骆雅婷 徐文北 谢智雯 孟闫凯 汪秀玲

徐州医科大学附属医院影像科(江苏 徐州 221000)

肺腺癌是肺癌最常见的病理类型[1]。随着个体化精准治疗的发展，免疫检查点抑制剂(immune checkpoint inhibitors，ICIs)越来越多地应用于肺腺癌的治疗，其中以细胞程序性死亡受体-1(programmed cell death protein 1，PD-1)/细胞程序性死亡因子配体-1(programmed death ligand 1，PD-L1)抑制剂为代表的ICIs应用最为广泛。研究表明，PD-L1表达值≥1%的患者可通过PD-L1抑制剂治疗获益[2-4]。

目前，临床上PD-L1检测主要依赖免疫组化(Immunohistochemistry，IHC)获得，对于无法手术、穿刺活检的患者，由于无法获得病变标本，难以进行PD-L1检测，故限制了ICIs治疗的广泛应用[5]。并且PD-L1表达在肺腺癌不同组织亚型中异质性较强，且活检需要较高成本[6]。有学者尝试通过影像学、影像组学、机器学习的方法区分PD-L1表达水平，已经取得了较好的研究结果[7-8]。但是，基于影像组学的方法需要医学与工科背景的研究人员进行多学科合作，同时图像分割耗时较多。随着人工智能分析软件在临床更多的应用，并且可以快速的的提供更多定量参数特征，能否基于人工智能分析软件，用于构建PD-L1分层预测模型具有重要的临床意义。

因此，本研究拟探讨基于人工智能分析软件的影像学特征在预测原发肺腺癌PD-L1表达中的价值。

1 资料与方法

1.1 研究资料回顾性分析2020年6月至2021年6月于我院经手术切除的肺腺癌患者资料。

纳入标准: 手术病理证实为原发肺腺癌；手术病理与胸部CT检查时间间隔小于1个月；患者行PD-L1免疫组化检查。排除标准：术前行肿瘤相关治疗，如免疫、靶向等；……