下载客户端

可预测未来发生肺炎风险！美国德州大学MD安德森癌症中心：开发并验证了一款深度学习基础模型

2026-09-22 10:06

来源：澎湃新闻·澎湃号·湃客

听全文

近日，美国德克萨斯大学MD安德森癌症中心学者在期刊《Journal for ImmunoTherapy of Cancer》上发表了研究论文，题为“CT-based deep foundation model for predicting immune checkpoint inhibitor-induced pneumonitis risk in lung cancer”，本研究中，研究人员开发并外部验证了CIPHER，这是一种基于CT的影像生物标志物，用于非小细胞肺癌（NSCLC）治疗前免疫检查点抑制剂相关肺炎（ICI-P）的风险分层。CIPHER作为一种无创的ICI-P风险评估工具展现出应用前景，但在临床转化前仍需前瞻性验证。

改变肺癌治疗格局的免疫新药：既能精准杀肿瘤，也可能带来免疫失衡风险

免疫检查点抑制剂（ICIs）极大地改变了癌症治疗的格局，尤其是在占所有肺癌85%的非小细胞肺癌（NSCLC）中。通过阻断程序性死亡蛋白1（PD-1）和细胞毒性T淋巴细胞相关蛋白（CTLA-4）等抑制性检查点，ICIs可激活免疫细胞以靶向并摧毁肿瘤细胞，在多种治疗场景中改善了患者的生存率。然而，这些益处也伴随着免疫相关不良事件（irAEs）的风险，当T细胞过度活化破坏健康器官中的免疫稳态和外周自身耐受时，便可能引发此类事件。

CIPHER模型的解读

本研究结果凸显了CIPHER模型在利用基线CT扫描识别ICI-P风险患者方面的临床可解释性和预测潜力。如图所示，该模型在肺炎发作前定位了高风险肺部区域。在代表性病例中，图中一致强调了存在间质异常的区域，特别是表现为纤维化的模式，如胸膜下网状影和磨玻璃影（白色箭头），这可能反映了预先存在且可能未被诊断的间质性肺疾病。值得注意的是，模型在某些情况下也会对非纤维化表现给予高注意力，包括肺不张/实变影（绿色箭头）和血管结构（蓝色箭头），这表明可能存在混杂信号或相关的影像学标志物。总的来说，这些可视化结果表明CIPHER利用了基线CT中具有临床意义的肺部特征。

之后研究人员在内部队列中进行了定量临床/放射学相关性分析和误差分析。CIPHER正确分类了33例ICI-P病例中的28例，以及60例非ICI-P对照组中的51例，其中9例为假阳性，5例为假阴性。研究人员使用Mann-Whitney U检验比较了CIPHER MSE评分在基线临床/放射学变量上的差异。研究发现表明，CIPHER风险评分可能捕捉到临床相关的基线肺部脆弱性，同时也突显了既往肺部疾病和治疗相关肺损伤可能带来的混杂影响。

CIPHER应被视为一种预处理影像风险分层辅助工具，而非独立的诊断或治疗决策工具。在潜在的临床工作流程中，在启动免疫检查点抑制剂治疗前获取的常规基线胸部CT将进行标准化预处理和肺部分割，随后基于CIPHER生成患者层级的风险评分、风险类别和可视化解释图。当临床需要时，这些输出可支持肿瘤科、胸部放射科和呼吸科的多学科会诊。对于被归类为高风险的患者，CIPHER可支持基线肺部评估、间质性肺疾病/肺泡损伤或放射性肺损伤的复查、合并肺部疾病的优化、关于早期肺炎症状的患者咨询、更严密的症状监测、更早的随访影像检查，以及更低的肺科会诊门槛。