Development of an Immune-Pathology Informed Radiomics Model for Non-Small Cell Lung Cancer

authors
Tang et al.
journal
Scientific Reports
year
2018
doi
10.1038/s41598-018-20471-5
category
biomedical-imaging
pdf
PDF
source
Source

이 논문의 관계도

List view
Current PaperTang 2018Biomedical Imaging · Scientific Reports · 2018
Radiomics and Radiogenomics연결 근거: radiomics, radiomic
  1. Su 2023Radiogenomic-based multiomic analysis reveals imaging intratumor heterogeneity phenotypes and t…연결어: radiomics, radiomic, radiogenomic
  2. Henry 2022Investigation of radiomics based intra-patient inter-tumor heterogeneity and the impact of tumo…연결어: radiomics, radiomic, subsampling
  3. R. T. Mull 1984Mass Estimates By Computed Tomography Physical Density연결어: radiomics, radiomic
  4. Ploeg 2014Van Der Ploeg 2014 Modern Modelling Techniques Are Data Hungry A연결어: radiomics, radiomic
  5. Reuben 2017Genomic And Immune Heterogeneity Are Associated With연결어: radiomics, radiomic
  6. +27 more
Thoracic CT / PET Imaging연결 근거: ct
  1. Kim 2007Pulmonary involvement in Churg-Strauss syndrome: an analysis of CT, clinical, and pathologic fi…연결어: ct, pulmonary, egpa
  2. Cha 2016Pulmonary Intravascular Lymphomatosis: Clinical, CT, and PET Findings, Correlation of CT and Pa…연결어: ct, pet, pulmonary
  3. DeFreitas 2021Complications of Lung Transplantation: Update on Imaging Manifestations and Management연결어: ct, pulmonary, lung transplantation
  4. Chen 2022Dynamic 18 F Fdg Petct Can Predict연결어: ct, pet, pulmonary
  5. Cottin 2016Respiratory manifestations of eosinophilic granulomatosis with polyangiitis (Churg-Strauss)연결어: pulmonary, egpa, churg-strauss
  6. +45 more
Shared Tags이 논문의 tags: CT, NSCLC, immunotherapy, lung cancer, radiomics
  1. Shin 2019Which Definition Of A Central Tumour Is공유 tag: CT, NSCLC, lung cancer, radiomics
  2. Lee 2021Are Radiomics Features Universally Applicable To Different공유 tag: CT, NSCLC, lung cancer, radiomics
  3. Nam 2021Tissue Adequacy And Safety Of Percutaneous Transthoracic공유 tag: CT, NSCLC, lung cancer, radiomics
  4. Hao 2022Immune Checkpoint Inhibitor Related Pneumonitis In Non공유 tag: CT, NSCLC, lung cancer, radiomics
  5. Garon 2015Pembrolizumab For The Treatment Of Non Small공유 tag: CT, NSCLC, immunotherapy, lung cancer
  6. +62 more

요약

본 연구는 Non-Small Cell Lung Cancer (NSCLC) 환자의 Pretreatment CT imaging에서 추출한 radiomics features를 국소 면역 미세환경 지표와 연계하여 생존 예측 모델을 개발하고 검증하는 것을 목적으로 한다. 저자들은 수술적 절제된 종양 조직의 CD3 count 및 % tumor PDL1 expression과 영상 특징 간의 연관성을 분석하고, 이를 기반으로 4개의 군으로 분류하는 Immune-pathology informed model (IPIM)을 구축하였다. IPIM은 훈련 및 검증 코호트 모두에서 Overall survival (OS) 및 면역 병리학적 지표와 유의미하게 연관되었으며, 특히 Cluster D는 높은 CD3 침윤과 낮은 PDL1 발현을 보이는 favorable outcome group으로 확인되었다.

방법

Retrospective study로, Definitive surgical resection을 받은 NSCLC 환자 2개 코호트(training set n=114, validation set n=176)를 분석하였다. Pretreatment CT imaging에서 12가지 radiomics features를 추출하였으며, 절제된 종양 조직은 Immunohistochemistry와 Automated cell counting을 통해 CD3 count (Tumor-infiltrating lymphocyte density) 및 % tumor PDL1 expression을 정량화하였다. Hierarchical clustering과 Multinomial regression을 활용하여 4가지 radiomics feature(mean, standard deviation, uniformity, homogeneity)로 IPIM을 구성하고 4개 cluster(A-D)로 분류하였다. 주요 Endpoint는 Overall survival (OS)였으며, Multivariate analysis 및 Concordance index (c-index)를 통해 모델 성능과 병리학적 하위그룹의 생존 연관성을 평가하였다.

주요 결과

IPIM cluster 할당은 훈련 코호트(5-yr OS: A 61%, B 41%, C 50%, D 91%, P=0.04)와 검증 코호트(A 55%, B 72%, C 75%, D 86%, P=0.002) 모두에서 OS와 유의한 연관성을 보였다. 면역 병리학적 하위그룹 분석에서도 Immune-activated tumor (CD3hiPDL1lo)는 훈련/검증 코호트에서 각각 5-yr OS 80%, 95%를 보인 반면, Immune-inhibited tumor (CD3loPDL1hi)는 35%, 54%로 유의한 생존 차이(P=0.04, P=0.002)가 확인되었다. IPIM은 Cluster D에서 높은 CD3와 낮은 PDL1 발현을 보이며 Favorable immune activated state를 반영하였다. 모델의 Multivariate c-index는 0.70으로, 면역 병리학적 하위그룹 단독 c-index(훈련 0.60, 검증 0.63)보다 우수한 예측력을 보였다. 추출된 radiomics features 중 일부는 <3% Inter-reader variability로 높은 재현성을 입증하였다.

강점

독립적인 Validation cohort를 통해 모델의 일반화 가능성을 입증하였으며, 조직 Biopsy의 한계를 넘어 전술 CT 영상만으로 종양의 면역 미세환경과 생존 예후를 정량적으로 평가할 수 있는 비침습적 Biomarker를 제시하였다. 특히 radiomics features와 CD3/PDL1 같은 면역 병리 지표 간의 명확한 상관관계를 규명하여, 영상 기반 예측 모델의 Biological rationale을 뒷받침한다. Wiki 내에서 NSCLC의 Immunotherapy agents 반응 예측 및 Radiomics 기반 profiling 연구들의 방법론적 기준과 임상적 유용성을 연결하는 핵심 참고문헌으로 활용될 수 있다.

해석

본 논문은 NSCLC의 Tumor micro-environment를 CT radiomics로 비침습적으로 매핑한 선구적 연구로, Oncology 및 Biomedical-imaging 문헌에서 영상 기반 Biomarker 개발의 중요한 전환점을 제공한다. 특히 CD3와 PDL1 같은 면역 병리 지표와 영상 특징을 연계한 IPIM은 향후 Immunotherapy response prediction을 위한 Non-invasive prognostic signature 구축에 직접적인 방법론적 틀을 제시한다. LLM Wiki의 Imaging, AI, 및 Pulmonology 문헌들과 연결할 때, 본 연구는 Deep learning 또는 Traditional radiomics가 Biological substrate와 어떻게 통합될 수 있는지 보여주는 실증 사례로, 추후 Multimodal predictive modeling 및 치료 반응 모니터링 연구들의 이론적 기반을 강화한다.