肿瘤微环境(tumor microenvironment, TME)它在疾病的进展中起着关键作用，是癌症患者治疗反应的关键决定因素。
2023年8月8日，南方医科大学李国新、中山大学王伟、斯坦福大学李瑞江共同通讯 Reports Medicine 在线发表题为“在线发表”Non-invasive tumor microenvironment evaluation and treatment response prediction in gastric cancer using deep learning radiomics"研究论文，本研究提出了一种结合放射组学和深度学习分析的无创方法来预测放射图像的TME状态。
通过对266例胃癌患者的多机构队列研究，作者发现放射学模型可以准确预测TME状态，是超越临床病理变量的独立预后因素。该模型进一步预测了局部疾病患者辅助化疗的好处。该模型可以预测临床反应，并在与现有生物标志物联合使用时进一步提高预测准确性。该研究可以对TME进行无创评估，为纵向监测和跟踪癌症治疗的反应打开了大门。鉴于肿瘤学中常用的放射成像，该方法可扩展到许多其他实体肿瘤类型。
胃癌(GC)它是一种高度流行的恶性肿瘤，是全球癌症死亡的主要原因。TNM分期付款系统是目前风险分层和治疗决策中最重要的因素。然而，在同一阶段的疾病患者中，治疗反应和结果存在很大差异，这表明当前的预后模型无法提供完整的预测信息。因此，为了更准确地预测患者的预后和治疗反应，需要改进GC分层。
肿瘤微环境(tumor microenvironment, TME)广泛的研究为基于分子的癌症分类提供了新的思路。根据TME中各种细胞亚群的量化，一些生物标志物已被证明与化疗和免疫治疗（如免疫检查点抑制剂）的预后和反应有关。在胃癌中，肿瘤被细胞毒性CD8+ T淋巴细胞浸润患者存活时间较长，而嗜中性粒细胞含量较高的患者预后较差。基于组织病理学的TME评价金标准。然而，由于肿瘤内部的异质性，这种方法受到采样偏差的基本限制，在实践中也受到肿瘤组织不足的限制。因此，评估TME的非侵入性方法将是有价值的，特别是在新的辅助治疗或转移性疾病中。
机理模式图(Cellll图) Reports Medicine ）
放射成像可视化整个肿瘤，通常用于癌症患者的诊断、分期、治疗反应评估和随访。复杂的成像分析可以揭示微妙的放射学表型与潜在病理生物学的特定方面之间的联系，包括TME。探索了两种广泛的方法：（1）使用手工图像特征进行图像组学分析；（2）深度学习，可以自动从图像中学习特征表示。尽管大多数应用都集中在临床诊断上，但新的研究表明，从医学图像中预测生物特征是可行的。
作者开发并验证了一种基于免疫组织化学评估8种免疫和基质特征的机器学习分类器，预测胃癌患者的生存和辅助化疗的好处。在本研究中，作者利用CT图像的深入学习和放射组学分析，开发了一种评估TME状态的无创放射学模型。图像特征可以改善预后，指导胃癌的个性化治疗。需要前瞻性研究和随机试验来证实其临床有效性和临床实用性。
原文链接：https://doi.org/10.1016/j.xcrm.2023.101146
(原标题:Cell子刊 | 南方医科大学李国新/中山大学王伟/斯坦福大学李瑞江开发新方法，可无创评估肿瘤微环境)
