肺癌作为全球癌症相关死亡的主要原因，其中肺腺癌是最常见的亚型之一。对于肺腺癌患者而言，淋巴结是否发生转移是影响治疗方案选择和预后的关键因素。传统的影像学评估方法在预测肿瘤生物学行为及淋巴结转移风险方面存在局限性，这使得术前精准评估淋巴结转移状态成为临床决策中的一大挑战。
影像组学：揭示肿瘤异质性的新视角
近年来，影像组学作为一种高通量提取影像特征的技术，在癌症诊断和预后评估中展现出巨大潜力。它能够从CT等医学影像中提取大量定量特征，从而揭示肿瘤内部和周围的生物学信息，为理解肿瘤的复杂性提供了新视角。然而，以往针对肿瘤原发灶或瘤周区域的单一影像组学研究，在预测淋巴结转移方面往往存在泛化能力不足的问题。
创新研究：多区域影像组学与机器学习的融合
为了克服传统方法的局限性，一项创新研究引入了“生境影像组学”概念，并结合原发灶及瘤周影像组学，构建了基于堆叠机器学习模型的预测工具。该研究回顾性分析了1263例浸润性肺腺癌患者的临床资料，通过以下步骤进行：
- 区域划分： 利用V-net自动分割并结合人工校正，精确界定原发灶区域；在原发灶基础上向外均匀扩展3毫米，定义为瘤周区域；通过K-means聚类方法对CT图像灰度值进行聚类分析，划分出不同的“生境”区域，以捕捉肿瘤及其周边环境的异质性信息。
- 特征提取： 基于上述原发灶、瘤周及生境区域，利用PyRadiomics工具提取了包括一阶统计学特征、灰度共生矩阵等在内的大量影像组学特征，全面反映肿瘤的形态、纹理及其内部异质性。
- 模型构建： 采用堆叠机器学习方法，结合多种基础分类器（如逻辑回归、随机森林等）和贝叶斯优化，构建了预测肺腺癌淋巴结转移状态的模型。
关键发现：生境影像组学展现卓越泛化能力
研究结果令人鼓舞。在剔除不符合标准的患者后，最终纳入651例患者进行分析。尽管生境影像组学模型在训练集中的表现并非最优，但在内部验证集中却表现突出，其受试者工作特征曲线下面积（AUC）高达0.952，F1分数为84.62%，精确率-召回率AUC为0.892。这表明，基于生境影像组学构建的模型在预测肺腺癌淋巴结转移状态方面具有更好的泛化能力和临床应用潜力。
图 1 影像组学特征筛选，堆叠模型的构建
a～b：生境的 label 1 和 label 2 来源，展示在生境 label 1（a）和 label 2（b）中影像组学特征的分布情况；c～d：原发灶和瘤周的特征分布情况；e～f：经过单因素分析后展示生境 label 1（e）和 label 2（f）内部特征间的相关性热图；g～h：原发灶和瘤周的相关性分析热图。
此外，模型可解释性分析显示，生境label 1的多个主成分对模型预测贡献度最高，提示肿瘤内部不同“生境”区域在评估肿瘤转移风险中扮演着重要角色。
图 2 生境影像组学模型的可解释性分析
a：训练阶段最终估计器的回归系数分布，横坐标表示系数大小，纵坐标为特征主成分；较大的正或负系数表示该特征对模型预测的贡献较大；b：SHAP（Shapley Additive Explanations）值分析，展示不同主成分对模型预测输出的影响，横坐标为SHAP 值，纵坐标为特征变量；颜色表示特征值大小，红色代表特征值高，蓝色代表特征值低，点的分布反映了特征对模型预测结果的贡献及变化趋势。
临床意义：赋能肺腺癌精准诊疗
这项研究为浸润性肺腺癌的术前评估和个体化治疗方案制定提供了新的思路。通过精准预测淋巴结转移风险，外科医生可以更科学地选择手术方式和淋巴结清扫范围，例如，对高风险患者进行更广泛的清扫，而对低风险患者则可采用有限清扫，从而减少手术创伤和并发症。
对于被诊断为肺腺癌的患者，精准的术前评估至关重要。MedFind致力于为全球癌症患者提供前沿的抗癌资讯，包括最新的诊疗指南和药物信息，帮助患者及其家属更好地理解病情和治疗选择。您可以通过MedFind的抗癌资讯平台获取更多相关信息。
一旦明确诊断和治疗方案，患者可能需要获取特定的靶向药。MedFind提供便捷的海外靶向药代购服务，确保患者能及时获得所需药物。同时，我们的AI问诊服务也能为患者提供初步的个性化咨询，辅助决策。
展望与局限：未来研究方向
尽管本研究取得了显著成果，但作为单中心回顾性研究，其样本量相对有限。未来仍需在多中心、大样本的前瞻性研究中验证模型的可靠性与适用性。此外，结合增强CT、PET-CT等多模态影像数据以及其他生物标志物，有望构建更为精准且具备更广泛应用价值的预测模型。
结语：迈向更精准的肺腺癌管理
这项研究证明了生境影像组学结合机器学习在预测浸润性肺腺癌淋巴结转移风险方面的巨大临床价值。它为术前精准评估和个体化治疗策略提供了新的工具，为影像组学在肺癌领域的深入应用奠定了基础，最终目标是帮助患者获得更优的治疗效果和生活质量。
