编者按：一年一度的欧洲肿瘤内科学会（ESMO）年会，连续第二年以线上虚拟会议的形式召开，在这一肿瘤学盛会上，我国学者贡献了多项具有重要临床意义的研究，其中由复旦大学附属中山医院院长樊嘉院士、周俭教授、孙惠川教授团队开展的一项“以患者基线核磁共振影像组学特征，预测仑伐替尼联合PD-1抑制剂用于不可切除肝细胞癌患者的有效性”研究入选年会壁报展示环节。《肿瘤瞭望》特邀复旦大学附属中山医院孙惠川教授，对该项研究进行了介绍和点评。
研究背景
仑伐替尼+PD-1抑制剂联合治疗，对不可切除肝细胞癌（uHCC）患者有效，但目前尚无生物标志物能够预测联合治疗的应答率，因此研发一种在起始治疗前可用的预测方法，将带来极大临床益处。
研究方法
研究连续纳入2018年9月-2021年2月间，复旦大学附属中山医院使用仑伐替尼+PD-1抑制剂一线治疗，且至少接受过一次影像学评价应答的患者，其中肝内肿瘤应答每2个月（±2周）使用改良版RECIST标准评价一次，肝内最佳应答评价为完全缓解（CR）或部分缓解（PR）的患者被定义为影像学缓解患者，而病情稳定（SD）或疾病进展（PD）患者属不缓解患者。研究从基线磁共振增强的动脉期和延迟期提取影像组学特征（radiomics features），并使用LASSO模型进行特征选择，以神经网络构建预测模型，以受试者工作特征（ROC）曲线中约登指数最大化确定最佳的截断值（Cut-off Value）。
研究结果
在96名符合条件的患者中，50%（n=48）属于影像学缓解患者，全部患者被随机分至训练队列（n=72）或验证队列（n=24），患者基线特征如表1所示。研究者共提取到2420条影像组学特征，并经min-max标准化。训练队列中组内相关系数≥0.80的特征被纳入LASSO模型（见图1），其中磁共振增强动脉期和延迟期各有5条特征被判定存在显著性，用于神经网络构建预测模型。预测模型用于训练队列的曲线下面积、准确性、特异性和敏感性分别为0.971（P<0.001）、97.2%、97.2%和97.2%，用于验证队列时上述数据分别为0.778（P=0.010）、75.0%、91.7%和58.3%（见图2）。
表1、患者基线特征
图1、影像组学特征选择
图2、神经网络预测模型预测仑伐替尼+PD-1抑制剂有效性的ROC曲线
研究结论
从患者基线核磁共振检测提取的影像组学特征，有望作为仑伐替尼+PD-1抑制剂起始治疗前预测疗效的方法。
研究者说
我们开展这项研究，其实是被临床中遇到的一个问题所启发。众所周知，我国大多数肝癌患者是在中晚期才被确诊的，生存率一般比较差，但最近两三年肝癌系统性治疗和局部治疗发展迅速，患者肿瘤缩小甚至降期也比较常见，起到了转化治疗的效果，为外科手术根治、带来患者长期生存提供了机会，但手术时机也需要把握。
随着影像学技术的发展，我们能够从一张片子上提取1000-2000个影像组学信号，类似基因组表达谱的研究，影像组学信息往往比肉眼更加精准，所以我们的这次研究，才使用影像组学信息预测HCC患者的治疗效果，从初步数据来看这个方向是可行的，我们正在继续研究积累更多病例，并开展多中心验证工作，希望这一结果能为肝癌诊疗医生们提供新的工具，也呼吁全国同行们积极参与到多中心验证研究当中。
本次研究中我们医院实力出色的影像科功不可没，他们此前就开展过应用影像组学特征，预测肝癌患者是否存在微血管癌栓的情况，本次也是由影像科团队从我科收治患者的影像学检查中，提取了约10个影像组学特征，并对仑伐替尼+PD-1抑制剂的疗效进行预测，效果还是比较好的。
我们希望能够以此筛查出对肝癌系统性治疗相对敏感的人群，未来也计划用这一方法预测双抗体治疗，或是接受系统性治疗联合肝动脉灌注化疗等局部治疗的肝癌患者，评估哪一种治疗更合适。不过未来的多中心研究还存在一定困难，例如使用影像组学的方法，将各中心的检查片子统一化，寻找患者特征的共性，就需要开展大量工作，但有了大样本数据，人工智能、机器学习等方法就可以得到应用，对治疗决策起到辅佐作用。
专家简介
孙惠川教授
复旦大学肝癌研究所副所长
复旦大学附属中山医院肝脏外科副主任
中国抗癌协会肝癌专委会候任主委，青委会主任委员
中国抗癌协会肿瘤转移委员会副主任委员
中国医师协会肝癌专业委员会常委
中国医师协会肝脏外科学组秘书
上海市肿瘤靶分子学会副主任委员
上海市优秀学术带头人、上海市领军人才
京公网安备 11010502033352号