美国哥伦比亚大学医学中心Dercle等报告的研究结果表明，从基线和第一次随访时常规CT图像中获取的放射组学特征可用于临床，并可能提前准确地预测PD-1药物单药治疗黑色素瘤患者的生存。(JAMA Oncol. 2022年1月20日在线版 doi: 10.1001/jamaoncol.2021.6818)

现有的评估癌症患者治疗益处的标准几乎完全取决于肿瘤大小，这一方法虽并非旨在评估生存获益，但仍受到免疫疗法独特性的挑战。更准确地预测生存期有助于改善治疗决策。

该研究利用放射组学和机器学习验证定量计算机断层扫描(CT)成像特征在评估免疫治疗的晚期黑色素瘤患者的总生存期(OS)方面的性能。

该项预后研究使用放射组学和机器学习回顾性地分析基线时和第一次随访时获得的CT图像及其相关的临床元数据。前瞻性收集KEYNOTE-002和KEYNOTE-006多中心临床试验数据。575例诊断为晚期黑色素瘤患者被随机分配到训练集和验证集。本研究自2012年11月20日至2019年6月3日收集数据，2019年7月1日至2021年9月15日进行分析。

KEYNOTE-002试验基于随机分组测试静脉给药帕博利珠单抗2 mg/kg或10 mg/kg，每2周或3周一次，或研究者选择的化疗;KEYNOTE-006试验基于随机分组测试静脉给药伊匹单抗3 mg/kg，每3周一次，静脉给药帕博利珠单抗10 mg/kg，每2周或3周一次，随机分组。

主要结果为使用时间依赖的受试者工作特征曲线(AUC)下面积，评估接受帕博利珠单抗治疗的患者CT成像特征对治疗后6个月OS的预测效能。

随机森林模型结合了从CT图像上分割的肿瘤中提取的25个影像学特征，筛选最能估计575例帕博利珠单抗联合治疗患者OS的特征。最终结合了4个影像学特征，2个与肿瘤大小有关，2个反映肿瘤影像学表型变化。

在验证集(287例接受帕博利珠单抗治疗的患者)中，该特征达到估计OS的AUC为0.92 (95%CI 0.89~0.95)。实体瘤疗效评价标准1.1版评估的标准方法使AUC达到0.80 (95%CI 0.75~0.84)，并将肿瘤预后分为部分缓解或完全缓解(93/287例，32.4%),疾病稳定(90/287例，31.3%)或疾病进展(104/287例，36.2%)。 (编译 马旭)