编辑推荐：
目前临床风险评分（CRS）预测结直肠癌肝转移（CLM）患者新辅助化疗后预后能力有限。研究人员评估总转移灶体积（TMV）和相对体积缩小（RVR）的预后价值。结果显示，TMV 和 RVR 能有效预测患者无进展生存期和总生存期，优于传统 CRS。
在癌症的世界里，结直肠癌（colorectal cancer）就像一个 “狡猾的敌人”，悄无声息地威胁着人们的健康。据统计，全球范围内结直肠癌是最常见的癌症之一，大约四分之一的结直肠癌患者会出现肝转移（colorectal liver metastasis，CLM）。对于这些患者来说，肝切除术是目前唯一有可能治愈的治疗方法。然而，如何准确预测患者在肝切除术后的预后情况，一直是医学领域的一大难题。
以往，医生们会使用临床风险评分（clinical risk scores，CRS）来预估患者的预后，比如 Fong 评分、Nordlinger 评分和 Nagashima 评分等。但这些评分大多是在围手术期化疗时代之前制定的，其中很多参数并不能反映患者对新辅助化疗（neoadjuvant chemotherapy，NAC）的生物学反应，这就导致它们在预测接受新辅助化疗患者的预后时效果不佳。而且，传统评分里的形态学参数只考虑了转移灶的数量和直径，没有涉及到像所有转移灶总体积这样的三维变量。因此，寻找更有效的预后预测指标迫在眉睫。
为了解决这个问题，来自维也纳医科大学（Medical University of Vienna）的研究人员开展了一项极具意义的研究。他们想评估总转移灶体积（total metastases volume，TMV）以及新辅助化疗后转移灶体积缩小情况（即相对体积缩小，relative volume reduction，RVR）对接受围手术期化疗和手术的 CLM 患者预后的预测价值，并将这些参数与已有的 CRS 进行对比。
这项研究成果发表在《Annals of Surgical Oncology》上，研究发现，TMV 和 RVR 在预测患者预后方面表现出色。TMV 较小的患者，无进展生存期（progression-free survival，PFS）明显更长；RVR 达到一定比例的患者，其 PFS 和总生存期（overall survival，OS）都显著优于 RVR 较低的患者。这表明，TMV 和 RVR 似乎比传统的 CRS 更能准确地预测接受新辅助化疗和手术患者的预后，为临床医生制定治疗方案提供了更有力的依据。
在研究方法上，研究人员进行了回顾性单中心研究。他们从 2005 年到 2016 年维也纳医科大学的病例中筛选出符合条件的患者，这些患者均接受了针对 CLM 的择期肝切除术。通过对患者进行术前和术后的多排螺旋 CT（Computed Tomography）扫描，利用 syngo.CT 肝脏分析软件半自动化测量转移灶体积。同时，计算患者的临床风险评分，并运用统计学软件 SPSS 28.0 进行数据分析，通过 Kaplan-Meier 生存曲线和 Cox 比例风险模型来评估各因素与 PFS 和 OS 的关系。
下面来看具体的研究结果：
- 肿瘤体积显著预测肝切除术后预后：研究人员根据患者新辅助化疗前后的 TMV 将其分为两组。通过 Kaplan-Meier 生存分析发现，化疗前 TMV 低于中位数（29.7ml）的患者，其中位 PFS 为 31.0 个月，高于 TMV 大于或等于中位数患者的 13.7 个月；化疗后 TMV 低于中位数（7.5ml）的患者，其中位 PFS 为 22.6 个月，同样长于 TMV 较高的患者（9.1 个月）。在分析相对肿瘤体积缩小的影响时，以 73% 的 RVR 为界分组，RVR 至少为 73% 的患者，其中位 PFS 为 38.0 个月，明显长于 RVR 低于 73% 的患者（9.4 个月）；其平均 OS 为 92.5 个月，也显著优于 RVR 较低的患者（59.5 个月）。Univariate Cox 分析进一步证实，TMV 与 PFS 显著相关，RVR 与 PFS 和 OS 均显著相关。
- 临床风险评分：研究人员计算了患者化疗前后的 Fong 评分、Nordlinger 评分、Nagashima 评分和肿瘤负荷评分（Tumor Burden Score，TBS）。在 Kaplan-Meier 分析中，传统的 CRS 均未能显示出不同风险组之间 PFS 或 OS 的显著差异，而化疗前较高的 TBS 与较短的 PFS 和 OS 显著相关，但化疗后这种相关性消失。Univariate Cox 分析表明，TBS 对化疗前后的 PFS 有显著影响，但对 OS 无显著影响。
在研究结论和讨论部分，研究人员指出，以往的预后评分存在诸多局限性，其形态学标准仅局限于肿瘤直径和转移灶数量，且是在化疗效果不佳的时代制定的，难以适用于当前患者群体。而本研究中的 TMV 作为三维变量，能更全面地反映肿瘤负荷，RVR 则精确体现了治疗反应，二者在预测 CLM 患者预后方面具有重要价值。此外，研究还提到，未来结合人工智能（AI）驱动的工具，有望进一步优化和自动化肿瘤体积评估，提高评估的准确性和可重复性，为个性化治疗提供更好的支持。不过，该研究也存在样本量较小的局限性。尽管如此，这项研究为后续研究奠定了基础，未来需要更多前瞻性研究来验证这些结果，并将 TMV 和 RVR 纳入更完善的预后评分系统。
