基于多参数MRI的肿瘤微环境异质性分析预测高级别浆液性卵巢癌预后的多中心研究

来自多中心的研究团队通过整合多参数MRI(mpMRI)影像组学与临床指标，构建了预测高级别浆液性卵巢癌(HGSOC)预后的联合模型。该研究纳入503例患者，采用K-means算法划分肿瘤微环境(habitat)，开发出优于单纯临床模型(C-index:OS 0.752 vs 0.713)的预测系统，为个体化诊疗提供了新思路。

　　

这项横跨四个医疗中心的研究探索了多参数磁共振成像(multiparametric MRI, mpMRI)在高级别浆液性卵巢癌(high-grade serous ovarian cancer, HGSOC)预后预测中的价值。研究人员巧妙运用K-means聚类算法，将肿瘤组织分解为具有不同生物学特性的微环境区域(habitat)，并从中提取了丰富的影像组学特征。

通过严谨的cox回归分析，团队不仅筛选出包括新辅助化疗(neoadjuvant chemotherapy)在内的关键临床预测因子，更创新性地将habitat特征与临床指标融合，构建出预测总生存期(overall survival, OS)和无进展生存期(progression-free survival, PFS)的联合模型。令人振奋的是，这些联合模型在内部验证组和外部测试组中均展现出卓越性能，其C-index值(OS:0.752/0.745; PFS:0.784/0.754)和AUC曲线下面积均显著优于单一模型。

该研究首次证实，反映肿瘤内部异质性(intratumoral heterogeneity)的habitat特征虽具独立预测价值，但与临床指标联用才能实现最优预测效果。这些发现为破解HGSOC异质性难题提供了新视角，也为临床决策支持系统的开发奠定了重要基础。