CT影像组学联合炎症指标预测可切除食管鳞癌患者无进展生存期的列线图模型研究

本研究针对食管鳞癌(ESCC)术后预后评估难题，创新性整合CT影像组学特征与系统性炎症指标(NLR/LMR/PLR/SII)，构建多参数列线图模型。通过258例患者回顾性队列分析，证实联合模型在训练集和测试集中AUC分别达0.964和0.958，显著优于单一模型(P<0.001)，为个体化预后预测提供新型无创工具。

　　

食管癌作为全球高发恶性肿瘤，其鳞状细胞癌(ESCC)亚型在我国尤为常见。尽管手术切除是可切除ESCC的主要治疗手段，但术后复发转移率居高不下，5年生存率始终徘徊在20-30%之间。传统TNM分期系统虽被广泛采用，却难以全面反映肿瘤生物学特性与宿主免疫微环境的复杂交互作用。临床亟需能够整合多维度信息的精准预测工具，以识别高危患者并指导个体化干预。

南京医科大学附属淮安第一医院医学影像科团队在《Scientific Reports》发表的研究，创新性地将CT影像组学与系统性炎症指标相结合，开发出预测ESCC患者术后无进展生存期(PFS)的列线图模型。研究纳入2017-2018年间258例接受根治术的ESCC患者，通过西门子CT扫描获取动脉期增强图像，采用ITK-SNAP软件进行肿瘤三维分割，利用Pyradiomics平台提取1316个定量特征。同时收集术前血液炎症指标（NLR、LMR、PLR、SII），通过LASSO-Cox回归和10折交叉验证筛选最优特征组合，最终构建包含15个影像组学特征和3个炎症指标的预测模型。

主要研究结果

临床病理特征分析
258例患者随机分为训练集(n=180)和测试集(n=78)，两组在年龄、性别、肿瘤位置、分化程度等基线特征上无统计学差异(P>0.05)，证实队列划分合理性。

炎症模型构建
多因素Cox回归确定LMR≤5.34(HR=0.741)、PLR≤137.97(HR=0.976)和SII>772.68(HR=1.002)为独立预后因素。该模型在测试集展现0.876的AUC值，特异性达94.7%。

影像组学模型验证
从1316个初始特征中筛选出15个最具预测价值的特征，其中10个来自小波变换特征。模型在测试集的AUC为0.855，证实肿瘤异质性定量分析对预后预测的重要价值。

联合列线图模型优势
整合Rad-score与炎症指标的列线图模型表现最优，训练集和测试集的C-index分别达0.896和0.893。Delong检验显示其预测效能显著优于单一模型(Z=3.869,P<0.001)。决策曲线分析证实该模型在大多数阈值概率下具有最大临床净获益。

风险分层价值
根据nomogram风险评分划分的高低危组，5年PFS存在显著差异(P<0.001)，高危组复发风险增加3.2倍，为术后监测策略制定提供客观依据。

讨论与展望
该研究突破传统单维度评估局限，首次证实CT影像组学与系统性炎症反应的协同预测价值。小波特征的主导地位提示肿瘤多频域异质性的预后意义，而炎症指标则反映宿主-肿瘤相互作用。模型临床转化后，可使35.7%的中期ESCC患者避免过度治疗，同时识别出28.3%隐匿性高危患者。

研究存在三点局限：食管蠕动可能影响特征稳定性、缺乏外部验证队列、未整合基因组数据。未来可通过深度学习自动分割、多中心验证及多组学整合进一步提升模型精度。这项成果为ESCC精准医疗提供了重要的决策支持工具，其方法论框架也可拓展至其他实体瘤预后预测研究。