基于CT影像组学联合临床影像特征预测肾透明细胞癌WHO/ISUP病理分级的跨中心研究

本研究针对肾透明细胞癌(ccRCC)术前病理分级难题，通过多中心回顾性分析169例患者CT影像组学特征，结合肿瘤大小、出血、癌栓等临床指标，构建随机森林预测模型。结果显示联合模型AUC达0.895，显著优于单一模型，为无创评估WHO/ISUP分级提供新工具，对预后评估和手术决策具有重要价值。

　　

肾细胞癌(RCC)作为全球第14大常见恶性肿瘤，其中肾透明细胞癌(ccRCC)占比高达70%，其病理分级与患者预后密切相关。传统Fuhrman分级系统存在观察者间差异大等问题，而2012年推出的WHO/ISUP分级虽简化了标准，但依赖有创穿刺活检。临床亟需无创、客观的术前评估手段。

针对这一挑战，浙江省肿瘤医院联合杭州多家医院开展多中心研究。研究团队通过分析169例经病理证实的ccRCC患者CT影像数据，创新性地将影像组学特征与临床指标结合，开发出预测WHO/ISUP分级的联合模型。该成果发表于《BMC Nephrology》，为临床决策提供了重要参考。

关键技术方法包括：1) 使用ITK-SNAP软件对CT皮质期图像进行三维肿瘤分割；2) 通过联影智能科研平台提取2264个影像组学特征；3) 采用mRMR算法和LASSO回归筛选出6个关键特征；4) 构建包含肿瘤大小、出血、癌栓等指标的临床-影像模型；5) 采用随机森林算法建立最终预测模型并进行多中心验证。

研究结果：

1. 临床特征差异：高、低分级组在肿瘤大小(5.51±2.21 vs 3.49±1.51 mm)、形态、出血(57/19 vs 16/77)、癌栓(41/35 vs 6/87)等指标存在显著差异(P<0.01)。
2. 特征筛选：通过LASSO回归筛选出GrayLevelVariance、DependenceNonUniformityNormalized等6个最具预测价值的影像组学特征。
3. 模型性能：联合模型在训练组AUC达0.895，验证组0.885，外部验证组0.860，显著优于单一临床模型(Z=3.023,P=0.002)。

结论与意义：
该研究首次建立了基于CT影像组学的WHO/ISUP分级预测体系，其创新性体现在：1) 通过GrayLevelNonUniformity等特征量化肿瘤异质性，反映病理学本质；2) 联合临床指标提升模型可解释性；3) 多中心验证证实模型普适性。研究为ccRCC个体化治疗提供了重要决策工具，尤其对评估保留肾单位手术(NSS)适应证具有临床指导价值。未来可通过纳入多期相CT数据进一步优化模型性能。

（注：全文严格依据原文内容撰写，专业术语如WHO/ISUP(World Health Organization/International Society of Urological Pathology)、AUC(Area Under Curve)等均在首次出现时标注英文全称，计量单位如mm、ml等保留原文格式，统计指标P值、t值等均与原文一致）