基于增强 CT 的栖息地影像组学联合临床数据预测临床 N0 期≤3cm 周围型肺腺癌淋巴结转移

为解决临床 N0 期≤3cm 周围型肺腺癌淋巴结转移（LNM）术前预测难题，研究人员开展基于增强 CT 的栖息地影像组学联合临床数据的预测模型研究。结果显示联合模型 AUC 在训练 / 验证 / 外部测试队列分别为 0.983/0.950/0.877，为精准诊疗提供新工具。

　　肺癌作为全球发病率和死亡率位居前列的恶性肿瘤，其中肺腺癌是最常见的组织学亚型之一。对于临床 N0 期（即影像学未发现淋巴结转移）的早期周围型肺腺癌患者（肿瘤直径≤3cm），术后病理检查却发现 10%-20% 存在淋巴结升级（pN+）。然而，传统的 CT、PET/CT 等影像学手段在检测隐匿性淋巴结转移（尤其是正常大小淋巴结）方面存在明显局限，侵入性的纵隔镜等方法也难以全面评估所有淋巴结站，可能导致分期不足和治疗方案选择不当。因此，如何通过非侵入性手段精准预测淋巴结转移风险，成为优化临床治疗决策的关键问题。

为解决这一临床难题，广西医科大学附属肿瘤医院联合右江民族医学院附属医院的研究团队开展了相关研究。他们基于增强 CT 影像，结合栖息地影像组学（Habitat-based Radiomics）和临床数据，开发了一种预测临床 N0 期周围型肺腺癌淋巴结转移的模型，并验证了其有效性。该研究成果发表在《Scientific Reports》上，为早期肺腺癌的精准诊疗提供了重要的新工具。

研究人员采用回顾性分析，纳入两个中心共 1132 例接受手术切除及淋巴结清扫的临床 N0 期周围型肺腺癌患者（肿瘤直径≤3cm），术前均行增强 CT 检查。研究中用到的关键技术方法包括：①影像组学特征提取：使用 ITK-SNAP 软件手动勾画肿瘤感兴趣区域（ROI），通过标准化预处理（HU 值归一化、体素间距校正）后，基于 k-means 算法将肿瘤分割为不同栖息地亚区域，提取几何、密度、纹理等 1834 个影像组学特征；②临床数据收集：包括年龄、性别、肿瘤直径、密度、分叶征、毛刺征、胸膜凹陷征等临床特征和肿瘤标志物水平；③机器学习建模：通过多变量逻辑回归筛选临床独立危险因素，利用 LASSO 算法和最小冗余最大相关性（mRMR）算法进行特征选择，构建临床模型、影像组学模型、栖息地模型及联合模型，采用 XGBoost、随机森林等算法训练模型，并通过 ROC 曲线、校准曲线、决策曲线分析（DCA）等评估模型性能。

临床特征与淋巴结转移的关联分析

单因素逻辑回归分析显示，年龄、性别、肿瘤直径、吸烟史、肿瘤密度、分叶征、毛刺征等多项临床特征与淋巴结转移显著相关（P<0.05）。多因素分析确定年龄（OR=0.954，P<0.001）、肿瘤密度（OR=0.209，P<0.001）、分叶征（OR=9.083，P<0.001）、胸膜凹陷征（OR=1.959，P=0.016）和空气支气管征（OR=0.461，P=0.003）为独立预测因素。其中，分叶征和胸膜凹陷征提示肿瘤侵袭性生长，而空气支气管征与较低的转移风险相关。

栖息地影像组学模型的构建与性能

通过 Calinski-Harabasz 指数（CH 指数）、轮廓系数（SC）和 Davies-Bouldin 指数（DB 指数）评估，确定 3 个栖息地亚区域为最优聚类数。基于栖息地特征构建的模型在训练、验证和外部测试队列的 AUC 分别为 0.962、0.865 和 0.853，显著优于传统全肿瘤影像组学模型（AUC 分别为 0.907、0.908、0.739）和临床模型（AUC 分别为 0.900、0.864、0.763）。这表明栖息地影像组学通过刻画肿瘤微环境的空间异质性，能更精准捕捉与转移相关的生物学特征。

联合模型的优势与临床 utility

将栖息地影像组学特征与临床数据整合后，联合模型性能进一步提升，训练、验证和外部测试队列的 AUC 分别达到 0.983、0.950 和 0.877，且校准曲线显示预测概率与实际观察高度一致（Hosmer-Lemeshow 检验 P>0.05）。决策曲线分析表明，联合模型在广泛的临床阈值概率范围内具有较高的净获益，提示其良好的临床实用性。研究还构建了列线图（Nomogram），将各预测因素可视化，便于临床医生快速评估患者转移风险。

研究结论与意义

本研究首次将栖息地影像组学与临床数据结合，开发了针对临床 N0 期≤3cm 周围型肺腺癌淋巴结转移的预测模型。结果表明，栖息地影像组学通过分割肿瘤亚区域揭示微环境异质性，较传统全肿瘤分析更能反映肿瘤转移潜能，而联合模型整合多维度信息，显著提升了预测准确性。该模型为临床提供了一种非侵入性、可重复性强的评估工具，有助于优化手术范围（如系统性淋巴结清扫 vs. 选择性清扫），避免过度治疗或分期不足，为早期肺腺癌的个性化治疗策略制定提供了科学依据。尽管研究存在回顾性设计、样本量有限等局限性，但为后续多中心前瞻性验证及整合 PET/CT、生物标志物等多模态数据奠定了基础，有望推动影像组学在肺癌精准诊疗中的临床转化。