Page 22 - 南京医科大学自然版

第46卷第8期
·1128 · 南 京 医 科 大 学 学 报 2026年8月

LR Iinear_SVM NB
1.0 1.0 1.0

0.8
0.8
0.8
True positive rate 0.6 True positive rate 0.6 True positive rate 0.6
0.4
0.4
0.4
0.2 Train（area=0.651） 0.2 Train（area=0.642） 0.2 Train（area=0.668）
Val（area=0.667） Val（area=0.653） Val（area=0.673）
0 0 0
.0 0.2 0.4 0.6 0.8 1.0 .0 0.2 0.4 0.6 0.8 1.0 .0 0.2 0.4 0.6 0.8 1.0
False positive rate False positive rate False positive rate
MLP GBM LightGBM
1.0 1.0 1.0

0.8
0.8
0.8
True positive rate 0.6 True positive rate 0.6 True positive rate 0.6
0.4
0.4
0.4
0.2 Train（area=0.870） 0.2 Train（area=0.961） 0.2 Train（area=0.649）
Val（area=0.407） Val（area=0.537） Val（area=0.637）
0 0 0
.0 0.2 0.4 0.6 0.8 1.0 .0 0.2 0.4 0.6 0.8 1.0 .0 0.2 0.4 0.6 0.8 1.0
False positive rate False positive rate False positive rate
图4 各影像组学模型ROC曲线
Figure 4 ROC curve of radiomics⁃based model

表2 NB模型3折交叉验证性能结果
Table 2 Performance results of three⁃fold cross⁃validation of naive Bayesian（NB）model

Cohort First fold Second fold Third fold Average value
Training cohort AUC（95%CI） 0.638（0.484-0.784） 0.718（0.502-0.875） 0.668（0.499-0.811） 0.675
ACC 0.700 0.740 0.720 0.720
Sensiticity 0.667 0.879 0.909 0.818
Specificity 0.750 0.471 0.353 0.525
NPV 0.600 0.667 0.667 0.645
PPV 0.800 0.763 0.732 0.765
Testing cohort AUC（95%CI） 0.675（0.468-0.909） 0.593（0.283-0.788） 0.673（0.426-0.901） 0.647
ACC 0.840 0.560 0.760 0.720
Sensiticity 0.990 0.333 0.867 0.730
Specificity 0.429 0.900 0.600 0.643
NPV 0.990 0.474 0.750 0.738
PPV 0.818 0.833 0.765 0.805

整合免疫疗法治疗 NSCLC 正在成为标准的临 临床特征评估生存期表现良好，大幅减少人力消
床实践，近年来影像组学特征评估 PD⁃L1 表达或疗 耗。综合以上既往研究，结合过往研究经验及不足

效中取得了一些进展。有研究基于动脉期增强 CT 之处，考虑到治疗中假性进展及延迟反应的发生，
建立影像组学模型预测 NSCLC 中 PD⁃L1 表达和免 本研究创新性采用iRECIST对免疫治疗疗效进行评
疫治疗预后 ［10］ 。Shao 等 ［12］ 使用 CT 影像组学联合炎 估，为了使研究更加严谨，研究充分保证入组患者
症指标预测局部晚期转移性NSCLC免疫治疗疗效， 用药的一致性，严格筛选免疫联合治疗方案（帕博
但存在 PD⁃L1 表达数据缺失的问题。Wang 等 ［17］ 用 利珠单抗/纳武利尤单抗+紫杉醇/顺铂），统一治疗
深度学习联合影像组学建立 PD⁃L1 表达模型，结合 周期为 4~6 个疗程（12~18 周），排除既往免疫耐药