基于CT影像组学的肾细胞癌pT3a期浸润术前精准分期模型构建与多中心验证

为解决肾细胞癌(RCC)术前pT3a期浸润CT诊断准确率波动大(0.348-0.937)的临床难题，四川大学华西医院团队通过多中心1516例样本开发了6种CT影像组学模型。形态学模型(M)在内部验证(AUC=0.867)和外部验证(AUC=0.842-0.895)中表现最优，作为第二阅片工具可显著提升初级医师诊断敏感性(0.759→0.841)且不降低特异性。该研究为RCC精准术前分期提供了可解释性强、跨中心稳定的AI解决方案，发表于《npj Digital Medicine》。

　　

肾细胞癌(RCC)作为成人最常见的肾脏恶性肿瘤，其术前精准分期直接关系到手术方案选择——局限期(pT1-2)可保留肾单位的部分切除，而pT3a期以上需根治性切除。然而临床依赖的CT检查存在明显局限：识别肾周脂肪/肾窦脂肪/肾静脉浸润的准确率波动达0.348-0.937，不同年资医师判读差异显著。这种不确定性可能导致过度治疗或治疗不足，亟需客观、可重复的量化评估工具。

四川大学华西医院联合多家医疗中心，开展了迄今为止最大规模的RCC影像组学研究。团队收集1516例患者(开发集999例、双中心验证集313例、TCIA公共数据集204例)的术前增强CT图像，通过手工标注肿瘤区域并提取1470个肿瘤特征和1456个瘤周特征。研究采用嵌套交叉验证(nested cross-validation)构建6种模型：单纯形态学(M)、肿瘤强度-纹理(IT)、瘤周强度-纹理(PIT)及三者组合模型，最终通过多阅片者多病例(MRMC)研究评估临床价值。

关键技术包括：1)基于Pyradiomics提取IBSI标准特征；2)通过LASSO回归筛选特征(如Sphericity球形度、3D最大直径)；3)采用决策曲线分析(DCA)评估临床效用；4)纳入7名放射科医师进行Likert 5级评分比较AI辅助效果。

基线特征
开发集中pT3a+患者年龄更大(60.4±11.9 vs 54.9±13.1岁,p<0.001)、更常接受根治术(94.1% vs 43.2%)。TCIA数据集中透明细胞癌占比最高(87.8%-95.9%)，与病理分级显著相关(p<0.001)。

模型性能
形态学模型仅用4个特征(最大3D直径、Sphericity、Elongation、Flatness)即展现卓越性能：内部验证AUC 0.867(95%CI:0.866-0.869)，外部验证AUC 0.895(双中心)和0.842(TCIA)。特征分析显示Sphericity在M/M-IT/M-PIT模型中均具最高权重(系数-1.242~-1.055)，证实肿瘤不规则形态与浸润高度相关。

临床验证
模型作为第二阅片工具使初级医师AUC从0.790提升至0.831(p<0.001)，敏感性提高8.2个百分点(p=0.03)且特异性无损失。值得注意的是，高级医师结合模型后AUC仅微增(0.861→0.864,p=0.60)，提示模型对经验不足者提升更显著。

讨论与意义
该研究首次通过多中心大样本证实：CT影像组学可稳定识别RCC的pT3a浸润，其核心价值在于将主观的"肿瘤边缘不规则"等描述转化为Sphericity等可量化指标。模型在ccRCC与非ccRCC亚组均保持稳定(AUC>0.8)，且通过敏感性分析证实跨CT机型适用性。临床转化方面，研究创新性采用MRMC设计，证明AI辅助可缩小不同年资医师的判读差距，为实施"保留肾单位手术"的决策提供客观依据。

局限包括瘤周特征需手工标注、未整合基因组数据等。未来可结合nnU-Net实现自动分割，并探索与R.E.N.A.L.评分系统的联合应用。该成果为RCC精准诊疗提供了新范式，其"形态优先"的可解释建模思路对其他肿瘤分期研究具有借鉴意义。