编辑推荐：
鼻咽癌（NPC）放疗后残留病灶评估至关重要。本研究探讨治疗前多序列 MRI 的肿瘤微环境（TME）影像组学特征预测残留状态的价值，通过 K-means 聚类分割影像，构建 SVM 模型。结果显示整合影像组学与临床数据的模型预测效能最佳，为 NPC 残留评估提供新方向。
鼻咽癌（Nasopharyngeal Carcinoma, NPC）是起源于鼻咽黏膜上皮的头颈部恶性肿瘤，具有显著的区域特异性，约 80% 病例集中在中国南方及东南亚地区，发病率高达 25-40/10 万。尽管调强放疗（IMRT）显著提升了局部控制率和生存率，但仍有 10%-20% 患者出现局部失败。肿瘤异质性导致不同区域对放疗反应差异，残留病灶的存在是局部复发和远处转移的主要因素。及时准确识别残留病灶对尽早启动挽救性治疗（如挽救性放疗或手术切除）、改善患者预后至关重要，但传统影像评估依赖医生经验，存在主观性强、无法量化异质性等局限。
为解决这一难题，苏州大学附属第三医院（常州市第一人民医院）联合常州市新北区三井人民医院的研究团队，开展了基于多序列 MRI 的 “肿瘤微环境影像组学（Habitat Radiomics）” 研究，旨在探索其对 NPC 放疗后残留病灶的预测价值。该研究成果发表于《Scientific Reports》，为 NPC 精准诊疗提供了新的技术路径。
研究采用回顾性队列研究，纳入 179 例初治 NPC 患者，按 7:3 比例分为训练集（125 例）和验证集（54 例）。主要技术方法包括：①影像预处理：使用 N4ITK 算法校正 MRI 偏场伪影，归一化灰度值并统一体素大小至 1×1×1 mm3；②肿瘤微环境分割：通过高斯混合模型（GMM）结合贝叶斯信息准则（BIC）确定最佳聚类数，对 T2WI、CE-T1WI、FSCE-T1WI 序列分别进行 K-means 聚类，将肿瘤划分为不同亚区域（如 FSCE-T1WI 分为 4 个微环境，T2WI 和 CE-T1WI 分为 2 个微环境）；③影像组学特征提取与筛选：从全肿瘤及各微环境中提取 1133 个特征，经 t 检验、Pearson 相关分析和 LASSO 算法筛选关键特征；④模型构建与验证：基于支持向量机（SVM）构建预测模型，结合临床参数（如 T 分期、中性粒细胞计数 NE、淋巴细胞计数 LYM 等）形成整合模型，通过受试者工作特征曲线（ROC）、校准曲线和决策曲线分析（DCA）评估效能。
研究结果
肿瘤微环境特征与预测效能
在训练集中，FSCE-T1WI 的 Hab4、CE-T1WI 的 Hab1 和 T2WI 的 Hab2 亚区域表现出更高预测价值。例如，FSCE-T1WI Hab4 的 AUC 为 0.898（敏感性 0.868，特异性 0.875），CE-T1WI Hab1 的 AUC 达 0.941，均显著优于传统全肿瘤影像组学模型。这些亚区域对应肿瘤内细胞密集或乏氧区域，可能与放疗抵抗相关。
整合模型的优势
通过单因素和多因素 Logistic 回归分析，确定 T4a 分期、临床 IVa 期、NE、LYM、全身免疫炎症指数（SII）和原发肿瘤体积（GTVnx）为残留病灶的独立预测因子。将这些临床参数与微环境影像组学特征整合后，构建的 Model 5（Clinic + FSCE-T1 Hab4 + CE-T1 Hab1 + T2 Hab2）在训练集和验证集的 AUC 分别为 0.921 和 0.811，显著优于单一临床模型或单序列影像组学模型。决策曲线显示该模型具有更高的临床净获益，校准曲线验证了预测概率与实际残留风险的一致性。
微环境影像组学的生物学意义
研究发现，FSCE-T1WI Hab4 和 CE-T1WI Hab1 对应对比剂增强显著区域，提示高细胞增殖密度；T2WI Hab2 因水分子密集，可能反映乏氧微环境，与放疗诱导的氧自由基生成减少、肿瘤细胞死亡抵抗相关。这种基于异质性的亚区域分析，揭示了传统全肿瘤分析无法捕捉的放疗抵抗机制，为个体化治疗提供了潜在生物标志物。
研究结论与意义
本研究首次证实，基于多序列 MRI 的肿瘤微环境影像组学特征，尤其是 FSCE-T1WI Hab4、CE-T1WI Hab1 和 T2WI Hab2 的组合，较传统全肿瘤影像组学更能准确预测 NPC 放疗后残留病灶。整合临床参数与影像组学特征的模型进一步提升了预测效能，为 NPC 治疗后残留评估提供了无创、可量化的新工具。该方法有助于临床早期识别高风险患者，指导挽救性治疗决策，推动 NPC 精准医学发展。尽管存在单中心样本量小、回顾性设计等局限，但其创新性的微环境分析框架为后续多中心研究和功能影像 - 分子病理整合奠定了基础。
这项研究通过影像组学与临床数据的跨学科整合，突破了传统影像评估的瓶颈，为鼻咽癌的个体化治疗提供了关键技术支撑，有望在未来临床实践中实现对残留病灶的精准预判，最终改善患者预后。
