郝羅羅 王麗鋒 張夢瑤 閆家明 張飛飛

肺癌處于惡性腫瘤死亡率的前列，非小細胞肺癌（non-small cell lung cancer, NSCLC）是其最主要的病理類型，約占85%[1]。NSCLC由于起病隱蔽，超過50%的患者首次到醫(yī)院就診時疾病已經(jīng)進展到晚期甚至出現(xiàn)遠處轉(zhuǎn)移[2]。盡管現(xiàn)在化療、放療和靶向藥物等NSCLC的治療方法有所發(fā)展，但患者5年生存率仍然很低[3]。近年來以程序性細胞死亡受體1（programmed cell death 1, PD-1）/程序性細胞死亡配體1（programmed cell death ligand 1, PD-L1）免疫抑制劑為代表的免疫療法使NSCLC患者的治療發(fā)生了里程碑式的變化[4]。PD-1/PD-L1檢查點抑制劑可以特異性阻斷PD-1與PD-L1的聚合，重新激活被抑制的T細胞，實現(xiàn)抗腫瘤作用。2019年一項發(fā)表于柳葉刀雜志的KEYNOTE-042研究[5]表明，在PD-L1表達陽性即腫瘤細胞陽性比例評分（tumor proportion score, TPS）≥1%的晚期NSCLC患者中，PD-1抑制劑（帕博利珠單抗）單藥治療組相比于含鉑雙藥化療一線治療組可以顯著延長總生存期。目前美國食品藥品監(jiān)督管理局（Food and Drug Administration, FDA）已批準帕博利珠單抗單獨作為有PD-L1表達（TPS≥1%）的晚期患者的一線單藥治療[6]。此外還有多項研究[7,8]表明在不同的PD-L1表達水平下，晚期NSCLC的一線治療中帕博利珠單抗聯(lián)合化療均可表現(xiàn)出顯著的生存獲益。近期中華醫(yī)學會肺癌臨床診療指南（2023版）[9]更新內(nèi)容中指出，以PD-1/PD-L1檢查點抑制劑為主的新輔助免疫治療在早中期NSCLC患者中也可以顯著改善預后。因此，有必要在治療前明確NSCLC患者是否存在PD-L1表達。目前基于活組織檢查的（immunohistochemistry, IHC）法檢測PD-L1表達狀態(tài)因有創(chuàng)及樣本量等因素具有一定的局限性[10-12]。這給NSCLC患者的個體精準化治療帶來困難，臨床上迫切需要新的指標來預測PD-L1是否表達。正電子發(fā)射計算機斷層掃描（positron emission tomography/computed tomography, PET/CT）可以定量分析代謝參數(shù)的變化，從分子影像水平反映腫瘤組織的早期變化，從而對肺癌進行診斷和預后評估。其中，18F-脫氧葡萄糖（18F-fluorodeoxy glucose,18F-FDG）是臨床中應用最多的PET/CT顯影劑，已有研究[13,14]證明，腫瘤細胞對18F-FDG的攝取與葡萄糖轉(zhuǎn)運蛋白-1（glucose transporter-1, Glut-1）和缺氧微環(huán)境密切相關(guān)，而Glut-1和缺氧微環(huán)境是影響腫瘤PD-L1表達的重要因素[15,16]。因此應用18F-FDG PET/CT代謝參數(shù)預測NSCLC患者PD-L1表達成為可能。

列線圖模型因其能夠量化影響因素且簡單、便捷、可視化等特性已經(jīng)廣泛應用于臨床預測研究。目前尚無研究基于18F-FDG PET/CT代謝參數(shù)構(gòu)建預測NSCLC患者PD-L1表達的列線圖模型。為此本研究旨在通過分析代謝參數(shù)最大標準攝取值（maximum standardized uptake value, SUVmax）、腫瘤代謝體積（metabolic tumor volume,MTV）、糖酵解總量（total lesion glycolysis, TLG）及臨床病理特征與NSCLC患者PD-L1表達的關(guān)聯(lián)，篩選出PD-L1表達的獨立影響因素，建立一個基于18F-FDG PET/CT代謝參數(shù)的預測NSCLC患者PD-L1表達的列線圖模型并評估其預測價值。

