新闻来源：核医学科

近日，中山大学附属第五医院(简称“中山五院”)核医学科王颖主任团队在核医学经典期刊《European Journal of Nuclear Medicine and Molecular Imaging》(中科院1区，IF 7.6)发表最新研究成果“NHOC/NHOP as novel biomarkers for predicting lymph node metastasis in NSCLC using PET/CT radiomics and machine learning:a two-centerretrospectivestudy”。该研究基于中山五院和中山大学肿瘤防治中心的342例NSCLC患者，成功构建一种融合临床资料、新型几何指标NHOC/NHOP与PET/CT影像组学的可解释机器学习模型，用于术前精准预测非小细胞肺癌(NSCLC)的淋巴结转移(LNM)及隐匿性转移(ONM)，预测性能显著显著，泛化能力强，具有较高的临床转化应用价值和潜力。

研究发现，NHOC（代谢热点到肿瘤质心的归一化距离）是淋巴结转移的独立预测因子——NHOC值越高，肿瘤侵袭性越强，淋巴结转移风险越大。NHOC可通过LIFEx软件在PET/CT图像中自动提取，操作便捷且可重复性。研究团队对比了八种机器学习算法，最终选定多层感知机（MLP）构建融合模型即临床资料、NHOC及影像组学这三者的融合模型。在训练集、内部测试集和外部验证集中，模型预测LNM的AUC分别达到0.852、0.822、0.885，预测ONM的AUC也达0.85，显著优于单一临床或NHOC模型（p < 0.05）。

此外，团队通过SHAP可解释性分析，发现GLCM_InverseVariance-PET、NGTDM_Strength-CT等影像组学特征，以及PD-L1表达、肿瘤大小等临床变量共同驱动模型决策，使“黑箱”模型决策过程透明化，提升临床可信度。为进一步推进临床转化，团队开发了在线预测计算器，医生输入患者相关指标可快速评估LNM风险，辅助制定个体化手术方案。

本研究首次证实了NHOC在NSCLC淋巴结转移预测中的独立价值。所构建的融合模型具备高准确性、强泛化性与良好可解释性，尤其对常规影像难以发现的隐匿性转移展现出独特优势，显著提升了术前分期的准确性。该模型能精准预测LNM及ONM，有助于临床医生制定更精准的手术方案与辅助治疗计划，从而有效避免过度治疗或治疗不足，改善患者预后，为肺癌个体化诊疗提供了新的循证依据。

中山五院核医学科王颖主任、中山大学肿瘤防治中心核医学科樊卫主任、中山五院核医学科俞婕医师为本文共同通讯作者， 中山五院核医学科硕士研究生黄倩怡、血液内科硕士研究生莫骏健、核医学科硕士研究生邓轩邦为共同第一作者。

审稿专家：王颖 赵亮宇

通讯员：黄倩怡