本研究由Thibaud P. Coroller（通讯作者）等来自哈佛医学院Dana-Farber癌症研究所和Brigham and Women’s医院放射肿瘤科的团队完成，发表于2016年6月的《Radiotherapy and Oncology》期刊（最终版DOI:10.1016/j.radonc.2016.04.004）。研究聚焦放射组学（Radiomics）在非小细胞肺癌（NSCLC）新辅助放化疗后病理反应预测中的应用。
肺癌是全球癌症死亡的首要原因，其中IIIA期NSCLC患者常接受包含新辅助放化疗和手术的三联疗法。然而，三联疗法的生存获益存在争议，因此早期预测病理反应对个体化治疗至关重要。传统评估方法如RECIST标准依赖肿瘤直径变化，但NSCLC对放化疗的影像学反应较慢，限制了其预测价值。放射组学通过高通量提取定量影像特征（如纹理、形状等）构建肿瘤表型图谱，此前已被证明与肺癌组织学、分期和预后相关。本研究旨在探索治疗前CT影像的放射组学特征能否预测局部晚期NSCLC患者的病理反应。
1. 患者队列与数据收集
研究纳入2001-2013年间127例接受新辅助放化疗后手术的II-III期NSCLC患者。排除标准包括远处转移或放化疗后手术延迟超过120天。主要终点为手术病理评估的残留肿瘤分级：病理完全缓解（pCR）、微观残留（MRD）或肉眼残留（GRD）。其他临床终点包括总生存期（OS）、远处转移（DM）和局部复发（LR）。
2. 影像采集与处理
- CT采集：使用GE LightSpeed CT扫描仪获取治疗计划图像，平均体素间距为0.9×0.9×3 mm，重采样至3×3×3 mm³标准化空间。
- 肿瘤分割：通过Varian Eclipse系统手动勾画原发肿瘤轮廓，排除血管、正常组织等干扰（图1a），并由放射肿瘤专家验证。
- 特征提取：使用MATLAB 2013和3D Slicer 4.4.0软件提取1603个放射组学特征，包括形状、统计和纹理特征（如灰度共生矩阵GLCM和灰度区域大小矩阵GLSZM），部分特征经过小波变换和拉普拉斯高斯滤波处理（图1b）。
3. 特征选择与统计分析
- 特征筛选：基于稳定性和方差从1603个特征中筛选出15个关键特征（表3），包括1个形状特征（球形偏离度）、7个统计特征（如均值和偏度）和7个纹理特征（如GLCM熵）。
- 预测模型构建：采用ROC曲线下面积（AUC）评估特征预测性能，阈值设为AUC>0.6且p<0.05。比较放射组学特征与传统特征（肿瘤体积、2D/3D最大直径）的预测能力。
- 多变量模型：建立三类逻辑回归模型（传统特征、放射组学特征、联合特征），通过100次交叉验证（80%训练集/20%验证集）评估性能差异。
1. 病理反应预测
- 肉眼残留（GRD）预测：7个放射组学特征显著预测GRD（AUC 0.61-0.66），其中球形偏离度（AUC=0.63, p=0.009）和纹理异质性（5mm 3D-GLCM熵，AUC=0.61, p=0.03）表现突出。球形肿瘤和纹理异质性高的肿瘤更可能对治疗反应不佳（图2a）。
- 完全缓解（pCR）预测：仅小波HLL均值特征显著预测pCR（AUC=0.63, p=0.01），而传统特征无预测价值（AUC 0.51-0.55）（图2b）。
2. 多模型比较
联合模型在预测pCR时显著优于单一模型（AUC=0.68 vs. 放射组学0.61/传统0.60），而放射组学模型对GRD的预测优于传统模型（AUC=0.65 vs. 0.57）（图3）。
3. 临床相关性
病理反应与3年无远处转移（pCR 79% vs. GRD 50%, p=0.036）和无局部复发率（pCR 94% vs. GRD 62%, p=0.013）显著相关，但与传统影像特征无关（表2）。
本研究首次证实治疗前CT放射组学特征可预测NSCLC新辅助治疗的病理反应，其性能优于传统影像指标。科学价值在于揭示了肿瘤表型（如形状复杂性、纹理异质性）与治疗敏感性的关联；临床应用价值在于为个体化治疗决策（如是否需手术强化）提供了无创预测工具。局限性包括样本量较小（n=127）和影像采集标准化不足，但通过严格的交叉验证和特征筛选增强了结果可靠性。
研究得到美国国立卫生研究院（NIH）资助，数据与分析方法已通过RIDER测试-再测试数据集验证了特征可重复性（参考文献34），为后续多中心研究奠定了基础。补充材料中详细描述了特征提取算法和稳定性测试流程。