1 資料與方法

1.1 研究對象與分組 本研究回顧性收集2016年9月至2021年7月在內(nèi)蒙古自治區(qū)人民醫(yī)院接受18F-FDG PET/CT檢查的155例NSCLC患者，將患者按3:1的比例劃分（采用R3.4.2軟件）為訓練組（117例）和內(nèi)部驗證組（38例），另收集本院2021年8月至2022年7月51例NSCLC患者作為外部驗證組。納入標準：（1）經(jīng)手術(shù)或穿刺活檢病理證實為原發(fā)性腺癌（adenocarcinoma, ADC）或鱗癌（squamous cell carcinoma, SCC）；（2）手術(shù)或活檢前進行18F-FDG PET/CT檢查；（3）IHC法檢測到PD-L1表達水平；（4）無其他惡性腫瘤病史。排除標準：（1）在18F-FDG PET/CT掃描和IHC法檢測前接受過抗腫瘤治療；（2）原發(fā)灶腫瘤直徑＜1 cm（避免部分容積效應影響）；（3）圖像上未發(fā)現(xiàn)18F-FDG攝??；（4）臨床資料缺失。

查閱病歷，收集患者的臨床病理特征資料，如性別、吸煙史、腫瘤直徑、血清癌胚抗原（carcinoembryonic antigen, CEA）水平、腫瘤分期、病理類型及表皮生長因子受體（epidermal growth factor receptor,EGFR）狀態(tài)。

1.218F-FDG PET/CT掃描與代謝參數(shù)測量 患者的18F-FDG PET/CT檢查均在GE Discovery Elite PET/CT設備上進行。18F-FDG（3.7-4.44 MBq/kg，放化學純度＞95%）靜脈注射前禁食6-8 h，血糖＜11 mmol/L，注射后約1 h開始進行圖像采集。首先，使用全身低劑量CT掃描（管電流150 mA，管電壓120 kV，層厚3.75 mm）進行衰減校正，隨后行PET掃描（每個床位3 min，7-10個床位）。掃描范圍：顱頂至大腿根部，采集結(jié)束后使用有序子集最大期望法（ordered subset expectation maximization, OSEM）重建PET圖像，然后在Xeleris工作站進行圖像融合，最后由機器自動勾畫感興趣區(qū)（region of interest, ROI）并獲得病灶的SUVmax，然后設置SUVmax的40%為閾值得到MTV及平均標準攝取值（average standardized uptake value, SUVavg），由MTV×SUVavg獲得TLG。

1.3 PD-L1表達狀態(tài)的檢測 使用Vantana公司的試劑盒（SP142）進行PD-L1檢測。TPS是指在至少含有100個活的癌細胞巢中，陽性癌細胞數(shù)（部分或者完整細胞膜染色）占樣本中全部癌細胞的百分比。按照TPS評分將本研究中患者的PD-L1檢測情況分為PD-L1+組（TPS≥1%）和PD-L1-組（TPS＜1%）。

1.4 統(tǒng)計學分析和模型建立 利用SPSS 25.0和R3.4.2軟件進行統(tǒng)計分析。利用R軟件包“car”與“survival”按照3:1隨機劃分訓練組和內(nèi)部驗證組。在訓練組的單因素分析中，非正態(tài)分布的計量資料以中位數(shù)和四分位間距[M（Q1,Q3）]表示，采用Mann-Whitney U檢驗，如年齡及SUVmax、MTV、TLG；計數(shù)資料以例數(shù)描述，采用χ2檢驗，如性別、吸煙史、腫瘤直徑、CEA、腫瘤分期、病理類型及EGFR。然后將有統(tǒng)計學差異的變量納入二元Logistic回歸分析，篩選出PD-L1表達的獨立影響因素，檢驗水準α=0.05。采用R軟件包“rms”根據(jù)獨立影響因素構(gòu)建列線圖模型；繪制受試者工作特征（receiver operating characteristic, ROC）曲線評估模型的區(qū)分度；繪制校準曲線并通過Hosmer-Lemeshow檢驗評價預測模型的校準度；繪制決策曲線（decision curve analysis, DCA）評價模型的臨床凈獲益；在內(nèi)外部驗證組中對模型效果進行驗證。

