非小細胞肺癌免疫治療的影像學研究進展

田琪 綜述 馮峰 審校

肺癌是威脅到全人類生命健康的常見惡性腫瘤之一[1]。根據(jù)組織學類型，肺癌主要分為非小細胞肺癌(non-small cell lung cancer，NSCLC)和小細胞肺癌(small cell lung cancer，SCLC)，以NSCLC為主，約占所有病例的85%[2]。目前，NSCLC的治療方法以外科手術輔以化療為主，但療效常因為患者的個體化差異較大，往往無法取得令人滿意的治療效果。近年來，免疫治療已經成為NSCLC的熱點治療方法，通過使用免疫檢查點抑制劑(immune checkpoint inhibitors，ICIs)對NSCLC患者進行治療，可以有效延長晚期及轉移性NSCLC患者的生存期[3]。影像學一直都是用于監(jiān)測NSCLC的有效檢查手段，利用先進的影像技術對患者醫(yī)學圖像進行定性或定量分析，繼而預測免疫檢查點分子標志物并能對免疫治療的療效和患者預后進行評價。本文對影像學在NSCLC免疫治療中的應用進行綜述。

NSCLC免疫治療的機制與現(xiàn)狀

免疫系統(tǒng)可以識別并清除發(fā)生突變的腫瘤細胞，然而，當腫瘤細胞逃避免疫系統(tǒng)的免疫監(jiān)視作用后，可造成腫瘤的增殖以及疾病的進展。腫瘤細胞通過表達具有免疫抑制性的特殊分子使得細胞毒T淋細胞(CD8+T細胞)功能失活，最終阻遏免疫系統(tǒng)對腫瘤細胞的殺傷作用。ICIs通過抑制檢查點標志物，使腫瘤細胞對T細胞的無法產生抑制作用。細胞毒性T淋巴細胞抗原4(cytotoxic T-lymphocyte antigen 4，CTLA-4)是第一個成為臨床靶點的免疫檢查點受體[4]。CTLA-4抑制劑會導致一系列不良反應，因此該類抑制劑并未廣泛用于臨床。細胞程序性死亡受體1(programmed death-1，PD-1)/程序性死亡配體1(programmed death ligand-1，PD-L1)單抗與常規(guī)化療相比具有更強的抗腫瘤作用，因而改變了NSCLC傳統(tǒng)的治療模式。最新的《NCCN非小細胞肺癌臨床實踐指南》[3]針對晚期或轉移性NSCLC的維持治療也已經明確指出：如果NSCLC患者接受ICIs一線免疫治療，則應接受兩年的維持治療；而如果患者接受二線免疫治療，則應接受維持治療直至疾病進展。由此可見，ICIs在晚期NSCLC治療中具有重要作用。

研究顯示，免疫組化或基因檢測PD-1/PD-L1高表達的肺癌患者免疫治療獲益度更高。但是利用病理篩選具有PD-1/PD-L1高表達的患者屬于有創(chuàng)檢查，且存在不能多次、全腫瘤取樣而造成漏診的問題，可能使部分不能承受手術活檢或活檢漏診的患者無法得到及時治療。因此，迫切需要無創(chuàng)且基于全腫瘤的采樣技術以選擇能從免疫治療中受益的患者。非侵入性的影像學技術不僅可以實時、動態(tài)地對NSCLC患者的免疫檢查點標志物進行預測，并且通過構建影像組學模型也能對NSCLC患者的生存期和預后進行預測。

