《Journal of Advanced Research》：Noninvasive imaging-based assessment of tumor-associated neutrophils for prognosis and immunotherapy response in gastric cancer: a multicenter study
编辑推荐：
本研究针对胃癌肿瘤微环境中肿瘤相关中性粒细胞（TAN）浸润评估依赖有创活检的临床瓶颈，开发了一种基于CT影像组学的集成机器学习模型（EnmlbaRB）。通过多中心队列验证，该模型可无创、精准量化TAN浸润水平，显著区分患者预后（TAN-Low组5年生存率64.12% vs TAN-High组46.78%），并成功预测抗PD-1免疫疗法响应（TAN-Low组疾病控制率达83.9%）。该研究为胃癌个体化治疗策略提供了新型无创生物标志物。
在胃癌治疗领域，肿瘤微环境（Tumor Microenvironment, TME）中的免疫细胞动态始终是影响疗效的关键因素。其中，肿瘤相关中性粒细胞（Tumor-Associated Neutrophils, TAN）作为数量最丰富的白细胞亚群，近年来被发现在胃癌进展中扮演着双重角色：既可能直接杀伤肿瘤细胞，又可能通过促进血管生成、抑制T细胞功能等机制加速恶性进展。然而，传统评估TAN浸润水平的方法主要依赖组织活检和免疫组化（Immunohistochemistry, IHC），不仅具有侵入性、无法重复监测，还存在取样偏差和时效性差等局限。能否通过常规CT影像无创“解码”TAN浸润状态，成为临床亟待突破的难题。
针对这一挑战，来自南方医科大学南方医院等四家医疗中心的研究团队开展了一项覆盖2170例胃癌患者的多中心研究，成功开发出基于集成机器学习（Ensemble Machine Learning）的CT影像组学生物标志物EnmlbaRB（Ensemble Machine Learning-Based Radiomic Biomarker）。该研究发表于《Journal of Advanced Research》，通过门静脉期CT影像提取肿瘤区域及瘤周3mm环形区的584个影像特征，结合mRMR-Boruta算法筛选出11个关键特征（6个瘤周特征、5个瘤内特征），并构建五层异质堆叠模型实现对TAN浸润水平的高精度预测。
关键技术方法概述
研究利用门静脉期CT影像，通过ITK-SNAP软件手动勾画肿瘤区域及瘤周环形区，按照影像生物标志物标准化倡议（IBSI）标准提取特征。采用五层渐进式异质堆叠架构，整合XGBoost、随机森林（Random Forest, RF）和多层感知机（Multilayer Perceptron, MLP）等算法，在八个独立队列（包括177例接受抗PD-1治疗的患者）中进行验证。
研究结果
- 1.
模型性能验证
EnmlbaRB在外部验证队列中预测TAN状态的AUC达0.71（95%CI: 0.65–0.78），特异性为80.74%。模型将患者分为TAN-Low、TAN-Middle和TAN-High三组，生存分析显示TAN-Low组5年总生存率显著优于TAN-High组（如SYSUCC队列：64.12% vs. 46.78%，p<0.05）。
- 2.
免疫治疗预测价值
在抗PD-1治疗队列中，TAN-Low组疾病控制率（Disease Control Rate, DCR）达83.9%，较TAN-High组（44.1%）提升近1.9倍（p<0.001）。中位无进展生存期（Progression-Free Survival, PFS）在TAN-Low组超过41.9个月，而TAN-High组仅为6.2个月（HR=0.162, p<0.001）。
- 3.
预后分层能力
多变量Cox回归分析显示，EnmlbaRB是独立的预后因素，其风险比（Hazard Ratio, HR）对于无病生存（Disease-Free Survival, DFS）和总生存（Overall Survival, OS）分别为3.563（95%CI: 2.151–5.905）和3.601（95%CI: 2.109–6.147）。该分层效果在不同TNM分期、 Lauren分型（肠型、弥漫型、混合型）亚组中均保持一致。
结论与意义
该研究首次构建了可用于临床的TAN无创评估体系，通过CT影像组学与集成学习的融合，实现了对胃癌肿瘤微环境中中性浸润水平的动态监测。EnmlbaRB不仅为预后评估提供了新工具，更在免疫治疗响应预测方面展现出显著优势：TAN-Low状态提示肿瘤微环境免疫抑制程度较低，可能更适合免疫检查点抑制剂治疗。这一突破性进展为胃癌精准医疗提供了可重复、低成本的无创解决方案，有望推动个体化治疗策略从“静态分型”向“动态调控”演进。未来通过结合空间多组学数据，将进一步揭示影像特征与TAN生物学行为的内在关联，拓展其在泛癌种应用中的潜力。
