据国家癌症中心报道,肺癌在所有恶性肿瘤中发病率和死亡率居于榜首,其中,非小细胞肺癌约占整个肺癌发病率的80%-85%。非小细胞肺癌的癌细胞生长分裂较慢,扩散转移相对较晚,但由于其发病早期缺乏特异性症状,约有80%的肺癌患者在确诊时便已处于中晚期,使得该类疾病伴随着极低的生存率。肺癌的发生和进展是一种多因素参与的过程,它的复杂性不仅体现在肿瘤内遗传异质性上,而且还表现为空间上的肿瘤异质性。影像和基因组学的发展为深入了解肿瘤异质性提供了新的思路,运用影像手段评估肿瘤组织水平的异质性,随后关联其在遗传基因表达上的差异性,不仅可以为优化临床治疗策略提供参考,还能够促进个体化精准治疗的实施,从而提高病人的预后生存能力。本文回顾性分析了 TCIA和TCGA数据库中的非小细胞肺癌数据,共纳入了 371例患者数据,“NSCLC-Radiomics”数据集中包含患者的CT影像和临床数据,按比例将其分为训练集和测试集,“TCGA-LUSC/LUAD”数据集中包含患者的影像、临床和基因表达数据,用作外部验证集。本文使用基于3D-slicer平台的半自动分割方法对肿瘤的二维和三维病变区域进行了划分,并对每位患者提取了 975个(535个三维特征,440个二维特征)肿瘤特征,包括形状特征、一阶灰度信息、纹理特征和基于小波变换的特征。首先,本文使用单变量Cox回归模型和K-M生存分析方法评估了二维和三维CT影像特征对患者生存时间的预测性能是否存在差异,并分析了两者之间的一致性;接着,基于性能最优的影像组学标记结合临床信息,本文使用多变量Cox风险比例模型建立了用于预测非小细胞肺癌患者生存概率的可视化预后模型;最后,针对肺癌的三维影像学特征,使用一致性聚类算法发现并验证了新的非小细胞肺癌成像亚型,依据生存时间评估了不同成像亚型之间的患者生存预后情况,并使用基因表达数据进一步阐述了成像亚型的生物学机制。研究结果:肿瘤的二维和三维影像特征标记都可以用于预测患者的生存时间,相比之下,三维影像特征的预测性能更好,而联合二维和三维影像特征的影像组学标记预测性能效果最佳。相对于单独使用临床信息的预后模型而言,影像组学预后模型对患者生存概率的预测性能显著较高,在临床信息中增加影像组学标记可以进一步提升模型的准确度。基于肿瘤的CT影像特征可以将患者聚类为三个成像亚型,不同成像亚型所对应的患者的预后生存概率显著不同。基因的富集通路分析发现,成像亚型与信号通路的失调程度显著相关,患者的生存概率会随着信号通路失调数量和通路活性的增加而显著降低。本文的研究结果表明基于肿瘤影像的分析能够实现对肿瘤空间异质性的全面表征,为临床治疗提供更加全面的信息,并有助于揭示肿瘤影像和遗传异质性的关系,从而为非小细胞肺癌的精准治疗提供参考。