影像學在預測NSCLC免疫檢查點標志物中的應用

1.CT影像組學預測免疫檢查點標志物

臨床實踐中，應用最廣泛的是免疫組化檢測PD-L1。然而，由于PD-L1在腫瘤微環(huán)境中表達高度復雜，免疫組化無法充分了解PD-L1在全身的表達水平。CT成像不僅可以了解腫瘤的宏觀特征，同樣也能發(fā)掘腫瘤細胞的更深層次的特征。CT影像組學是指從腫瘤患者CT圖像提取大量影像學信息，并進行腫瘤分割、特征提取以及模型建立，從而挖掘患者腫瘤細胞的分子特性[5]。Yoon等[6]對NSCLC患者CT圖像的形態(tài)學特征和CT影像組學特征與PD-L1表達之間的關系分別進行相關性分析發(fā)現(xiàn)，所有形態(tài)學特征與PD-L1表達均無關聯(lián)(P值均>0.05)，影像組學特征與PD-L1表達顯著相關(P=0.0007)。這說明利用影像組學特征評價PD-L1表達狀態(tài)比形態(tài)學特征更能發(fā)現(xiàn)那些可以從免疫治療中獲益的患者。另外，有研究[7]共收集了390例確診NSCLC患者的CT圖像并篩選出9個最佳影像組學特征，結合臨床病理危險因素以開發(fā)PD-L1表達狀態(tài)(PD-L1表達≥50%)預測模型。結果表明，在訓練組中聯(lián)合模型受試者操作特征曲線下面積(area under curve，AUC)為0.829，單獨的影像組學模型AUC為0.786。因此，結合臨床病理特征可以提高預測效能，未來計算機輔助這類特征的自動提取、靶區(qū)勾畫，能減少醫(yī)生投入的時間，有望推進此類方法的進一步應用。此外，具有PD-1或PD-L1高表達、腫瘤組織中有大量CD8+T細胞浸潤的NSCLC患者更易從免疫治療中獲益。Sun等[8]構建CT影像組學模型對該類患者具有較高的預測效能(AUC=0.76)，這也為NSCLC免疫治療獲益人群的選擇提供了新思路，具有臨床推廣應用的潛力。

2.18F-FDG PET/CT預測免疫檢查點標志物

18F-脫氧葡萄糖正電子發(fā)射計算機斷層顯像/計算機斷層掃描(18F-deoxyglucose positron emission tomography /computer tomography，18F-FDG PET/CT)是用于腫瘤診斷的最廣泛使用的分子成像方式。18F-FDG可以通過葡萄糖轉運蛋白轉移到癌細胞中，從而保存在腫瘤中并被PET所攝取。Wang等[9]研究了NSCLC患者18F-FDG PET/CT代謝信息與免疫標志物表達之間的相關性，并探討最大標準化攝取值(maximal standard uptake value，SUVmax)在肺癌中的作用。該研究證明，SUVmax與CD8+T細胞浸潤程度、PD-1和PD-L1的表達程度均存在明顯正相關(P值均<0.05)。Wang等[10]利用腫瘤比例評分(tumour proportional score，TPS)確定接受18F-FDG PET/CT掃描的未經治療的ⅢB-Ⅳ期NSCLC患者肺部病變中的PD-L1表達程度，將患者分為PD-L1低、中和高表達(分別對應PD-L1 TPS<1%、1%～49%和≥50%)，最后分析PD-L1表達與SUVmax值的關系。結果表明，SUVmax可以作為PD-L1表達的潛在生物標志物，能夠對NSCLC患者PD-L1表達程度進行有效分層(SUVmax <14.4、14.4～17.5和>17.5分別對應PD-L1低、中和高表達)。此外，臨床特征和代謝特征聯(lián)合預測比單獨代謝特征表現(xiàn)出更好的效能。Zhou等[11]通過構建基于臨床和多種PET代謝特征(如SUVmax)的聯(lián)合模型成功預測腫瘤中有CD8+T細胞高度浸潤及PD-1/PD-L1高表達的NSCLC患者(AUC=0.869)。因此，PET/CT代謝特征，尤其是SUVmax在預測肺癌免疫治療檢查點標志物表達程度方面表現(xiàn)出較好的預測效能，聯(lián)合臨床特征效果更佳，可以為指導NSCLC患者免疫治療提供重要信息。但因其檢查費用較高，臨床常規(guī)應用受到限制。

