编辑推荐：
头颈部鳞状细胞癌（HNSCC）患者隐匿性淋巴结转移（LNM）难以精准判断。研究人员构建瘤内、瘤周和栖息地影像组学模型预测 HNSCC 隐匿性 LNM。结果显示 RF - 栖息地影像组学模型表现优异，还揭示了免疫微环境特征，为诊疗提供新方向。
在医学领域，头颈部鳞状细胞癌（HNSCC）是头颈部常见的恶性肿瘤，它如同一个狡猾的 “敌人”，具有很强的侵袭和转移能力。尽管近年来诊断和治疗技术不断进步，但患者的 5 年生存率却没有明显提升。这主要是因为 HNSCC 具有高度的异质性，而且局部复发和远处转移的风险很高。其中，颈部淋巴结转移（LNM）更是让病情雪上加霜，成为影响患者预后的关键因素。
在评估淋巴结状态时，常规的影像学检查，如超声、CT、MRI 等，主要通过观察淋巴结的形态和血供来判断，但对于一些临床和影像学评估为淋巴结阴性（cN0）的患者，术后病理分析却发现，有 30 - 40% 的人其实存在 LNM。目前，对于 cN0 患者的治疗方案存在很大争议。比如，有人提出对部分喉癌患者进行预防性颈部淋巴结清扫，但这可能导致过度治疗，70% 以上的患者会接受不必要的手术。PET - CT 虽然在检测隐匿性 LNM 方面比较敏感，但也容易受到炎症或感染的影响而出现误判。此外，虽然有一些分子生物标志物在预测隐匿性 LNM 方面有潜力，但在临床转化过程中遇到了诸如检测协议标准化和临床验证可靠性等难题。因此，如何在预防性颈部淋巴结清扫和避免过度治疗之间找到平衡，成为了一个亟待解决的重大临床挑战。
为了攻克这个难题，重庆医科大学附属第一医院等机构的研究人员开展了一项极具意义的研究。他们构建了瘤内、瘤周和栖息地影像组学模型，旨在预测 HNSCC 患者的隐匿性 LNM，并通过大样本和单细胞 RNA 测序分析，进一步探究与影像组学模型相关的肿瘤微环境。
这项研究的主要技术方法包括：首先，收集了来自三个医疗中心（2014 年 3 月至 2024 年 4 月）和癌症基因组图谱（TCGA）的 723 例病理确诊的 HNSCC 患者样本，其中重庆医科大学附属第一医院的 484 例患者被随机分为训练集（n = 330）和内部测试集（n = 154），另外两个中心的患者作为外部测试集（n = 183）。其次，利用 ITKSNAP 软件进行肿瘤分割，获取瘤内、瘤周和栖息地感兴趣体积（VOI），并通过 Python 包 PyRadiomics 提取影像组学特征，经过一系列筛选后，使用逻辑回归（LR）、支持向量机（SVM）和随机森林（RF）分类器构建模型。最后，运用大样本和单细胞 RNA 测序技术探究模型相关的生物学机制。
下面来看具体的研究结果：
- 患者特征：研究发现，隐匿性 LNM 在不同数据集的发生率有所差异，训练集为 26.06%，内部测试集为 31.17%，外部测试集为 33.33%，基因组集为 30.00%，且淋巴结状态在四个队列中分布均衡。通过对训练集按淋巴结状态分组分析，发现病理淋巴结阳性（pN +）患者更易出现 T3 或 T4 期、低分化，以及肿瘤体积大、最大肿瘤直径长、强化不均匀和肿瘤坏死等影像学特征。
- 栖息地区域和特征选择：运用 K - means 方法对肿瘤 VOI 内的体素进行聚类分析，结果显示分为 3 个簇时戴维斯 - 布尔丁（DB）评分最优，因此选择具有 3 个子区域的栖息地 VOI 进行后续分析。经过一系列特征筛选，最终保留瘤内 VOI 的 28 个特征、瘤周 VOI 的 25 个特征和栖息地 VOI 的 31 个特征用于建模。
- 所有预测模型的性能评估：构建的 9 个影像组学模型中，RF - 栖息地影像组学模型表现最为出色，在训练集、内部测试集和外部测试集中的受试者工作特征曲线下面积（AUC）分别达到 0.919、0.857 和 0.835。通过单因素和多因素 LR 分析确定了隐匿性 LNM 的独立预测因子，包括最大肿瘤直径、组织学分级和 RF - 栖息地影像组学评分，并据此构建的混合模型在预测淋巴结状态方面也有良好表现，且 RF - 栖息地影像组学模型和混合模型均显著优于仅包含临床特征的临床模型。
- 与 RF - 栖息地影像组学模型相关的临床结局和生物学功能：生存分析表明，根据 RF - 栖息地影像组学模型分层的患者在不同队列中的预后存在显著差异。高风险组患者的 3 年无病生存率（DFS）和总生存率（OS）明显低于低风险组。通过大样本 RNA 测序分析发现，高低风险组之间有 463 个差异表达基因（DEGs），这些基因与免疫调节通路、代谢和信号转导通路密切相关。单细胞 RNA 测序分析显示，高风险组的免疫微环境更为复杂，其中耗尽相关的 CD8+ T 细胞（CD8_CXCL13）浸润水平较高，这可能是 RF - 栖息地影像组学模型预测能力的潜在生物学基础。
研究结论和讨论部分指出，RF - 栖息地影像组学模型在预测 HNSCC 患者隐匿性 LNM 方面表现卓越，能有效对患者进行预后分层。同时，该模型与耗尽相关的 CD8+ T 细胞浸润有关，揭示了可能导致隐匿性 LNM 的肿瘤微环境特征。然而，研究也存在一些局限性，如回顾性研究可能存在偏差，栖息地亚区域与病理结果的相关性有待验证，基因组集样本量有限等。尽管如此，这项研究依然为 HNSCC 患者隐匿性 LNM 的预测提供了一种无创的解决方案，为术前分层提供了有价值的支持，也为开发新的免疫治疗策略开辟了新的研究方向，在 HNSCC 的诊疗领域具有重要的意义 。
