基于体素内不相干运动MRI的参数驱动栖息地成像技术在膀胱癌肌层浸润术前预测中的创新应用

《Cancer Imaging》：Parameter-driven habitat imaging based on intravoxel incoherent motion MRI for preoperative prediction of muscle invasion in bladder cancer

本研究针对膀胱癌肌层浸润术前评估的临床难题，开发了一种基于IVIM MRI的参数驱动栖息地成像技术。通过K-means聚类将肿瘤划分为低灌注受限扩散（LP-RD）和高灌注非受限扩散（HP-UD）两个功能亚区，结合随机森林模型构建了诊断性能优异的预测模型（测试集AUC=0.832）。该无创技术为膀胱癌精准分期提供了新思路，有望指导临床治疗决策。

　　

膀胱癌作为全球第九大常见恶性肿瘤，其肌层浸润状态直接决定治疗方案和患者预后。目前临床依赖的经尿道膀胱肿瘤切除术（TURBT）存在 invasiveness（有创性）、采样偏差和时间消耗等局限，迫切需要开发无创的精准分期方法。传统影像学方法基于肿瘤整体参数分析，难以捕捉肿瘤内部的异质性特征，而这恰恰是影响肌层浸润的关键因素。

为解决这一临床难题，山西医科大学第一医院放射科团队在《Cancer Imaging》发表了创新性研究，首次将体素内不相干运动（IVIM）MRI与栖息地成像技术相结合，开发了参数驱动的肿瘤亚区分析新方法。该研究前瞻性纳入693例经病理证实的膀胱癌患者，通过多b值扩散加权成像（DWI）获取肿瘤功能信息。

研究采用的关键技术方法包括：基于3.0T MRI扫描仪采集11个b值的DWI数据；采用分段拟合算法生成扩散系数（D）、伪扩散系数（D*）和灌注分数（f）参数图；应用K-means聚类算法在全队列水平进行肿瘤亚区划分；通过随机森林（RF）构建三种预测模型并采用SHAP（Shapley additive explanations）进行特征贡献度解析。

栖息地生成和亚区映射

通过肘部法则确定最佳聚类数K=2，将肿瘤划分为两个特征鲜明的功能亚区：低灌注受限扩散（LP-RD）栖息地，表现为D、D*和f值降低；高灌注非受限扩散（HP-UD）栖息地，表现为相应参数值升高。MIBC（肌层浸润性膀胱癌）患者LP-RD栖息地比例显著高于NMIBC（非肌层浸润性膀胱癌）（0.65 vs 0.51, p<0.001）。

LP-RD均显著高于NMIBC，而p_HP-UD则显著低于NMIBC'>

特征筛选与模型构建

经过ICC（组内相关系数）和Pearson相关性分析筛选后，最终保留6个栖息地特征和7个临床影像学特征。构建的三种RF模型中，栖息地模型在训练集和测试集分别达到0.950和0.814的AUC（受试者工作特征曲线下面积），而结合临床影像特征的联合模型表现最优（训练集AUC=0.987，测试集AUC=0.832）。

模型性能验证与临床效用

决策曲线分析（DCA）显示，联合模型在大多数阈值概率范围内具有最高的临床净收益。校准曲线表明预测概率与观察结果具有良好一致性。SHAP分析揭示p_HP-UD、D*_HP-UD和肿瘤位置是联合模型中最重要的预测特征。

研究意义与临床价值

该研究首次证实IVIM驱动的栖息地成像能够无创评估膀胱癌肌层浸润状态，其创新性体现在三个方面：通过功能参数聚类克服了传统整体分析的局限性；建立的多模态预测模型具有优越的诊断性能；SHAP解释性分析为临床决策提供了透明化的依据。

特别值得注意的是，对于临床诊断困难的带蒂肿瘤，该方法通过量化LP-RD栖息地比例提供了超越形态学评估的生物学指标。术前栖息地图谱有望指导靶向深部切除、切缘优化和选择性采样，从而减少分期不足和早期再切除的需要。

该技术为膀胱癌精准医疗提供了新的影像学生物标志物，未来通过多中心验证和自动化分割技术的整合，有望成为临床决策支持系统的重要组成部分，推动膀胱癌个体化治疗的发展。