NSCLC免疫治療的預后評價

1.iRECIST標準評估NSCLC患者免疫治療效果

改良版實體瘤反應評估標準(response evaluation criteria in solid tumors 1.1，RECIST 1.1)是評估實體瘤治療反應的主要方法，然而通常用于傳統(tǒng)的細胞毒性化療[12]。由于免疫療法本身的特殊機制，該標準在評估免疫相關的腫瘤異常反應模式時仍然具有一定的局限性。其中，影像學在進行形態(tài)評估時最常見和最具挑戰(zhàn)性的反應模式是“假性進展”，即在影像上表現(xiàn)似病灶復發(fā)或者變大，隨后病灶逐漸消失或保持穩(wěn)定[13]。如果無法正確識別假性進展，無疑會使患者面臨更高的風險(繼續(xù)無效治療)。為了評估這種特殊的反應模式，2016年制定了更加詳細的實體瘤免疫治療療效評價標準(immune response evaluation criteria in solid tumor，iRECIST)，該標準主要通過免疫治療后兩個時間點確認患者是否真正發(fā)生進展，即患者若在治療后某一時間點發(fā)生未經證實的腫瘤進展，則從該時間點開始，繼續(xù)隨訪4～8周，在隨訪結束后以證實是否是真正的進展[14]。新標準不僅適用于ICIs治療的NSCLC患者，對于采用免疫治療的其他癌癥，包括黑色素瘤、腎細胞癌和膀胱癌等也同樣適用。

2.影像組學評估NSCLC患者免疫治療效果

在預測和評估NSCLC患者的免疫治療反應時，影像組學可以提供定量預測指標作為RECIST相關標準的有效補充[15]。

CT影像組學在NSCLC免疫治療的療效評價及預后評估的應用：CT影像組學以非侵入性方式反映腫瘤的整體狀況，可對NSCLC患者預后進行有效預測。Zerunian等[16]前瞻性納入了21例接受一線帕普利珠單抗治療的晚期NSCLC患者，在基線時的對比增強CT上提取紋理參數(shù)，并采用生存分析評估紋理分析的預后價值。結果表明，在紋理參數(shù)中，正像素(MPP)的平均值與無進展生存期(progression free survival，PFS)和總生存期(overall survival，OS)顯著相關(P=0.0035、0.0038)，MPP可以作為預測一線免疫治療的NSCLC患者OS和PFS的成像生物標志物。Yang等[17]對納入的接受抗PD-1/PD-L1藥物治療的200名晚期NSCLC患者CT圖像進行回顧性分析，并在患者進行免疫治療前通過預測模型將患者分為免疫治療無反應中的高風險者和低風險者，最終預測生存期。結果表明，低風險組的PFS(11.1個月vs. 3.3個月)和OS(31.7個月 vs. 17.2個月)顯著高于高風險組。也有研究[18]利用CT影像組學特征和臨床病理因素共同構建聯(lián)合列線圖對接受ICIs治療的NSCLC患者的PFS進行預測。結果表明，列線圖預測的PFS與真實PFS之間一致性指數(shù)為0.791。因此，通過影像組學或聯(lián)合臨床特征構建預測模型，能為患者的預后提供有價值的信息[19]。值得注意的是，影像組學模型有望與病理組學模型和免疫評分相結合[20]，以進一步提高對NSCLC患者免疫療效的預測能力。

