编辑推荐：
为解决局限性透明细胞肾细胞癌（ccRCC）术后复发风险分层问题，研究人员开发并验证基于 CT 的肿瘤内（IAT）及瘤周 3/5mm（IPAT）影像组学列线图。发现 IPAT 5mm 模型性能更优，融合模型（FM）显著提升预测准确性，为个性化治疗提供新工具。
肾癌作为泌尿系统常见恶性肿瘤，其中透明细胞肾细胞癌（ccRCC）占比高达 75%-80%。尽管多数局限性 ccRCC 患者术后病情稳定，但仍有 20%-30% 患者会出现复发转移，且转移性患者预后极差。当前临床依赖 TNM 分期、核分级等病理指标评估复发风险，但这些方法预测准确性有限，且无法实现术前评估。此外，传统预后模型如 SSIGN 虽整合多指标，但同风险组内患者生存差异仍显著，亟需更精准的预测工具。
在此背景下，复旦大学附属中山医院（厦门）等机构的研究人员开展了一项基于 CT 影像组学的研究，旨在开发并验证整合肿瘤内及瘤周特征的影像组学列线图，以优化局限性 ccRCC 术后复发风险分层。该研究成果发表在《BMC Medical Imaging》。
研究采用两中心队列，共纳入 447 例局限性 ccRCC 患者。其中中心 A 的 395 例患者按 7:3 比例随机分为训练集（281 例）和内部验证集（IVS，114 例），中心 B 的 52 例作为外部验证集（EVS）。研究主要技术方法包括：①CT 影像采集与预处理：获取术前增强 CT 动脉期图像，进行重采样和标准化；②肿瘤区域分割：定义肿瘤内区域（IAT）、瘤内 + 瘤周 3mm 区域（IPAT 3mm）、瘤内 + 瘤周 5mm 区域（IPAT 5mm）；③影像组学特征提取：使用 Pyradiomics 工具包提取多区域特征，经 ICC 筛选后通过 LASSO Cox 回归构建影像组学评分（Radscore）；④模型构建：分别建立临床模型（CM）、影像组学模型（RM）及融合临床因素与 Radscore 的融合模型（FM）；⑤模型评估：采用 C-index、time-AUC、DCA 等指标验证模型性能。
结果分析
影像组学模型性能比较
通过 LASSO Cox 回归，从 IAT、IPAT 3mm、IPAT 5mm 区域分别筛选出 5、5、6 个特征构建 RM。结果显示，IPAT 5mm 模型在 IVS 和 EVS 中 C-index 均高于其他区域模型（IVS: 0.924；EVS: 0.952），表明瘤周 5mm 区域特征对复发预测价值更高。
融合模型的优势
整合 IPAT 5mm Radscore 与临床独立预测因子（年龄、ISUP 分级、p-T/N 分期）构建 FM。在 IVS 中，FM 的 C-index 为 0.938，显著优于 CM（0.889，P=0.03）；虽在 EVS 中 RM 表现最优（C-index=0.952），但 FM 与 RM 差异无统计学意义（P>0.05）。DCA 显示，FM 在 IVS 中净临床获益最高，RM 和 FM 在 EVS 中均优于 CM。
与现有模型的对比
与 SSIGN 模型相比，FM 在 IVS 中 C-index 显著更高（0.938 vs. 0.886，P<0.001），虽在 EVS 中略低（0.904 vs. 0.912），但差异无统计学意义（P=0.687），表明 FM 在复发预测中具有竞争力。
结论与讨论
本研究首次整合肿瘤内与瘤周影像组学特征，构建了高预测效能的 ccRCC 术后复发风险模型。结果表明，IPAT 5mm 区域特征较单纯肿瘤内特征能更全面反映肿瘤微环境及异质性，而 FM 通过结合影像与临床信息，进一步提升了预测准确性。该模型在多中心验证中表现稳定，且优于传统 SSIGN 模型，为临床提供了一种无创、高效的风险分层工具。
研究意义在于，通过影像组学技术可术前精准识别高复发风险患者，避免低风险人群接受不必要的辅助治疗，同时确保高危患者及时干预，推动 ccRCC 个性化诊疗发展。尽管存在回顾性研究偏倚、样本量有限等局限，但其创新性地将瘤周微环境纳入预测体系，为肾癌影像基因组学及精准医疗提供了新方向。未来需更大样本量及多中心研究进一步验证，并探索纯瘤周特征模型的独立预测价值。
