AI+液体活检:PRIME模型大幅提升早期非小细胞肺癌进展风险预测准确率

MRD检测已经广泛应用于非小细胞肺癌（NSCLC）预后及复发预测，但当前临床常用的ctDNA MRD检测存在灵敏度不足的问题，超50%MRD阴性患者仍会复发。近期发表于《Military Medical Research》的研究开发了可解释AI模型PRIME，整合液体活检、基因组变异与临床特征，将进展风险预测AUC提升至0.82~0.85，为个性化治疗决策提供了全新工具。

模型构建：多队列整合+可解释AI构建通用预测模型

研究团队纳入了全球6个队列共493例I-III期NSCLC患者的781份血液样本，覆盖手术、根治性放化疗、放化疗+免疫巩固三种常见根治性治疗模式，同时兼容固定panel和个性化panel两种主流ctDNA测序技术，最大程度贴合真实世界临床场景。 研究者首先统一了不同队列的MRD判读标准，筛选出与疾病进展独立相关的特征，随后对6种经典机器学习算法进行训练与验证，最终选择性能最优的神经网络模型构建PRIME，并通过SHAP分析量化每个特征的贡献度，解决传统AI模型“黑箱”不可解释的问题。

图1. 研究整体设计：纳入6个队列的I-III期NSCLC患者多维度数据，构建并验证PRIME预测模型

模型性能：7个核心特征实现精准风险分层

1. 筛选出7个独立预测因子

通过单因素分析，研究者最终确定7个与NSCLC根治后进展风险显著相关的特征，纳入模型训练：临床分期、治疗前ctDNA状态、治疗方式、治疗后MRD、外周血KEAP1突变、STK11突变、CDKN2A突变。图2. 训练集疾病进展潜在预测因子森林图，7个特征达到统计学显著性纳入模型

2. 三个基因突变提示不良预后，机制明确

研究发现携带外周血KEAP1、STK11、CDKN2A突变的患者进展率分别达53.8%、52.0%、46.9%，位列所有突变的前三位，TCGA队列的组织测序数据也验证了这三个突变的不良预后价值。进一步机制分析显示：这三个突变会共同诱导抑制性肿瘤免疫微环境，下调巨噬细胞分化、肥大细胞活化、B细胞介导的体液免疫通路，将肿瘤变为免疫“冷肿瘤”，最终导致患者预后更差。

3. PRIME模型性能显著优于单指标检测

最终构建的神经网络版PRIME模型表现最优：训练集AUC达0.85（95%CI 0.81~0.89），独立外部验证集AUC达0.82（95%CI 0.74~0.89），显著优于单个MRD检测（AUC 0.71）、临床分期（AUC 0.60）等单一指标。 SHAP可解释性分析显示：MRD（贡献度+0.306）、治疗方式（贡献度+0.128）、治疗前ctDNA（贡献度+0.043）是模型贡献度最高的三个预测因子，结果符合临床认知。

图3. PRIME模型性能与可解释性分析：a 训练集6种机器学习算法ROC对比；b PRIME与单个预测因子ROC对比；c SHAP分析各特征贡献度；d 验证集模型ROC曲线；e 验证集高低风险患者PFS对比

4. 可直接指导辅助治疗决策

PRIME模型识别的高风险患者无进展生存期（PFS）显著差于低风险患者，且在不同分期、不同治疗模式的亚组中均保持稳定的分层效力。 尤其值得关注的是：高风险患者术后接受辅助治疗的获益显著（P<0.001），而低风险患者接受辅助治疗无明显生存获益（P=0.928），提示PRIME可直接用于指导辅助治疗的个性化选择，避免低风险患者承受不必要的治疗副作用。

临床前景

相较于现有同类模型，PRIME有三个不可替代的优势：

1. 跨平台适用性强：兼容固定panel和个性化panel两种ctDNA测序技术，无需患者使用特定检测平台，适配真实世界不同医疗机构的检测条件，推广门槛极低；
2. 可解释性高：通过SHAP量化每个特征的贡献度，输出结果符合临床逻辑，更容易获得医生与患者的信任，符合临床监管要求；
3. 样本易获取：所有预测因子均来自外周血与常规临床信息，无需获取肿瘤组织，尤其适合无法取得足够组织样本的局晚期NSCLC患者。

目前研究团队已经启动前瞻性II期临床试验（NCT06998719）进一步验证PRIME的临床价值，未来还将拓展模型的应用场景，用于预测围手术期免疫治疗的获益人群。当然该研究也存在一定局限性：纳入人群覆盖不同分期与治疗模式存在一定异质性，未来需要更大规模的前瞻性队列进一步验证模型的普适性。

总结

PRIME模型首次实现了“液体活检多组学特征+可解释AI”的有机结合，解决了长期以来早期NSCLC根治后复发预测准确率不足、难以落地临床的痛点，不仅预测性能优异，还完美适配真实世界的多样化临床场景。未来随着前瞻性验证的完成，该模型有望纳入临床常规诊疗路径，真正实现早期肺癌患者的风险分层与个性化治疗，进一步提升患者的长期生存率。

原文信息

• PRIME: an interpretable artificial intelligence model based on liquid biopsy improves prediction of progression risk in non-small cell lung cancer. Mil Med Res. 2026 Jan 6;12(1):94.
• https://doi.org/10.1186/s40779-025-00679-z

都看到了这里，辛苦关注一下吧！☟☟☟