基于深度学习的CT模型用于胰腺癌三级淋巴结构的无创预测：一项在免疫化疗队列中进行前瞻性验证的多中心研究

背景：胰腺导管腺癌（PDAC）仍是最致命的恶性肿瘤之一。三级淋巴结构（TLS）已成为肿瘤免疫微环境的关键组成部分，与生存改善和免疫治疗反应增强相关。然而，TLS的无创检测仍是一项重大的临床挑战。目的：这项多中心研究旨在开发并验证一种基于深度学习的CT模型，以无创方式预测TLS状态，并评估其在手术、非手术和前瞻性免疫化疗队列中的预后和预测价值。材料与方法：我们纳入了来自两个中心的223例手术切除的PDAC患者用于模型开发，以及82例非手术患者用于临床验证。训练了一个基于ResNet50的深度学习网络（DLN），从术前对比增强CT中预测TLS状态。该锁定模型在来自一项前瞻性免疫化疗试验（ChiCTR2000032293）的44例患者中进行了评估，并进行了病理锚定验证、结局评估以及通过循环多重酪胺信号放大进行的空间免疫分析。结果：DLN在训练、内部验证和外部验证队列中分别达到了0.987、0.937和0.853的曲线下面积（AUC）。在非手术队列（n=82）中，DLN预测的TLS阳性患者的总生存期（OS）显著更长（中位19个月 vs 7个月；HR=3.611，p<0.0001）。在前瞻性队列中，病理锚定验证得出的AUC为0.929（特异性=1.000）。DLN-high患者表现出更优的客观缓解率（90.0% vs 26.5%，p=0.001）、无进展生存期（PFS）（中位13.1个月 vs 5.3个月，p<0.001）和OS（中位17.6个月 vs 8.7个月，p<0.001）。在多变量分析中，DLN评分独立预测OS（HR=0.052，p<0.001）和PFS（HR=0.079，p<0.001）。DLN评分与程序性死亡配体1（PD-L1）表达正交（rho=0.011，p=0.946），但与树突状细胞-T辅助细胞空间相互作用（p=0.037）和T辅助细胞-B细胞空间共定位（rho=0.307，p=0.043）——功能性TLS结构的两个标志——相关，并与肿瘤细胞密度呈负相关（rho=−0.399，p=0.007）。结论：这种基于DLN的CT模型可靠地预测PDAC中的TLS状态，在免疫化疗中具有前瞻性验证的预后和预测价值，具有TLS相关空间免疫结构的生物学基础，并且与PD-L1具有正交的预测价值，支持一种用于免疫治疗患者选择的互补生物标志物策略。