Journal for Immunotherapy of Cancer
可解释的多模态放射病理组学模型预测食管鳞状细胞癌新辅助化疗免疫治疗后的病理完全缓解
小赛推荐：
本研究开发并验证了一种可解释的多模态放射组学和病理组学模型，用于术前预测食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解情况，模型在多个队列中表现出良好的性能，并提供直观的临床决策支持界面。
文献概述
本文《Interpretable multimodal radiopathomics model predicting pathological complete response to neoadjuvant chemoimmunotherapy in esophageal squamous cell carcinoma》，发表于《Journal for Immunotherapy of Cancer》杂志，回顾并总结了针对食管鳞状细胞癌（ESCC）患者在新辅助化疗免疫治疗（nCIT）后病理完全缓解（pCR）的术前预测模型。研究基于多中心回顾性数据，整合CT影像的放射组学特征和H&E染色全切片图像的病理组学特征，构建了单模态和多模态融合模型，其中中间融合模型（MIFM）在训练集和测试集中均表现最佳，且具备良好的可解释性。背景知识
食管鳞状细胞癌（ESCC）是全球范围内高发且具有侵袭性的恶性肿瘤之一。新辅助化疗免疫治疗（nCIT）已成为局部晚期ESCC的潜在治疗策略，但术前准确预测pCR仍是临床挑战。传统生物标志物如PD-L1、TMB等预测能力有限，且检测成本高、操作复杂。放射组学和病理组学分别通过影像和组织图像提取定量特征，用于肿瘤表型和微环境分析，但单模态模型的预测性能受限。多模态融合模型通过整合不同来源的互补信息，可提高预测精度。本研究特别强调模型的可解释性，通过SHAP分析、决策路径可视化和细胞类型分析，使模型更易于临床理解和应用，同时开发了无需编程的图形用户界面（GUI）以支持临床转化。
研究方法与实验
研究纳入335名接受nCIT后行食管切除术的ESCC患者，其中296名来自浙江癌症医院，被随机分为训练集（181例）和内部测试集（115例），其余39例来自武汉和天津的两个中心，构成外部测试集。所有患者术前均接受增强CT和H&E染色活检切片扫描。放射特征由PyRadiomics提取，病理特征由CellProfiler分析，经过标准化、单变量筛选和特征降维后，分别建立单模态和多模态模型，其中中间融合模型（MIFM）和晚期融合模型（MLFM）均用于整合CT和WSI特征。模型性能通过AUC、准确率、灵敏度、特异性及F1分数评估，并结合生存分析和模型解释性分析进行验证。关键结论与观点
研究意义与展望
该研究为ESCC患者nCIT后pCR的术前预测提供了一种稳健、可解释的多模态AI模型，有望指导个体化治疗决策，如选择观察等待或及时手术。模型的可解释性设计有助于临床医生理解并信任预测结果，促进其在真实临床环境中的应用。未来仍需大规模前瞻性试验进一步验证模型的临床实用性，并探索其在其他癌症类型和治疗方案中的泛化能力。
本研究成功构建并验证了一种可解释的多模态放射病理组学模型，用于预测食管鳞状细胞癌患者在新辅助化疗免疫治疗后是否达到病理完全缓解。该模型结合CT放射组学和H&E染色病理组学特征，采用中间融合策略，展现出优于单模态模型的预测性能，并通过SHAP分析和决策路径可视化提供临床可解释性。研究还开发了无需编程的图形用户界面，便于临床实践中的快速应用。尽管模型在训练集中表现优异，在测试集中仍保持较高的特异性，有助于减少非pCR患者误诊为pCR的风险，从而支持及时手术。未来需进一步验证模型在更大规模前瞻性试验中的实用性，并探索其在其他肿瘤治疗预测中的应用价值。
