协议的差异。特征提取通过uAI Research Portal提取1904个影像组学特征含形状、一阶、纹理等7类特征。特征筛选先经ICC≥0.75筛选稳定特征再通过mRMR和LASSO算法5折交叉验证降维最终筛选出用于构建Rad-score的特征。模块D模型构建基于逻辑回归算法构建4类单模型非对比相模型、动脉期模型、门静脉期模型、临床模型和2类组合模型Rad-score、临床-影像组学列线图。模块E模型评估采用混淆矩阵、ROC曲线、校准曲线、Kaplan-Meier分析、SHAP分析等多维度评估模型性能。02研究背景及目的研究背景晚期胆道癌BTCs是一种高度恶性的肿瘤其全球发病率在过去几十年持续上升预后普遍较差。根治性手术是唯一可能治愈的手段但多数患者在确诊时已处于晚期失去手术机会即使接受手术其复发与转移风险依然很高据SEER数据显示5年生存率仅为15.2%。近年来免疫检查点抑制剂ICIs在多种实体瘤中显示出潜力部分研究也证实其可改善晚期胆道癌患者的临床结局。然而免疫治疗仅对部分患者有效且费用昂贵并可能引发毒性反应因此如何在治疗前识别可能获益的患者具有重要的临床价值。目前预测免疫治疗反应的生物标志物如PD-L1表达、肿瘤突变负荷等依赖于肿瘤组织的侵入性取样操作复杂且可能无法全面反映肿瘤的时空异质性。放射组学作为一种从影像中提取定量特征的方法能够无创评估肿瘤异质性与微环境已在多种肿瘤中展现出预测免疫疗效的潜力但既往研究多聚焦于原发肿瘤尚未有研究探讨淋巴结LNs的放射组学特征在晚期胆道癌免疫治疗预测中的作用。淋巴结作为肿瘤转移的常见部位其影像特征可能反映肿瘤的生物学行为为预测免疫反应提供了新的视角。研究目的本研究旨在探索从CT影像中提取的淋巴结放射组学特征是否能够预测晚期胆道癌患者对免疫检查点抑制剂治疗的反应。研究通过回顾性与前瞻性队列系统提取并筛选淋巴结的放射组学特征构建放射组学评分Rad-score并结合临床与影像学特征开发一个综合性的预测模型。具体目标包括首先利用机器学习方法筛选出与免疫治疗反应相关的关键淋巴结放射组学特征构建稳定的Rad-score其次通过逻辑回归分析确定独立的临床预测因素建立临床模型最终将放射组学特征与临床因素整合构建临床-放射组学列线图nomogram并分别在训练集、验证集和测试集中评估其预测性能。该研究期望开发出一种无创、易用且可靠的预测工具帮助临床医生在治疗前识别可能从免疫治疗中获益的晚期胆道癌患者从而优化治疗决策避免无效治疗带来的资源浪费与患者风险。03数据和方法研究数据总样本量258例晚期胆道癌患者回顾性队列206例训练集145例验证集61例前瞻性队列52例独立测试集纳入标准接受至少1个周期免疫治疗、治疗前2周内行增强CT、有可评估淋巴结转移。排除标准图像质量差、资料不全、无可评估淋巴结。数据来源四川大学华西医院单中心图 1患者招募流程图技术方法1影像组学分析淋巴结筛选与分割由2名具有5年和20年腹部影像经验的放射科医生根据CT标准短轴直径10mm、形态异常等筛选最可能转移的淋巴结在平扫期、动脉期、门静脉期图像上手动勾勒2D感兴趣区ROI特征提取与筛选使用uAI Research Portal提取1904个影像组学特征一阶特征、纹理特征、形状特征等经重采样、灰度离散化、Z分数归一化处理通过组内相关系数ICC≥0.75筛选稳定特征采用最大相关最小冗余mRMR和LASSO算法5折交叉验证进一步降维最终筛选9个特征构建Rad-score2模型构建临床模型通过单因素和多因素逻辑回归筛选免疫治疗疗效的独立预测因子免疫治疗周期、ECOG评分、联合抗血管生成药物、胆管扩张、腹膜转移、肺转移构建临床模型临床-影像组学列线图将Rad-score与上述6个临床参数整合通过多因素逻辑回归构建列线图3模型评估性能指标ROC曲线AUC、灵敏度、特异度、准确率、校准曲线、Brier评分拟合优度统计检验DeLong检验比较AUC差异Kaplan-Meier曲线log-rank检验分析列线图评分与OS、PFS的关系SHAP分析量化特征重要性亚组分析肝内胆管癌iCCA、肝外胆管癌eCCA、胆囊癌GBC验证模型适用性04实验结果1Rad-score性能由9个特征组成6个纹理特征、1个形状特征等反应组Rad-score显著高于无反应组p0.001训练/验证/测试集AUC分别为0.81395% CI 0.636-0.980、0.76195% CI 0.625-0.896、0.70395% CI 0.561-0.8442临床模型性能训练/验证/测试集AUC分别为0.83495% CI 0.688-0.990、0.87895% CI 0.773-0.984、0.74095% CI 0.596-0.885优于单独Rad-score3临床-影像组学列线图性能预测效能最优训练/验证/测试集AUC分别为0.899、0.843、0.874测试集中AUC显著高于临床模型p0.023和Rad-scorep0.019拟合优度良好Brier评分最低验证集0.170、测试集0.204校准曲线显示预测值与实际治疗反应高度一致亚组适用性iCCA、eCCA、GBC亚组AUC分别为0.873、0.867、0.855均优于单独模型生存预测列线图高分组≥0.5OS中位14.0个月vs10.0个月和PFS中位11.0个月 vs 6.0个月显著长于低分组p0.0011年/2年OS率76.4%/56.2% vs 48.0%/32.2%和PFS率56.2%/41.6% vs 16.4%/12.3%均更高4SHAP分析特征重要性排序腹膜转移SHAP值0.47免疫治疗周期0.46胆管扩张0.40肺转移0.34抗血管生成药物0.24Rad-score0.22ECOG评分0.21图 3模型构建与性能图图 4模型校准曲线图 5SHAP分析图图 6Kaplan-Meier生存曲线05研究结论该研究成功构建并验证了一个整合淋巴结放射组学特征与临床指标的临床-放射组学列线图用于预测晚期胆道癌BTC患者对免疫检查点抑制剂ICIs的治疗反应。研究表明该模型在训练、验证和测试队列中均表现出优异的判别能力曲线下面积AUC分别为0.899、0.843和0.874显著优于单纯临床模型或放射组学评分。此外列线图高分患者的总生存期OS和无进展生存期PFS均显著优于低分患者中位OS14.0个月 vs. 10.0个月中位PFS11.0个月 vs. 6.0个月显示出其在预后分层中的临床价值。研究强调该模型作为一种非侵入性、易用且经济的预测工具有望在临床实践中辅助识别可能从免疫治疗中获益的患者实现个体化治疗决策。尽管存在单中心回顾性设计、治疗方案异质性及淋巴结病理验证不足等局限性但该研究首次证实了淋巴结放射组学特征在预测晚期BTC免疫治疗反应中的潜力为未来相关研究和临床实践提供了新方向。参考文献Li Q, Guo J, Wang F, Yu H, Wei Y, Zheng Y, Huang Z, Ma J. Clinical-radiomics nomogram integrating lymph node radiomic features to predict immunotherapy response in advanced biliary tract cancers. J Immunother Cancer. 2025 Dec 30;13(12):e012416. doi: 10.1136/jitc-2025-012416.