基于CT影像组学的瘤内及瘤周3mm微环境特征预测低分化浸润性非黏液性肺腺癌的临床价值研究

本研究针对2021年WHO胸腺肿瘤分类中提出的低分化浸润性非黏液性肺腺癌(INMA)侵袭性强、预后差等临床难题，通过多中心回顾性分析451例患者CT影像，创新性地构建了结合瘤内及瘤周3mm区域的影像组学模型。该模型在内部验证集中AUC达0.907，显著提升放射科医师诊断准确率至83.1%，为术前无创评估INMA分化程度提供了精准工具，对指导个体化手术方案选择具有重要意义。

　　

肺腺癌作为非小细胞肺癌的主要亚型，其异质性给临床诊疗带来巨大挑战。2021年WHO新分类将浸润性非黏液性腺癌(INMA)按分化程度分为三级，其中低分化(3级)INMA因富含微乳头/实性等高危亚型，具有更强的侵袭性和更差的预后。这类患者即使处于早期，也需考虑更积极的治疗策略。然而，传统CT检查难以准确区分不同分化程度的INMA，导致术前评估与术后病理存在差距。

为解决这一临床痛点，吉林大学第一医院放射科团队联合多家医疗机构，在《Scientific Reports》发表了突破性研究。该研究创新性地将影像组学分析范围从瘤内扩展至瘤周3-5mm微环境区域，通过多中心大样本验证，首次证实结合瘤周特征的预测模型可显著提升诊断效能。

研究采用三大关键技术：1) 多中心回顾性队列设计(三所医院451例患者)；2) 基于RIASEG软件的瘤内及瘤周(3mm/5mm)区域手工分割与特征提取；3) 机器学习算法(LASSO回归结合逻辑回归)构建预测模型。通过五折交叉验证和外部验证确保模型稳健性，并采用SHAP值进行特征重要性解析。

患者特征分析
队列数据显示低分化INMA更常见于男性(50.9% vs 33.5%)，且CT表现为实性结节(87.9% vs 20.2%)、更大实变尺寸(1.90cm vs 0.70cm)和更高实变肿瘤比(CTR)(0.90 vs 0.33)。病理证实低分化组淋巴结转移率显著增高(24.1% vs 1.7%)，印证其侵袭性生物学行为。

模型构建与验证
在内部验证集中，结合瘤周3mm特征的模型表现最优(AUC 0.907)，显著优于单纯瘤内模型(0.882)和临床模型(0.875)。其特异性达87.6%，可准确识别87.6%的非低分化病例。外部验证虽因样本量限制敏感性降至50%，但特异性高达96.1%，显示良好泛化能力。决策曲线分析(DCA)证实该模型在10%-100%阈值概率区间均具有临床净获益。

临床辅助价值
最引人注目的是，当放射科医师(含初/高级职称)借助该模型时，诊断一致性kappa值从0.431提升至0.809。初级医师诊断准确率从66.9%跃升至83.1%，达到与高级医师无辅助时的水平(75.0%)，显著缩小了经验差距。

该研究突破性地揭示了瘤周3mm微环境影像特征对INMA分化程度的预测价值，其创新性体现在三方面：首先，首次证实瘤周特征可弥补单纯瘤内分析的局限性；其次，建立的预测模型可直接整合至临床工作流程；最后，为精准医疗时代下影像-病理关联研究提供了新范式。这些发现不仅有助于指导手术范围选择(如低分化患者推荐肺叶切除)，更为未来探索肿瘤微环境生物学机制奠定了影像学基础。研究团队建议下一步通过前瞻性多中心研究优化模型，并探索与基因组学的关联，以推动肺癌精准诊疗的进一步发展。