从增强 CT 建立微环境评分，再检查治疗关联
肿瘤微环境会影响药物反应，但组织取样难以反复进行。中国与美国团队在 Cell Reports Medicine 报道一种胃癌影像模型，用增强计算机断层扫描（computed tomography，CT）推断微环境状态，再检查这一评分与化疗及免疫治疗结果的关系。
研究共纳入 2,686 人，分成用途不同的 6 个队列。其中 2,365 人接受胃癌切除，构成 398 人训练队列、2 个内部验证队列和 2 个外部验证队列；另有 321 例晚期患者用于评价抗程序性死亡受体 1（programmed cell death protein 1，PD-1）治疗反应。
手术数据按手术时间划分训练和验证，外部数据来自另一机构。用于微环境分类参照的组织免疫组化数据来自其中 695 人。作者合作涉及两国，但患者资料均来自中国广州的医疗机构。
深度特征与影像组学共同形成评分
模型使用门静脉期增强 CT，由 2 位影像医师共同确定原发肿瘤范围。输入包括原始图像、带肿瘤标记的图像及肿瘤掩膜；卷积网络学习图像特征，同时另提取 361 项形状、强度与纹理相关特征，再将两部分合并。
考虑到逐例勾画完整三维肿瘤的工作量，影像组学部分选用肿瘤截面积最大的切片。模型最终给出深度学习影像组学评分（deep learning radiomics signature，DLRS），并依据训练队列确定的 0.428 阈值分成高、低两组。
预测组织免疫组化微环境分类时，训练、内部验证和外部验证的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）分别为 0.937、0.912 和 0.909。主文报告，去掉影像组学特征或网络中的特征加权模块后，验证表现下降。
评分与组织成分也有对应关系：高评分肿瘤更偏向淋巴细胞丰富，成纤维细胞、微血管和髓系细胞相关特征则相对较少。这些分析支持评分捕捉到一定微环境信息，但上述 AUC 衡量的是组织分类，并非药物应答。
化疗比较有匹配对照，也有未改善的亚组
手术患者中，1,773 人为 II 或 III 期，其中 881 人接受辅助化疗。相关方案包括卡培他滨与奥沙利铂联用，以及氟尿嘧啶、亚叶酸与奥沙利铂联用。研究先在高、低影像评分组内，对化疗与未化疗患者进行 1∶1 倾向评分匹配，尽量平衡分期、年龄、组织学等已知因素。
匹配后，高评分患者接受化疗与更好的无病生存相关：II 期和 III 期的风险比分别为 0.474 和 0.570。低评分组则没有观察到相同改善；其中 II 期化疗组的无病生存反而更差，风险比为 1.704。未匹配分析方向相近。
论文还在接受化疗的 881 人中，以无病生存达到或未达到 2 年区分“敏感”和“耐药”，前者评分更高。这是依据随访结果建立的操作性分组，不能与培养细胞中直接测得的药物敏感性混为一谈。
化疗由医生和患者选择，并未随机分配。匹配可以平衡记录到的因素，却不能消除所有未测量差异，因此低评分亚组的结果仍需前瞻性随机研究检验。
321 例免疫治疗数据中，评分与客观应答相关
晚期队列接受的抗 PD-1 药物包括纳武利尤单抗、帕博利珠单抗和特瑞普利单抗。研究按照影像疗效标准，将完全缓解或部分缓解记为客观应答；全队列客观应答率为 39.6%。
高评分组客观应答率为 57.8%，低评分组为 14.2%；中位无进展生存分别为 18 和 7 个月。这里的评分在治疗前影像中获得，反应和生存来自实际随访，因而提供了模型与治疗结果相联系的证据。
用于区分客观应答时，影像评分的 AUC 为 0.722，而程序性死亡配体 1（programmed death-ligand 1，PD-L1）综合阳性评分为 0.642。合并两种信息后，AUC 升至 0.783，提示它们可能提供互补信息。
全队列包含不同治疗组合，不能全部当作抗 PD-1 单药实验。作者另外分析了 83 例单药患者，报告相近的应答预测结果；这一亚组与全部 321 人的分析分开进行。
窄屏可横向滑动查看完整图表。
仍需确认模型能否改善前瞻性治疗决策
这项研究将影像微环境估计推进到了具体治疗关联分析，但全部结果来自回顾性资料。独立队列有助于检查可重复性，仍不能替代前瞻性设计，也不能证明依模型调整治疗就会改善患者结局。
作者提出继续在更大人群及不同扫描仪条件下验证。现阶段，模型可作为药物反应分层的研究工具，补充组织与既有标志物信息；它对其他地区人群、扫描条件及实际治疗决策的适用性仍待确认。