目前，數(shù)據(jù)科學高度創(chuàng)新，機器學習是一類技術和研究領域，也是人工智能(artificial intelligence，AI)的核心[21]。影像組學作為一個新興的機器學習領域，能將放射圖像轉換為可挖掘的高維數(shù)據(jù)[22]。利用機器學習建立影像組學模型預測NSCLC患者的生存期效果更佳。Liu等[23]對接受那武單抗治療前的46名NSCLC患者的CT圖像上的原發(fā)腫瘤進行分割并提取影像組學特征，通過三個機器學習分類器(向量機分類器、邏輯回歸分類器和高斯樸素貝葉斯分類器)生成的預測分數(shù)將患者分為癌癥進展的高風險組和低風險組，并進行生存分析。結果表明，高、低風險患者組在PFS和OS分析方面存在顯著差異(P值均<0.05)。深度學習作為機器學習的一個分支，通過大量計算，學習到數(shù)據(jù)內在有規(guī)律的高階表達特征，進一步提高影像組學模型的預測能力。Tian等[24]建立深度學習模型對PD-L1表達程度不同的NSCLC患者(PD-L1表達高于50%為高風險患者，低于50%為低風險患者)的PFS有顯著的分層能力(P=0.01)?？傊?，隨著機器學習的快速發(fā)展，特別是深度學習，有望在未來更廣泛地應用于臨床。最新的研究表明，基于深度學習的AI已經能夠監(jiān)測、量化腫瘤的整體生長，發(fā)掘有價值的預后信息，從而使接受ICIs治療的NSCLC患者受益。Trebeschi等[25]利用AI以全自動的方式快速評估患者治療前及治療后胸部CT圖像上所有腫瘤病灶，從中提取影像組學特征并建立影像組學模型，以預測接受PD-1檢查點抑制劑治療的152名IV期NSCLC患者的療效。結果表明，基于AI的影像組學模型在預測自圖像采集之日起的1年OS方面具有較高的效能(測試集AUC=0.75)；AI生成的預后熱圖還可對縱隔淋巴結轉移和肋骨轉移進行預測。由此可見，未來AI在免疫治療的療效評價方面具有巨大的潛力，為后續(xù)NSCLC患者無創(chuàng)個體化評估及預測提供了新手段。盡管如此，由于AI對硬件設備計算要求高、模型設計復雜等原因，投入臨床應用還需要大量實踐并驗證其效能。

18F-FDG PET/CT影像組學在NSCLC免疫治療的療效評價和預后評估的應用：由于惡性腫瘤的分子和功能變化比解剖變化更快，因此利用18F-FDG PET/CT可以在分子層面及時評估腫瘤的進展。Mu等[26]從接受免疫治療前的NSCLC患者的PET圖像、CT圖像以及已校準的PET/CT融合圖像中分別提取影像組學特征，并結合其他臨床預測指標構建影像組學列線圖。結果表明，列線圖顯示出較好的預測性能，預測PFS的一致性指數(shù)為0.77，預測OS的一致性指數(shù)為0.84。Valentinuzzi等[27]的研究通過構建18F-FDG PET影像組學模型，并比較其是否比常用的臨床標準更能預測Ⅳ期NSCLC患者對那武單抗的反應。結果表明，影像組學模型在預測OS能力方面優(yōu)于當前臨床標準，影像組學模型預測OS的AUC為0.90，臨床模型預測OS的AUC為0.79。為此，PET/CT影像組學可以為NSCLC免疫治療的療效及預后評估提供臨床標準或SUV值之外的補充信息。

影像學識別免疫相關不良事件

ICIs通過特異性阻斷檢查點標志物CTLA-4、PD-1和PD-L1，使被遏制的CD8+T細胞恢復殺傷功能。但是免疫療法也會導致長期的腫瘤反應，從而使免疫系統(tǒng)平衡失調，產生免疫相關毒性，并可能涉及各個組織，稱為免疫相關不良事件(immune-related adverse events，irAEs)[28]。IMpower系列研究[29]irAEs匯總分析結果顯示：無論是免疫治療組還是對照組，發(fā)生irAEs的患者的OS均顯著長于無irAEs的患者。這就表明發(fā)生irAEs的患者往往是ICIs治療受益患者，而無irAEs的患者可能ICIs治療無效。由此可見，irAEs可以作為NSCLC患者治療獲益的標志性事件并提示臨床及時進行干預治療，對于無irAEs的患者臨床醫(yī)生需及時鑒別其治療是否有效并采取應對措施。