2 結(jié)果

2.1 患者的臨床資料 訓練組117例患者中，PD-L1+組57例（48.7%），PD-L1-組60例（51.3%））；內(nèi)部驗證組38例患者中，PD-L1+組18例（47.3%），PD-L1-組20例（52.7%）；外部驗證組51例患者中，PD-L1+組21例（41.1%），PD-L1-組30例（58.9%）。

2.2 列線圖模型的建立 在訓練組中，單因素分析結(jié)果顯示，患者MTV（P＜0.001）、TLG（P=0.031）、性別（P=0.004）、腫瘤直徑（P=0.008）與NSCLC患者PD-L1表達有關(guān)；而SUVmax（P=0.558）、吸煙史（P=0.054）、年齡（P=0.175）、CEA水平（P=0.081）、腫瘤分期（P=0.300）、病理類型（P=0.171）及EGFR（P=0.190）與PD-L1表達均無關(guān)聯(lián)（表1）。將單因素分析中P＜0.05的代謝參數(shù)及臨床特征進一步行二元Logistic回歸分析，結(jié)果顯示，MTV（P=0.003）、性別（P=0.045）、腫瘤直徑（P=0.008）是PD-L1表達的獨立影響因素（表2）。基于篩選出來的獨立影響因素利用R3.4.2軟件構(gòu)建列線圖模型（圖1），通過計算各項指標的評分之和得到相對應的PD-L1表達預測風險。

圖1 預測NSCLC患者PD-L1表達的列線圖模型Fig 1 Nomogram model for predicting PD-L1 expression in NSCLC patients.NSCLC: non-small cell lung cancer.

表1 訓練組患者PET/CT代謝參數(shù)及臨床病理特征的單因素分析Tab 1 Univariate analysis of PET/CT metabolic parameters and clinicopathologic characteristics of patients in the training group

表2 訓練組患者的二元Logistic回歸分析Tab 2 Binary Logistic regression analysis of patients in the training group

2.3 列線圖模型的評價與內(nèi)外部驗證

2.3.1 區(qū)分度 訓練組和驗證組的ROC曲線顯示，訓練組的曲線下面積（area under the curve, AUC）為 0.769（95%CI:0.683-0.856），最佳截斷值為0.538，靈敏度為66.7%，特異度為80.0%；內(nèi)部驗證組的AUC為0.775（95%CI:0.614-0.936），最佳截斷值為0.458，靈敏度為83.3%，特異度為75.0%；外部驗證組的AUC為0.752（95%CI:0.612-0.893），最佳截斷值為0.514，靈敏度為76.2%，特異度為73.3%（圖2）。

圖2 模型預測NSCLC患者PD-L1表達的ROC曲線。A：訓練組；B：內(nèi)部驗證組；C：外部驗證組。Fig 2 Model predicts ROC curve for PD-L1 expression in NSCLC patients. A: Training group; B: Internal validation group; C: External validation group. ROC: receiver operating characteristic; AUC: area under the curve.

2.3.2 校準度 繪制預測模型的校準曲線圖，經(jīng)Hosmer-Lemeshow檢驗結(jié)果顯示，訓練組（χ2=0.040,P=0.979）、內(nèi)部驗證組（χ2=2.605,P=0.271）及外部驗證組（χ2=0.396,P=0.820）均具有良好的校準度（圖3）。

圖3 模型預測NSCLC患者PD-L1表達的校準曲線。A：訓練組；B：內(nèi)部驗證組；C：外部驗證組。Fig 3 Calibration curve for model prediction of PD-L1 expression in NSCLC patients. A: Training group; B: Internal validation group; C: External validation group.

2.3.3 臨床獲益分析 DCA曲線結(jié)果顯示，在訓練組中，模型在風險閾值為0.00-0.72時能為患者帶來臨床凈獲益；在內(nèi)部驗證組中，臨床凈獲益的風險閾值范圍為0.00-0.87；在外部驗證組中，臨床凈獲益的風險閾值范圍為0.00-0.66（圖4）。典型病例見圖5、圖6。

圖4 模型預測NSCLC患者PD-L1表達的DCA曲線。A：訓練組；B：內(nèi)部驗證組；C：外部驗證組。Fig 4 Model predicts DCA curve of PD-L1 expression in NSCLC patients. A: Training group; B: Internal validation group; C: External validation group. DCA: decision curve analysis.

