食管癌（EC）是全球第七大常见癌症类型和第六大癌症死亡原因。此外，食管鳞状细胞癌（ESCC）占亚洲所有EC病例的90%以上。目前，手术加新辅助放化疗已成为局部晚期ESCC的标准治疗方法，可有效提高肿瘤的可切除性和患者的生存率。然而，手术后生存率仍然很低，近一半的患者发生局部复发或远处转移。因此，迫切需要探索新的有效的ESCC治疗策略。

近期的KEEP-G 03、ChiCTR2000028900、PALACE-1等临床试验表明，新辅助免疫治疗联合化疗或放化疗，再辅以手术治疗，可能成为局部晚期ESCC的一线治疗方法。值得注意的是，新辅助免疫治疗加放化疗（NICRT）在局部晚期ESCC中达到了55.6%的病理完全缓解（pCR）。术前治疗是否达到pCR是治疗效果良好患者预后的重要指标。然而，患者对治疗的反应可能存在显著差异，这强调了准确预测局部晚期ESCC NICRT治疗反应的迫切临床需要。

随着人工智能在医学图像分析方面的快速发展，放射组学（代表病变的放射学特征）已成为预测各种肿瘤类型免疫治疗反应的有前途的工具。此外，与传统临床模型相比，放射组学模型在预测治疗结果方面表现出更优越的性能。迄今为止，放射组学主要用于预测局部晚期ESCC患者接受新辅助放化疗的治疗反应和预后状况。然而，很少有研究关注于预测这些患者对NICRT的治疗反应。

最近，发表在European Radiology 上的一篇文章建立并验证了基于CT的放射组学模型，并应用该模型预测局部晚期食管鳞状细胞癌（ESCC）新辅助免疫治疗加放化疗（NICRT）后的病理完全缓解（pCR）。

本项研究纳入2019年2月至2023年12月接受NICRT治疗的105例局部晚期ESCC患者。患者按3:1的比例随机分为训练组和测试组。在NICRT治疗前进行增强CT扫描。对感兴趣的二维和三维区域进行分割，提取特征，进行特征选择。采用6种算法构建放射组学和临床模型。通过曲线下面积（AUC）、准确度、灵敏度和特异性对这些模型进行评价，并进一步比较各自的最优算法。

48例患者（45.75%）在NICRT后获得pCR。三种算法在二维放射组学模型中的AUC值均高于在三维放射组学模型和临床模型中的AUC值。其中，基于极限梯度增强（XGBoost）的2D放射组学模型表现最好，在训练队列中AUC为0.89 (95% CI, 0.81-0.97)，准确度为0.85，灵敏度为0.86，特异性为0.84；在测试队列中AUC为0.80 (95% CI, 0.64-0.97)，准确度为0.77，灵敏度为0.84，特异性为0.69。校正曲线预测与实际反应吻合较好，决策曲线分析进一步证实了其临床适用性。

图 两组总生存率（OS）的Kaplan-Meier生存曲线（pCR与非pCR）

本项研究表明，二维放射组学模型可有效预测局部晚期ESCC的pCR到NICRT。

原始出处：

Liqiang Shi,Chengqiang Li,Yaya Bai,et al.CT radiomics to predict pathologic complete response after neoadjuvant immunotherapy plus chemoradiotherapy in locally advanced esophageal squamous cell carcinoma.DOI:10.1007/s00330-024-11141-4