该文档属于类型a，是一篇关于单一原创研究的学术论文。以下是对该研究的详细报告：
作者与机构
本研究的主要作者包括Mitchell Chen、Haonan Lu、Susan J. Copley等，他们分别来自英国伦敦帝国理工学院（Imperial College London）、帝国理工学院医疗保健NHS信托（Imperial College Healthcare NHS Trust）等机构。该研究发表于《Journal of Thoracic Oncology》期刊，并于2023年2月10日在线发布。
学术背景
本研究的主要科学领域是非小细胞肺癌（NSCLC）的免疫治疗，特别是针对程序性细胞死亡蛋白1（PD-1）或其配体（PD-L1）抑制剂的治疗反应预测。目前，PD-L1表达水平是决定患者是否适合接受免疫治疗的主要依据，但这种方法存在局限性，如肿瘤细胞的异质性、动态变化以及组织采样的侵入性。为了解决这些问题，研究团队开发了一种基于计算机断层扫描（CT）影像组学（radiomics）的新型生物标志物，用于预测NSCLC患者对PD-1或PD-L1抑制剂免疫治疗的反应及肺毒性（pneumotoxicity）。
研究目标
本研究旨在开发一种非侵入性的影像组学标志物，通过CT影像数据预测PD-L1表达水平、治疗反应及肺毒性，从而为患者选择最佳治疗方案提供科学依据。
研究流程
1. 研究设计与数据收集
本研究为回顾性观察研究，遵循STROBE指南。研究分为发现队列和验证队列。发现队列包括85名NSCLC患者，其CT影像和RNA测序数据来自公共数据库（如癌症影像档案库）。验证队列包括两个独立的外部测试队列：ICHNT队列（66名患者）和LCWES队列（43名患者），这些患者均接受了PD-1或PD-L1抑制剂治疗。
影像分割与特征提取
两名临床放射科医生对CT影像进行肿瘤分割，包括肿瘤本身、2毫米的肿瘤周围区域以及背景肺实质的代表性区域。使用3D Slicer软件进行分割，并通过Dice相似系数评估观察者间的一致性。随后，使用内部开发的软件（TexLab 2.0）提取1998个影像组学特征，并进行标准化处理。
模型开发与验证
以CD274（PD-L1编码基因）的RNA表达作为响应变量，采用线性回归和弹性网络正则化方法，开发了一种复合影像组学标志物，称为肺癌免疫治疗—影像组学预测向量（LCI-RPV）。该模型在发现队列的训练集（62名患者）中开发，并在内部验证集（23名患者）中验证。随后，在两个外部测试队列中验证了LCI-RPV对PD-L1阳性、高表达（>50%和>90%）、治疗反应及肺毒性的预测能力。
数据分析与结果解释
使用ROC曲线下面积（AUC）评估模型的预测性能。LCI-RPV在两个测试队列中均显示出对PD-L1阳性的良好预测能力（AUC=0.70）。在ICHNT队列中，LCI-RPV还能预测高PD-L1表达（>50%和>90%）、3个月的治疗反应（AUC=0.68）及肺毒性发生（AUC=0.64）。此外，LCI-RPV成功将患者分为高风险和低风险生存组，具有统计学显著性。
主要结果
1. PD-L1表达预测
LCI-RPV在两个测试队列中均能有效预测PD-L1阳性（AUC=0.70），并在ICHNT队列中进一步预测高PD-L1表达（>50%和>90%）。
治疗反应预测
在ICHNT队列中，LCI-RPV对3个月的治疗反应预测表现出良好的性能（AUC=0.68）。
肺毒性预测
LCI-RPV在ICHNT队列中对肺毒性的预测能力为AUC=0.64，尤其在PD-L1抑制剂治疗的患者中表现更佳。
患者分层
LCI-RPV能够将患者分为高风险和低风险生存组，具有显著的统计学意义（HR=2.26和HR=2.45）。
结论
本研究开发了一种基于CT影像组学的非侵入性生物标志物（LCI-RPV），能够有效预测NSCLC患者的PD-L1表达、治疗反应及肺毒性。该标志物在临床实践中具有重要应用价值，特别是在无法获得组织样本或组织样本质量不佳的情况下，为患者选择免疫治疗方案提供了新的工具。
研究亮点
1. 创新性
本研究首次将影像组学与基因组学结合，开发了一种基于CD274的复合标志物，为NSCLC的免疫治疗提供了新的预测工具。
多队列验证
研究在多个独立队列中验证了LCI-RPV的预测能力，增强了其临床应用的可靠性。
肺毒性预测
LCI-RPV能够预测免疫治疗相关的肺毒性，这是目前临床实践中尚未解决的难题。
非侵入性
该方法完全基于CT影像数据，避免了侵入性组织采样，提高了患者的接受度和安全性。
其他价值
本研究通过基因集富集分析（GSEA）和单细胞RNA测序（scRNA-seq）进一步揭示了LCI-RPV与肿瘤微环境中炎症和缺氧相关基因通路的关联，为理解PD-1/PD-L1抑制剂的免疫生物学机制提供了新的见解。
以上是对该研究的全面报告，涵盖了研究的背景、流程、结果、结论及其科学和应用价值。