圖5 患者：男，59歲，右肺上葉腫塊，病理為腺癌，SUVmax：13.70，MTV：10.01，TLG：100.98，經(jīng)列線圖模型計算，其總分約為124分，對應風險值高于閾值0.538，預測為PD-L1表達陽性; SP142試劑盒檢測結(jié)果：PD-L1表達率TPS=5%。A：CT肺窗；B：PET/CT融合圖；C：PET圖；D：全身MIP圖。Fig 5 Patient: male, 59 years old, right upper lobe lung mass. Pathology is adenocarcinoma, SUVmax: 13.70, MTV: 10.01, TLG: 100.98, whose total score was calculated by the Nomogram model to be approximately 124, corresponding to a risk value above the threshold of 0.538, predicted to be positive for PD-L1 expression; the SP142 kit assay result: PD-L1 expression rate TPS=5%. A: CT lung window; B: PET/CT fusion map; C: PET map;D: Whole body MIP map. TPS: tumor proportion score; MIP: maximum intensity projection.

圖6 患者：男，74歲，右肺上葉結(jié)節(jié)，病理為腺癌，SUVmax：15.10，MTV：3.70，TLG：37.74，經(jīng)列線圖模型計算，其總分約為44分，對應風險值低于閾值0.538，預測為PD-L1表達陰性；SP142試劑盒檢測結(jié)果：PD-L1表達率TPS＜1%。A：CT肺窗；B：PET/CT融合圖；C：PET圖；D：全身MIP圖。Fig 6 Patient: male, 74 years old, right lung upper lobe nodule. Pathology is adenocarcinoma, SUVmax: 15.10, MTV: 3.70, TLG: 37.74, its total score was calculated by the Nomogram model to be approximately 44, corresponding to a risk value below the threshold of 0.538, predicted to be negative for PD-L1 expression; the SP142 kit assay results: PD-L1 expression rate TPS＜1%. A: CT lung window; B: PET/CT fusion map; C: PET map; D:Whole body MIP map.

3 討論

近年來，免疫治療的出現(xiàn)從根本上改變了NSCLC的治療模式。在免疫治療的策略中，因PD-1/PD-L1免疫抑制劑可以顯著改善NSCLC患者的預后，目前在臨床上應用最為廣泛。最近發(fā)布的美國國立綜合癌癥網(wǎng)絡（National Comprehensive Cancer Network, NCCN）指南[17]指出：PD-L1表達水平是唯一臨床批準的篩選免疫治療人群的生物標志物，且推薦（1類）對于轉(zhuǎn)移性NSCLC患者在接受一線治療之前，應用IHC法檢驗PD-L1表達情況。然而在實際的臨床操作中，因為患者病情較重或拒絕有創(chuàng)檢查、病灶位置及大小、活檢樣本含量不足等情況都會限制對PD-L1表達狀態(tài)的評估[10-12]。因此如何便捷地預測PD-L1的表達是目前臨床NSCLC管理中的重要問題。18F-FDG PET/CT是當今世界上最先進的非侵入性顯性技術(shù)之一，目前已有研究[18]利用18F-FDG PET/CT影像組學構(gòu)建了預測NSCLC患者PD-L1表達的列線圖模型，但是影像組學需要進行復雜的圖像特征分割、提取及篩選，并且在無法獲得分析影像組學特征所使用的機器人學習模型的核心算法及參數(shù)時，基于影像組學構(gòu)建的預測模型難以在NSCLC患者管理中實現(xiàn)應用。相較于PET/CT影像組學特征而言，PET/CT代謝參數(shù)更容易獲得，基于PET/CT代謝參數(shù)構(gòu)建的列線圖模型也更具有臨床適用性，近年來已有研究[19-21]表明18F-FDG PET/CT代謝參數(shù)與NSCLC患者PD-L1表達之間存在密切關(guān)聯(lián)。因此，本研究旨在開發(fā)一個基于PET/CT代謝參數(shù)的預測NSCLC患者PD-L1表達的列線圖模型，為臨床上診斷NSCLC患者PD-L1是否表達提供便利，為治療決策提供支持。

