小队列限制应答预测
论文指出，新辅助化免治疗已成为 NSCLC 的标准治疗选择，但针对这一特定队列的公开数据集仍然缺乏。这对预测模型很关键：要用基线 CT 预测病理应答，模型需要足够多有标注的样本可供学习，而一种新疗法还没有时间积累这些样本。
研究的做法是人为制造额外训练样本，而不是等待更多患者。它构建了 AI 与专家协作的生成式整合系统 AEGIS，生成与研究对象相似的 CT 图像，并在训练时与真实扫描混合。预测目标是手术标本评估出的病理应答，而不是某种替代性的影像信号。
应答标签分为三个等级
论文将主要病理缓解（MPR）定义为新辅助治疗后瘤床内残留存活肿瘤细胞不超过 10%，无论淋巴结中是否仍有存活肿瘤细胞。完全病理缓解（CPR）更严格：瘤床和淋巴结中均无残留存活肿瘤细胞。标本由两位有 10 年以上经验的病理学家判读，存在争议时交由第三位独立病理学家裁定。
这些定义解释了研究为何报告三个预测任务，而不是一个。二分类模型区分病理应答（PR）与无应答（Non-PR）；三分类模型区分 CPR、MPR 和 Non-PR；回归模型预测残留肿瘤比例，这是一个连续量。由于这些任务回答的问题不同、评分指标也不同，它们的数字不能互相替换。
合成图像通过盲法专家评审
AEGIS 由五部分组成：稳定扩散图像生成器、LoRA 微调阶段、评估模型、强化学习循环和预测模型。生成器以预训练的医学图像扩散模型为基础，在来自同济医院的 NSCLC 免疫治疗数据集上微调，该数据集包含 2300 多张 CT 扫描，其病理类型和治疗方案与研究队列一致。专家为每张切片手工标注解剖位置、模态、治疗时间点、病理类型、治疗方案和结局。
评估模型以 EfficientNetV2-M 为骨干，用真实专家评分数据训练，在强化学习中提供奖励信号，从而推动生成器产出专家评分高的图像。随后，两位有 10 年以上胸部肿瘤经验的放射科医生审阅匿名化的合成图像，在不知晓图注和元数据的情况下判断图像质量及其与真实临床 CT 的相似度。只有通过这一评估的图像才与真实扫描混合。作者认为，正是这道质量关卡让合成数据可用，而不只是数量多。
预测按患者汇总切片特征
预测模型把每位患者视为一组含肿瘤的 CT 切片。预处理只保留含肿瘤组织的横断面薄层图像，将像素值转换为 Hounsfield 单位，应用肺窗，重采样至 1.0 mm × 1.0 mm 间距，并调整为 224 × 224 像素。预训练的 RadImageNet 网络为每张切片提取 2048 维特征；多尺度注意力残差块和注意力网络再将各切片加权汇总为一个患者级特征向量，由随机森林分类器映射到应答类别。
这一设计意味着模型输出的是由切片级证据汇总而成的患者级预测，而不是逐张切片的判读。队列本身来自两个中心：回顾性纳入 320 例患者，CT 分别采集自同济医院的 Siemens Somatom Definition AS+ 和上海市胸科医院的 GE Discovery 750 HD。因此外部验证队列来自不同的扫描仪和机构，而这正是所报告提升最有意义的场景。
混合训练使外部 AUC 升至 0.784
在 PR 与 Non-PR 的二分类任务中，AEGIS 通过 500% 混合训练将外部验证 AUC 从 0.642 提升至 0.784。这一比较是在同一预测流程下、分别用和不用合成数据混合训练，并在外部队列上评估，因此变化可归因于训练数据扩充，而不是换了验证集。
三分类任务以不同指标显示了相同方向：外部队列准确率从 62.56% 升至 78.97%。准确率与 AUC 不能互换，前者统计类别判断正确的比例，后者衡量跨阈值的排序能力，而且论文是针对不同任务分别报告的。读者比较这两个主要数字时，应把任务和指标与各自数字对应起来。
回归模型更好追踪残留肿瘤
回归分析直接预测残留肿瘤比例。AEGIS 将外部验证队列的 R² 从 0.327 提升至 0.525。在同一外部队列中，论文报告回归分析优于二分类分析，0.752 对 0.642。
这一比较是研究中最具决策相关性的内部对照。二分类标签丢弃了残留存活肿瘤的多少，而回归保留了这一梯度；论文结果表明，在外部场景下，从基线 CT 预测这一分级目标更容易。作者将其表述为回归分析与分类分析的模式比较，所报告的数字支持在外部数据上把连续输出视为两者中更强的一个。
概念验证范围限制临床使用
该研究是回顾性的，来自两个中心，共 320 例患者。外部队列在扫描仪、重建层厚（1.25 mm 对 1.0 mm）和重建核上均不同，这增强了泛化性主张，但也意味着验证只反映了一个额外中心，而非广泛的多中心测试。论文将这项工作称为概念验证。
合成图像在使用前还要经过专家评审筛选，因此所报告的收益依赖于这一人工质量关卡存在于流程之中。研究没有展示合成数据不经专家评估直接进入训练会怎样，也没有检验预测是否会改变围手术期治疗决策或患者结局。这些问题超出了现有证据的范围。
回归输出是优先信号
在这篇论文中，最有用的区分不是抽象意义上的合成数据与真实数据，而是哪个预测目标获益最多。二分类模型的 AUC 从 0.642 升至 0.784，三分类模型的准确率从 62.56% 升至 78.97%，回归模型的 R² 从 0.327 升至 0.525，同时在外部队列上回归达到 0.752，而二分类分析为 0.642。
对于正在权衡在这一场景下是否值得推进生成式数据扩充的读者，论文自身的排序指向连续残留肿瘤目标是最强的外部结果，而合成数据混合与专家质量筛选是获得该结果的条件。证据所暗示的下一步检验是：这一回归优势能否在更多中心成立，以及在没有专家评审环节时是否仍然存在。
本文引用的文献
AI expert collaborative generative model for predicting pathologic response to neoadjuvant chemoimmunotherapy in NSCLC
在 320 例患者、两个中心的回顾性队列中，训练时将经专家筛选的合成 CT 图像与真实基线扫描混合，使二分类病理应答预测的外部验证 AUC 从 0.642 升至 0.784，三分类准确率从 62.56% 升至 78.97%，回归 R² 从 0.327 升至 0.525。