Journal for Immunotherapy of Cancer
QVT评分：基于CT影像的血管复杂性生物标志物用于非小细胞肺癌免疫治疗预后预测与疗效监测
小赛推荐：
该研究开发了QVT评分——一种基于常规CT影像的自动化、可解释的放射组学生物标志物，可量化肿瘤血管复杂性，有效预测和监测非小细胞肺癌患者接受免疫检查点抑制剂治疗的生存结局，且独立于PD-L1表达和RECIST标准。
文献概述
本文《QVT score, a radiomic biomarker of vascular complexity, enables prognostication and monitoring of NSCLC immunotherapy》，发表于《Journal for Immunotherapy of Cancer》杂志，回顾并总结了一种名为定量血管扭曲度（QVT）评分的新型影像学生物标志物的开发与验证过程。该研究基于多中心真实世界数据，利用自动化管道从常规CT扫描中提取肿瘤相关血管的910个放射组学特征，通过无监督聚类识别出两种内在的血管表型，并构建连续QVT评分以量化肿瘤血管复杂性。研究系统评估了QVT评分在免疫检查点抑制剂单药治疗和化疗联合免疫治疗中的预后价值，并进一步验证其在早期治疗过程中动态变化对总生存期的预测能力。结果表明，QVT评分不仅在基线时独立于PD-L1状态预测生存，其早期下降还可作为血管正常化和有利生存的标志，具有重要的临床转化潜力。背景知识
非小细胞肺癌（NSCLC）是肺癌中最常见的组织学类型，免疫检查点抑制剂（ICI）的出现显著改善了晚期患者的生存预后。然而，目前临床应用的生物标志物如PD-L1表达水平和影像学评估标准（如RECIST v1.1）与长期生存的相关性较差，导致患者分层不精准，部分患者无法获得持久临床获益。肿瘤血管系统的异常结构和功能，即血管复杂性，是免疫抑制微环境的重要驱动因素，通过诱导缺氧和阻碍T细胞浸润，促进免疫逃逸。因此，量化肿瘤血管复杂性有望为ICI疗效提供更深层次的生物学洞察。放射组学技术能够从医学影像中高通量提取定量特征，为无创评估肿瘤异质性提供了新途径。然而，传统放射组学方法常缺乏明确的生物学解释，且在不同治疗场景下泛化能力有限。深度学习模型虽性能优越，但其“黑箱”特性限制了临床可解释性。QVT（Quantitative Vessel Tortuosity）是一类专门用于量化肿瘤血管异常生长（如扭曲、分支紊乱）的放射组学特征，已有研究表明其与多种癌症治疗反应相关。然而，既往研究多依赖单一QVT特征或特定适应症模型，缺乏一个统一、可解释、跨治疗方案通用的生物标志物。本研究正是在此背景下，提出开发一个综合QVT特征谱的连续评分系统，旨在实现对NSCLC患者ICI治疗结局的精准预后和动态监测，弥补现有生物标志物的不足。
研究方法与实验
本研究是一项回顾性、多中心队列研究，纳入682例接受ICI治疗的晚期NSCLC患者，共分析1301次CT扫描。研究设计包括发现队列（n=375，ICI单药）和两个外部验证队列（ICI单药n=172，化疗免疫联合n=135），以及一个纵向队列（n=143）用于评估治疗早期的动态变化。研究采用全自动管道对CT图像进行预处理、肺部病变及肿瘤相关血管的分割，并从病灶周围区域提取910个QVT特征，涵盖曲率、扭转、分支等六个维度。在发现队列中，通过对所有QVT特征进行无监督共识聚类，识别出两种内在的血管表型。随后，采用正则化逻辑回归模型将这910个特征整合为一个连续的QVT评分，以映射患者在血管表型谱系上的位置。该评分在外部队列中验证其对总生存期（OS）的预后价值，并在多变量Cox模型中调整PD-L1表达和临床变量。在纵向队列中，计算首次随访扫描时的QVT评分变化（ΔQVT），评估其与OS的关系，并与RECIST最佳总体缓解和肿瘤体积变化进行多变量比较。整个流程部署于云平台，实现从DICOM输入到QVT评分输出的自动化。关键结论与观点
研究意义与展望
QVT评分作为一种新型、可解释的影像学生物标志物，通过量化肿瘤血管复杂性，为ICI治疗的预后预测和疗效监测提供了超越传统生物标志物的新维度。其自动化、非侵入性特点使其易于整合到常规临床工作流程中，有助于优化患者分层，指导治疗决策，例如识别可能从联合治疗中获益的PD-L1高表达患者。此外，QVT评分的动态变化可作为早期疗效预测指标，有助于实现个体化治疗适应，如对无响应患者及时调整治疗方案。
该研究为肿瘤血管正常化作为ICI响应机制提供了有力的临床影像学证据。QVT评分的开发框架——基于可解释的生物学特征进行无监督表型发现，再构建连续评分——为其他癌症类型和治疗方式的生物标志物开发提供了范式。未来研究应进一步在前瞻性临床试验中验证QVT评分的临床效用，并探索其在其他免疫治疗方案（如双免疫检查点抑制）和瘤种中的应用。此外，将QVT评分与分子标志物（如TMB、基因表达谱）结合，可能构建更全面的预测模型，推动精准肿瘤学的发展。
结语
本研究成功开发并验证了QVT评分——一种基于常规CT影像的自动化、可解释的放射组学生物标志物，用于量化非小细胞肺癌的肿瘤血管复杂性。通过多中心大样本研究，证实了QVT评分在ICI单药及化疗联合免疫治疗中均具有独立于PD-L1的强预后价值。更重要的是，治疗早期QVT评分的下降可独立于RECIST标准预测患者的长期生存获益，反映了治疗诱导的血管正常化过程。这一发现为免疫治疗的疗效监测提供了新的生物学洞察，弥补了现有形态学评估的不足。QVT评分的自动化云平台实现了快速、标准化的评分计算，展示了其在临床实践和药物开发中的巨大应用潜力。该研究不仅提供了一个实用的临床工具，也强化了血管正常化在免疫治疗响应中的关键作用，为未来开发靶向血管微环境的联合疗法提供了重要依据。QVT评分有望成为精准管理NSCLC免疫治疗的新标准之一。