在本研究中，我們通過單因素分析發(fā)現(xiàn)，SU Vmax（P=0.558）在PD-L1+組與PD-L1-組間差異無統(tǒng)計學意義，MTV（P＜0.001）及TLG（P=0.031）在兩組間差異有統(tǒng)計學意義，這與既往的研究[22-24]結(jié)果相似。筆者認為本研究中PD-L1表達與SUVmax無關(guān)而與MTV及TLG有關(guān)的原因可能為：（1）病灶SUVmax的測量值容易受到多方面因素影響，如患者血糖水平、顯像劑劑量、成像設備參數(shù)及圖像獲取時間；（2）本研究中入組ADC的占比較大，而ADC屬于高度異質(zhì)性的惡性腫瘤，可以由多種組織學結(jié)構(gòu)共同組成。已有研究[25]表明PD-L1表達與ADC中的貼壁結(jié)構(gòu)、微乳頭結(jié)構(gòu)及實體型結(jié)構(gòu)顯著相關(guān)，而SUVmax只能代表病灶局部單一像素的18F-FDG最高攝取值，無法反映腫瘤組織整體的代謝活性，因此可能無法準確反映PD-L1的表達狀態(tài)。本研究中體積代謝參數(shù)MTV是由機器按照SUVmax的40%為閾值自動計算出腫瘤組織中18F-FDG攝取超過設定閾值的體積，而TLG是由SUVavg×MTV獲得，根據(jù)計算方式可知MTV及TLG相較于SUVmax能體現(xiàn)出更多腫瘤組織的代謝特性，因此在預測PD-L1的表達狀態(tài)中更具有優(yōu)勢。然而Jreige等[26]的研究發(fā)現(xiàn)，PD-L1表達與SUVmax、MTV、TLG均無明顯相關(guān)性，這與我們的研究結(jié)果不符。考慮原因可能是：（1）該研究計算MTV的閾值為SUVmax的42%與我們的研究中的閾值不同可能會造成結(jié)論不同；（2）已有研究[27,28]表明，ADC與SCC的FDG攝取和代謝是有差異的，該研究中ADC與SCC的入組病例數(shù)接近，而本研究中入組的ADC病例明顯較多。（3）該研究僅納入49例NSCLC患者，其觀點還需要更多大樣本研究進行證實。

本研究進一步行二元Logistic回歸分析表明，MTV與PD-L1表達關(guān)聯(lián)仍然顯著，而TLG與PD-L1表達無關(guān)。原因可能是TLG的計算公式MTV×SUVavg擴大了誤差導致。本研究臨床因素中，性別及腫瘤直徑是PD-L1表達的獨立影響因素，因而納入列線圖模型中，這與以往的研究[19,29]相符，即男性及更大的腫瘤更容易存在PD-L1表達。原因可能是，一般來說腫瘤直徑越大則腫瘤細胞越多，更多的腫瘤細胞更容易產(chǎn)生缺氧微環(huán)境，而在缺氧狀態(tài)下，PD-L1更容易發(fā)生表達[30]；目前關(guān)于PD-L1表達在性別中的差異其機制尚不清楚，還有待更多研究進一步探索。

