基于肺叶影像组学的年龄与肺癌风险关联研究：揭示肺老化模式的叶间异质性

本研究针对年龄如何通过肺叶影像组学特征影响肺癌风险这一科学问题，通过对29,810例参与者低剂量CT（LDCT）数据的深度分析，首次揭示了右肺上叶与小叶密度特征的相反变化规律及其介导/抑制效应。研究人员采用深度学习分割、最小冗余最大相关（mRMR）算法和中介分析等技术，发现wavelet_HL_firstorder_Mean等3个特征可独立预测肺癌风险（Bonferroni校正P<0.005），为衰老相关肺癌早期干预提供了新靶点。

　　

肺癌作为2022年全球发病率最高的癌症，每年导致约180万人死亡。尽管吸烟等传统危险因素已被广泛认知，但衰老作为独立风险因子的作用机制仍不明确。临床实践中，医生常观察到老年人肺部CT出现密度降低、肺泡扩张等老化征象，但现有研究多局限于主观评估或小样本分析。更关键的是，肺不同叶段的衰老可能呈现异质性模式——例如吸烟主要影响上叶，而年龄相关变化可能在下叶更显著，这种空间特异性与肺癌发生的关联尚未被系统揭示。

南京医科大学和浙江省肿瘤医院的研究团队创新性地将影像组学技术应用于肺衰老研究。通过对温州肺癌筛查项目中29,810例参与者的低剂量CT数据进行分析，研究首次从定量角度揭示了肺叶特异性老化模式及其与肺癌风险的复杂关系。研究发现，年龄对肺癌风险的影响在吸烟人群中尤为显著（HR=1.07，P=2.81×10^-13
），而右肺上叶的wavelet_HL_firstorder_Mean特征随年龄增加（β=0.019），与右肺下叶的wavelet_LH_firstorder_Mean特征（β=-0.028）呈现相反趋势。这些密度特征不仅独立预测肺癌风险，还分别介导或抑制了7.89%和-7.73%的年龄效应。该成果发表于《BMC Medical Imaging》，为理解衰老相关肺癌的发病机制提供了全新视角。

研究采用三大关键技术：1）基于3D U-Net的深度学习模型自动分割五肺叶；2）从各肺叶提取1,470个影像组学特征，经mRMR算法筛选年龄相关特征；3）结合Cox比例风险模型和加速失效时间模型，在温州筛查队列中分析特征与肺癌的关联。

【研究结果】

1. 年龄与肺癌风险：当前吸烟者中，年龄每增加1岁肺癌风险升高7%（P=2.81×10^-13
   ），且存在非线性趋势（P_non-linear
   =0.028）。

2. 肺叶影像组学特征：

• 右肺上叶wavelet_HL_firstorder_Mean与年龄正相关（β=0.019，P=2.41×10^-276
  ）
• 右肺下叶wavelet_LH_firstorder_Mean与年龄负相关（β=-0.028，P=7.83×10^-198
  ）

1. 肺癌风险预测：

• 右肺上叶wavelet_HL_firstorder_Mean为保护因素（HR=0.81，P=0.004）
• 左肺上叶original_shape_MinorAxisLength增加风险（HR=1.01，P=0.005）

1. 中介效应：

• 右肺下叶密度特征介导7.89%年龄效应
• 右肺上叶特征抑制7.73%年龄效应

【结论与意义】
该研究首次通过大样本影像组学分析，证实肺衰老存在显著的叶间异质性，且不同叶段的密度和形态特征以不同方式参与年龄相关肺癌的发生。右肺上叶与下叶密度指标的相反变化规律，可能反映解剖位置导致的生理差异——上叶淋巴引流较慢易发生钙化，而下叶更易出现老化相关的密度降低。这些发现不仅为理解"衰老-影像特征-肺癌"三联关系提供新证据，更提示未来可针对特定肺叶的影像组学特征开发早期预警指标。研究局限性包括人群年龄范围局限（50-74岁）和缺乏肿瘤亚型数据，后续需通过多中心研究验证特征的普适性。

从临床转化角度看，该成果为肺癌精准筛查提供了新思路：结合吸烟史和肺叶特异性影像特征，或可建立更精准的风险分层模型。例如，对具有右肺下叶低密度特征的老年吸烟者，可能需要更密切的随访监测。此外，发现的介导特征可能成为抗衰老干预的潜在靶点，为延缓肺癌发生开辟新途径。