wczz1314
编者按：“AME 作者面对面” 是微信公众号 “AME科研时间” 的特色专栏。编辑部精心挑选了发表在 AME 旗下杂志的优秀论著，诚邀作者总结亮点，分享研究成果，旨在进一步推动医学同行之间的交流和进步。
分享团队：
苏州大学黄玉辉团队
所刊杂志：
Translational Lung Cancer Research（）
文章标题：
多中心构建与验证基于异质性影像的模型以预测晚期非小细胞肺癌一线免疫治疗效果（Multi-Institutional Development and Validation of Habitat Imaging for Predicting Outcomes of First-Line Immunotherapy in Advanced NSCLC）
内容亮点
理论机制阐释的深化：本研究明确指出，临床常规的动脉期增强CT影像本质反映了肿瘤内部的血管生成与血流灌注特征。所提出的“生境成像”方法通过量化分割不同强化特征的亚区域，实现了对肿瘤内部异质性微环境（如高灌注区、缺血区及坏死区域）的无创解析。该方法使模型能够捕捉与免疫治疗响应密切相关的内在生物学行为，而不仅是宏观形态特征，从而为预测效能提供了理论依据。
方法学层面的创新：区别于传统放射组学中将肿瘤视为均质整体的策略，“生境成像”将其重构为一个由功能各异生物学区域构成的生态系统，通过分割与多区域特征提取，实现了对肿瘤空间异质性更精细与可量化的表征。
模型预测效能的系统验证：本研究证实，该影像学生物标志物具备独立预测潜力（单一模型AUC=0.758），凸显其基于微环境信息建模的稳健性。更重要的是，在与PD-L1表达等分子标志物及临床变量整合后，预测性能显著提升（AUC=0.869），体现了宏观影像表型与微观分子特征在预测逻辑上的互补性与协同性。
临床转化价值的充分体现：生存分析进一步显示，基于“生境成像”的风险分层能够显著区分患者的无进展生存期，表明其与长期临床获益密切相关。该方法基于广泛可及的CT影像，具备无创、可重复及易于标准化推广的特点，为推进非小细胞肺癌免疫治疗的精准决策提供了具高临床应用前景的新型工具。
总结而言，本研究的核心贡献在于将常规增强CT中隐含的肿瘤血供与微环境异质性信息，通过“生境成像”这一计算方法转化为具有定量生物学意义的预测指标，为破解免疫治疗疗效预测难题提供了新路径，兼具创新性与临床实用价值。（论著中文信息由第一作者整理提供，欲览英文原文请扫描下方二维码）
DeepSeek回答精选（仅供参考）
第一作者：张哲
张哲，北京大学深圳医院放射治疗科，医学物理师，博士研究生，北京大学深圳医院辐射委员会委员。发表会议及论文14篇，以第一作者及共一作者发布论文8篇，主译专著《乳腺癌放射治疗：技术应用实践指南》，担任 Academic Radiology、Medical Physics、Physics and Imaging in Radiation Oncology等杂志审稿人。
第一作者 ：刘振华
刘振华，盐城市第一人民医院肿瘤放疗科，副主任医师，肿瘤学博士，盐城市抗癌协会头颈部肿瘤专业委员会秘书长，盐城市医学会放射肿瘤学分会委员，盐城市抗癌协会放射治疗专业委员会委员，盐城市抗癌协会胸部肿瘤整合医疗专委会委员，发表SCI论文10余篇，其中第一及通讯作者身份14篇，申请并获授权多项肿瘤学及放射治疗学相关发明及实用新型专利。
通讯作者：黄玉辉
黄玉辉，苏州大学特聘教授、博士生导师，唐仲英医学研究院副院长，哈佛医学院博士后，曾任美国Mayo Clinic助理教授。一直致力于肿瘤免疫逃逸机制、免疫治疗耐受机理与干预策略的研究工作，以通讯/第一作者在Nat Rev Immunol、 Cancer Cell、J Clin Invest、PNAS等发表了一系列SCI论文，其中Nature Index论文10篇, 高被引论文6篇，主持国自然“原创探索计划项目”等多项国家级项目。曾荣获国家科学技术进步二等奖、Aflac Scholar-in-Training Award 、Merck Scholar-in-Training Award等，入选江苏省 “特聘教授” 和江苏省 “双创团队”，中国抗癌协会第二届血液转化医学专业委员会委员，中国抗癌协会肿瘤代谢专业委员会。
微信扫一扫打赏
支付宝扫一扫打赏