本研究根據(jù)單因素以及二元Logistic回歸分析最終篩選出的變量（MTV、性別及腫瘤直徑）構(gòu)建的列線圖模型結(jié)果顯示，預測模型在訓練組及內(nèi)外部驗證組中ROC曲線的AUC均＞0.75，提示模型具有較好的區(qū)分度，區(qū)分NSCLC患者是否存在PD-L1表達的能力較強。對預測模型的校準曲線進行Hosmer-Lemeshow檢驗，結(jié)果顯示，在訓練組及內(nèi)外部驗證組中Hosmer-Lemeshow檢驗的P值均＞0.05，表明預測模型在訓練組及驗證組中均具有良好的校準度，預測NSCLC患者發(fā)生PD-L1表達的風險與實際發(fā)生風險具有較好的一致性。此外，本次研究還分析了模型的DCA曲線，結(jié)果顯示，列線圖模型在較大的閾值范圍內(nèi)均能為患者帶來臨床獲益。但由于內(nèi)部驗證組樣本量較小，導致在計算不同風險閾值下臨床凈獲益時曲線波動較大，特別是在風險閾值高于0.7后波動比較明顯。本文構(gòu)建的列線圖其臨床使用價值體現(xiàn)在：（1）該模型可以把復雜的數(shù)學公式轉(zhuǎn)變?yōu)榭梢暬膱D形，可以根據(jù)不同影響因素對臨床事件影響程度的高低，給每個影響因素的取值水平進行賦分并計算總評分獲得該個體結(jié)局事件的預測概率。（2）納入的3個影響因素均為臨床中簡單易獲得的指標。（3）本研究給出了列線圖預測模型中PD-L1表達的風險概率閾值（0.538），可進一步提高臨床醫(yī)師判斷NSCLC患者PD-L1是否表達的準確率。（4）本研究入組了不同腫瘤分期的NSCLC患者，根據(jù)中華醫(yī)學會肺癌臨床診療指南（2023版）發(fā)布的最新內(nèi)容可知[9]，在驅(qū)動基因陰性且PD-L1表達陽性（TPS≥1%）的情況下，IIA-IIIA期NSCLC患者可在以鉑類為基礎的化療后行PD-L1抑制劑（阿替利珠單抗）輔助治療（2A類推薦證據(jù)），IV期NSCLC患者可以使用單藥PD-1抑制劑（帕博利珠單抗）進行治療（1類推薦證據(jù)），由此可知本研究構(gòu)建的列線圖模型在晚期NSCLC患者具有較大的應用價值。同時在指南中也指出，在驅(qū)動基因陰性的I/II期及可切除的III期患者中建議使用PD-1/PD-L1免疫抑制劑聯(lián)合含鉑雙藥化療進行新輔助治療（1類推薦證據(jù)）；在不可切除的III期患者中，建議同步化放療后行PD-L1抑制劑（度伐利尤單抗）進行鞏固治療（1類推薦證據(jù)）。雖然指南中沒有限制新輔助免疫治療及鞏固治療中PD-L1表達情況，但有研究[31,32]顯示免疫治療的免疫應答率在PD-L1陽性患者中更高，因此本研究構(gòu)建的列線圖模型在早中期NSCLC患者中也可能具有一定的應用價值。

本研究具有局限性：（1）本研究屬于單中心回顧性研究且樣本量不夠大。（2）PD-L1檢測標本獲取方式不一致。本研究中I/II期患者多為手術(shù)切除獲得，III/IV期患者多為活組織穿刺獲得。有研究[33]表明，PD-L1表達在活組織穿刺標本與手術(shù)標本間存在一定的差異。因此本研究結(jié)果可能存在一定的偏倚。（3）本研究僅采用了1種PD-L1檢測試劑盒（SP142），而目前批準投入臨床使用的PD-L1檢測試劑盒有4種，分別為：Dako平臺的22C3和28-8及Vantana平臺的SP263和SP142。不同的試劑盒進行檢測可能會導致結(jié)果不同[34]。因此，還需要進一步對比不同試劑盒的檢測效果以提高結(jié)果的可信度。

總之，本研究結(jié)果顯示，在NSCLC人群中，PD-L1表達與MTV、性別及腫瘤直徑有關(guān)聯(lián)，聯(lián)合這三個因素構(gòu)建的列線圖模型進行綜合評價有助于臨床醫(yī)師較早甄別PD-L1表達風險高的患者，并進行免疫治療獲益，尤其對無法進行組織活檢及手術(shù)的患者更有價值。

Competing interests

The authors declare that they have no competing interests.

Author contributions

Hao LL and Zhang FF conceived and designed the study.Hao LL, Wang LF and Zhang FF analyzed the data. Hao LL,Wang LF, Zhang MY, Yan JM and Zhang FF provided critical inputs on design, analysis, and interpretation of the study.All the authors had access to the data. All authors read and approved the final manuscript as submitted