目前已有的3期臨床試驗表明，那武單抗會引起58%的NSCLC患者發(fā)生irAEs，帕普利珠單抗引起29%的患者發(fā)生irAEs[30]，以肺炎、肺結節(jié)病、假性進展和皮膚樣反應為主[31-32]。肺炎是NSCLC患者面臨的最危險的irAEs[33]，這是因為免疫治療相關性肺炎沒有特異性的臨床表現(xiàn)且影像學表現(xiàn)無法與傳染性肺炎區(qū)分開，從而不能及早干預治療。胸部X光檢查常顯示為斑片狀實質混濁，且對細微實質異常的檢測不敏感；CT檢查主要表現(xiàn)以磨玻璃影、網狀影、實變和牽拉性支氣管擴張為主，特別是當接受ICIs治療的患者出現(xiàn)新的磨玻璃影時，應及時考慮自身免疫介導的肺炎[34-35]。目前，尚未有可靠的診斷標準以區(qū)分傳染性肺炎和免疫治療相關性肺炎，因此尤其是在臨床惡化的情況下，即便是輕微的體征，例如磨玻璃狀影、非典型結節(jié)及網狀結構，也應報告為可疑病例。且與其他irAEs(皮疹、結腸炎、甲狀腺功能減退和肝炎在治療6個月后及1年后均有可能發(fā)生)不同的是，免疫治療相關性肺炎常發(fā)生在ICIs治療的6個月左右，主要以6個月內多見。因此，在ICIs治療6個月內任何暗示肺炎的影像學跡象都應及時與腫瘤科醫(yī)生進行討論，并提早開始可的松治療[30]。由此可見，隨著ICIs在臨床上得到越來越廣泛的運用，影像科醫(yī)生和臨床醫(yī)生有必要利用影像學及時識別irAEs，并及早治療以提高NSCLC患者的生存率。

總結與展望

在過去的幾年中，影像學尤其是機器學習及AI在NSCLC免疫治療中取得了一定進展，特別是能夠對免疫檢查點標志物及免疫治療效果進行無創(chuàng)、實時、動態(tài)地預測，在將來NSCLC臨床診療中具有廣闊的應用前景。另外，一些新技術在免疫治療方面也展現(xiàn)出巨大的潛力。例如，利用超順磁性氧化鐵在體外標記活體小鼠的CD8+T細胞，繼而注射到小鼠體內，在3.0T MRI T2WI序列上，CD8+T細胞濃度較高部位顯示為較低的信號，以此實現(xiàn)MRI對免疫細胞的無創(chuàng)體內追蹤[36]，該項研究結果為未來活體成像免疫細胞提供了可行的方法。PET成像首次實現(xiàn)在NSCLC患者體內使用具有高PD-L1親和力新型小分子放射性顯像劑(基于小肽片段的[68]Ga放射性顯像劑)，數(shù)小時快速顯像PD-L1陽性的腫瘤并量化腫瘤細胞中PD-L1表達水平，PD-L1表達水平與腫瘤攝取值之間存在強正相關[37]。值得注意的是，這是首次在人體研究中證明了低分子量肽衍生顯像劑量化PD-L1表達水平的可行性和安全性，有助于篩選能從抗PD-L1治療中獲益的患者，同時還可以在后續(xù)治療中動態(tài)監(jiān)測PD-L1水平，具有重要的臨床應用和推廣價值。

盡管用于NSCLC免疫治療的影像學技術多樣，但仍然存在些許問題。首先，建立影像組學模型進行診斷(包括基因診斷)并進行治療評價或預后判斷，但是因為計算機處理影像信息的內在邏輯不明，這種研究的真實意義偶爾會受到質疑。其次，影像組學模型的可重復性仍然存在不少爭議，尚存在不同算法之間的一致性欠佳的問題。第三，免疫成像常依賴于新型分子探針，且大多處于動物實驗階段，其臨床安全性和有效性還有待驗證。最后，PD-L1是較常用的檢查點標志物，但腫瘤中還存在很多亞型，如何利用先進的影像技術預測這些新抗原并評價療效及預后還有待于進一步探究，在未來腫瘤臨床診療中的作用和前景也需進一步研究解讀。