文献速递：PET-影像组学专题–影像组学和肺癌免疫治疗反应：文献系统综述
01
文献速递介绍
肺癌（LC）是全球癌症相关死亡的主要原因，尽管在诊断和治疗方面取得了进展[2,3]，但它仍然对公共健康构成严重威胁[1]。
对于处于I和II期的LC患者，外科切除是标准的护理方法，多年来，基于铂的化疗一直是广泛疾病患者管理的主要方式[4]。最近，免疫检查点抑制剂（ICIs）的实施彻底改变了治疗格局。
在携带驱动突变（例如，EGFR、ALK或ROS1）的转移性非小细胞肺癌（NSCLC）中，通常首选靶向治疗，因为它们被发现既有效又具有可容忍的毒性。然而，即使在没有驱动突变的情况下，ICIs也应被视为单独或与化疗联合使用的有价值选择[4]。2015年，一个III期对比研究显示，针对PD-1的单克隆抗体纳武单抗，在二线治疗方案中的鳞状和非鳞状NSCLC患者中，与多西他赛相比，提供了显著的总生存期（OS）延长优势[5]。这些最初鼓舞人心的结果在随后的临床试验中得到进一步确认，导致了ICIs在晚期NSCLC患者管理中的实施[6]。
然而，必须强调的是，只有50%的LC患者对免疫治疗有反应[7]。此外，免疫相关不良事件（irAEs），即ICI治疗的副作用，可能发生在任何器官或系统中，严重程度不一，影响到多达76%的接受免疫治疗的患者，可能是治疗中断的重要原因[8]。从这个角度看，有一个未满足的需求，即适合识别更可能从ICIs中受益的LC患者的实验室和影像学生物标志物。
含有氟-18-脱氧葡萄糖（[18F]FDG）的正电子发射断层扫描/计算机断层扫描（PET/CT）在许多肿瘤疾病的分期和反应评估中已被广泛认可[9]。关于患者在免疫治疗前的预后分层，已经应用了[18F]FDG PET/CT，并且取得了有趣的初步结果，因为一些PET衍生参数，如全身代谢肿瘤体积（wbMTV）和总病灶糖酵解（wbTLG），被发现是反应的预测因素[10,11]。
近年来，影像组学作为一门基于影像数据定量分析的新兴学科，因其通过机器学习分析生成预测模型的能力而日益受到关注[12]。影像组学的主要目标是从医学影像中提取量化数据（即，特征），这些数据无法被人眼察觉，并且能够被再现、解释，并与某些临床终点
Title
题目
PET Radiomics and Response to Immunotherapy in LungCancer: A Systematic Review of the Literature
PET
影像组学和肺癌免疫治疗反应：文献系统综述
Methods
方法
A systematic review was
conducted on databases and web sources. English-language original articles were considered. The
title and abstract were independently reviewed to evaluate study inclusion. Duplicate, out-of-topic,
and review papers, or editorials, articles, and letters to editors were excluded. For each study, the
radiomics analysis was assessed based on the radiomics quality score (RQS 2.0). The review was
registered on the PROSPERO database with the number CRD42023402302.
进行了系统综述
在数据库和网络资源上。考虑了英语原始文章。独立地审阅了标题和摘要，以评估研究的纳入情况。重复的、主题不相关的、以及评论文章、社论、文章和给编辑的信件都被排除在外。对于每项研究，
根据影像组学质量评分（RQS 2.0）评估了影像组学分析。该综述已在PROSPERO数据库上注册，编号为CRD42023402302。
Results
结果
Fifteen papers
were included, thirteen were qualified as using conventional radiomics approaches, and two used
deep learning radiomics. The content of each study was different; indeed, seven papers investigated
the potential ability of radiomics to predict PD-L1 expression and tumor microenvironment before
starting immunotherapy. Moreover, two evaluated the prediction of response, and four investigated
the utility of radiomics to predict the response to immunotherapy. Finally, two papers investigated
the prediction of adverse events due to immunotherapy.
共纳入了十五篇论文，
其中十三篇被认为使用了传统的影像组学方法，两篇使用了深度学习影像组学。每项研究的内容都不同；实际上，有七篇论文研究了影像组学预测PD-L1表达和肿瘤微环境的潜在能力，这是在开始免疫疗法之前。此外，两篇评估了对疗效的预测，四篇研究了影像组学预测对免疫疗法反应的效用。最后，两篇论文研究了由于免疫疗法引起的不良事件的预测。
Conclusions
结论
In conclusion, radiomics is promising for the evaluation of TME and for the prediction
of response to immunotherapy, but some limitations should be overcome. First of all,
the study design should be made by using a specific methodology or criteria. Second,
prospective studies are required in order to overcome heterogeneity. Finally, the inclusion in
clinical practice of a simple tool able to adequately analyze images has become mandatory
for its larger use. Prospective and well-designed studies, by including a large population,
are also mandatory.
总之，影像组学对于评估肿瘤微环境（TME）和预测免疫疗法反应是有前景的，但需要克服一些限制。首先，研究设计应使用特定的方法论或标准。其次，需要进行前瞻性研究以克服异质性。最后，临床实践中包含一个能够适当分析图像的简单工具已成为必要条件，以便于其更广泛的使用。包括大量人群的前瞻性和设计良好的研究也同样必要。
Figure
图
Figure 1. PRISMA statement for the selection of the papers.
图1. 文章选择的PRISMA声明。
Table
表
Table 1. Main characteristics of the selected studies.
表1. 选定研究的主要特征
Table 2. Radiomics quality score (v 2.0) of the included studies.
表2. 纳入研究的影像组学质量评分（2.0版）。
