基于低剂量CT三维体成分分析的肺癌风险预测新型生物标志物研究

来自匹兹堡的研究团队通过回顾性队列研究，利用低剂量CT(LDCT)扫描数据，系统评估了皮下脂肪(SAT)、内脏脂肪(VAT)、肌间脂肪(IMAT)、骨骼肌(SM)和骨骼等5类体成分指标与肺癌风险的关联。研究构建的复合模型（含年龄、吸烟状态及体成分参数）在PLuSS队列中展现21年0.77的预测AUC值，证实三维体成分可作为肺癌风险分层的重要生物标志物，为个性化筛查提供新思路。

　　

这项突破性研究揭示了人体组成成分与肺癌风险的隐秘关联。科研团队巧妙利用匹兹堡肺癌筛查研究(PLuSS, n=3635)和国家肺癌筛查试验(NLST-ACRIN, n=16,360)的长期随访数据，通过自主研发的算法自动分割低剂量计算机断层扫描(LDCT)图像中的皮下脂肪组织(SAT)、内脏脂肪组织(VAT)、肌间脂肪组织(IMAT)、骨骼肌(SM)及骨骼等五种关键组织，并精确计算其体积与密度参数。

令人振奋的是，最终构建的风险预测模型整合了年龄(HR=1.30)、当前吸烟状态(HR=1.85)、骨骼体积(HR=1.38)、骨骼密度(HR=0.80)、骨骼肌密度(HR=0.62)、肌间脂肪比例(HR=0.65)和皮下脂肪体积(HR=0.76)等关键指标。该模型在PLuSS队列中展现出卓越的预测效能：21年随访期间平均AUC达0.77，前7年预测AUC为0.71。即便在外部验证的NLST队列中，7年随访期的AUC仍稳定维持在0.63-0.66区间。

这项研究首次系统论证了三维体成分参数作为肺癌风险预测生物标志物的临床价值。特别值得注意的是，骨骼肌密度与皮下脂肪体积等指标显示出显著保护效应，而骨骼体积增加则与风险升高相关。这些发现不仅革新了传统以肺结节为核心的筛查策略，更为制定个体化肺癌防控方案提供了量化依据。研究团队特别强调，将体成分特征整合到现有风险模型中，可显著提升长期预测准确性，这对优化筛查间隔和目标人群选择具有重要指导意义。