编辑推荐：
为探讨 PET 影像组学特征对新诊断口腔鳞状细胞癌（OSCC）的诊断价值，研究人员对 112 例初治 OSCC 患者提取 PET 影像组学特征，经筛选后用随机森林分类器预测相关指标。结果显示对 T 分期预测效果较好，为 OSCC 精准诊疗提供新方向。
口腔癌是全球第六大常见肿瘤，其中口腔鳞状细胞癌（OSCC）占比超 90%，每年新发病例超 30 万。尽管早期诊断和治疗对改善患者预后至关重要，但约 50% 患者确诊时已处于晚期，5 年生存率约 60%，复发率达 30%，且颈部淋巴结转移是重要预后不良因素。传统 FDG-PET 在术前分期中虽有一定价值，但对小淋巴结或低代谢活性肿瘤存在假阴性，且能否替代传统颈清扫术仍存争议。因此，寻找能补充肿瘤分期、淋巴结转移及复发信息的影像生物标志物具有重要临床意义。
德国奥格斯堡大学医学院核医学科等机构的研究人员开展了一项前瞻性研究，探讨从 PET 影像中提取的组学特征对新诊断、未治疗 OSCC 患者的肿瘤分期（T 分期）、肿瘤分级、淋巴结转移及复发的预测价值。该研究成果发表在《Scientific Reports》上。
研究人员纳入 112 例经组织病理学确诊的新诊断 OSCC 患者，所有患者在手术前均接受全身 [1?F] FDG PET/CT 检查。研究采用三种分割策略（MAX41、SUV2、SUV4）对原发肿瘤进行分割，并通过多数投票法（MV）确定最终分割结果，以计算放射组学特征。共提取 445 个放射组学特征，通过组内相关系数（ICC）筛选出稳定性高的特征，并排除与肿瘤体积、SUVmax 和 SUVmean 高度相关的特征，最终保留 54 个特征用于后续分析。
研究采用随机森林分类器进行四项分类任务：T 分期（低 vs 高）、肿瘤分级（低 vs 高）、淋巴结转移（有 vs 无）和复发预测。通过分层 10 折交叉验证评估模型性能，并利用 SHAP 值分析特征重要性和分类器决策机制。
肿瘤 T 分期预测
随机森林分类器对 T 分期的预测表现最佳，平均交叉验证 AUC 为 0.83，平均准确率达 85%。SHAP 依赖图显示，区域大小不均匀性（GLSZM3D）、依赖计数熵（NGLDM2Dmrg）和区域大小熵（GLSZM3D）是最常被选中的特征，高特征值与高级别 T 分期相关。校准曲线表明模型校准良好，Brier 评分为 0.17，显示出较高的预测可靠性。
肿瘤分级预测
肿瘤分级的预测效果较差，平均 AUC 为 0.56，仅略高于随机水平。多数特征仅在单个交叉验证折中被选中，缺乏对整个数据集具有普遍预测价值的特征，表明 PET 放射组学特征在肿瘤分级预测中价值有限。
淋巴结转移预测
预测淋巴结转移的平均 AUC 为 0.64，准确性为 67%。特征选择显示灰度非均匀性归一化（GLRLM2Davg）和区域大小不均匀性（GLSZM3D）在多个折中被选中，但 SHAP 依赖图未显示明确的分类阈值，提示模型难以通过单一特征准确区分淋巴结转移状态，预测性能中等。
肿瘤复发预测
仅使用放射组学特征时，复发预测的平均 AUC 为 0.63，准确性 70%。当结合临床特征（T 分期、肿瘤分级、淋巴结转移）时，AUC 降至 0.55，低于单纯放射组学模型。然而，SHAP 分析显示不同折中选择的特征差异较大，缺乏稳定的预测模式，表明放射组学特征对复发预测的价值尚不明确。
结论与讨论
本研究表明，PET 放射组学特征在预测 OSCC 患者的 T 分期方面具有一定潜力，尤其是区域大小不均匀性等纹理特征与肿瘤进展相关。然而，对于肿瘤分级、淋巴结转移和复发的预测效果不佳，可能与特征稳定性不足或肿瘤异质性有关。研究的局限性包括单中心样本量较小，缺乏多中心验证，且仅使用 PET 单一模态影像。未来需扩大样本量，结合多模态影像（如 CT、MRI）和临床数据，进一步探索放射组学在 OSCC 精准诊疗中的应用价值。该研究为 PET 放射组学在头颈部肿瘤中的应用提供了新的思路，尽管部分结果仍需验证，但其方法学和初步发现为后续研究奠定了基础。
