宫颈腺癌术后预后风险分层模型的创新构建与验证：基于多模态生物标志物的整合研究

为解决宫颈腺癌(CAC)缺乏有效预后评估工具的临床难题，研究人员通过整合增强CT(CECT)影像组学特征、临床病理变量及ZNF582甲基化数据，构建了预测术后无进展生存期(PFS)的多模态模型。该联合模型在验证队列中C-index达0.872，显著优于单一模态模型，为个体化治疗决策提供新工具。

　　

宫颈腺癌(Cervical Adenocarcinoma, CAC)作为妇科恶性肿瘤的重要亚型，其术后预后评估一直缺乏精准工具。传统临床指标如肿瘤浸润深度虽有一定预测价值，但难以满足个体化医疗需求。影像组学(Radiomics)虽能提取CT图像中的深层特征，单一模态的预测效能常遭遇瓶颈。DNA甲基化作为表观遗传调控的关键机制，在肿瘤演进中扮演重要角色，但如何将其与临床及影像特征有机整合，仍是亟待突破的科学难题。

针对这一挑战，我国研究人员在《Clinical Radiology》发表了一项创新研究。该团队通过多中心回顾性分析127例CAC患者数据（训练集86例/验证集41例），首次构建了融合临床因素、CECT影像组学及ZNF582甲基化的联合预测模型。研究采用支持向量机(SVM)分类器分别构建了平扫期、增强期及融合影像组学模型，并通过Harrell's C-index和Kaplan-Meier生存分析评估模型效能。

关键方法
研究收集了接受手术治疗的CAC患者临床资料及术前CECT图像，通过放射组学分析提取1218个定量特征。采用最小绝对收缩选择算子(LASSO)进行特征筛选，结合化疗放疗状态、肿瘤浸润深度等临床变量，以及ZNF582基因甲基化水平，最终构建四类预测模型。所有模型均通过5折交叉验证，并在独立验证集中评估对3年PFS的预测性能。

结果
Aim
研究明确提出了开发多模态预后工具的临床需求，强调整合不同维度生物标志物对提升预测准确度的必要性。

Materials and methods
临床模型仅基于化疗放疗和浸润深度两个变量即达到0.811的C-index，显示基础临床参数的固有预测价值。三种影像组学模型中，融合模型表现最优(C-index=0.757)，证实多期相CT特征整合的优势。甲基化标志物ZNF582的引入使联合模型C-index提升至0.872，95%CI(0.835-0.909)显示优异稳定性。

Results
生存分析显示所有模型均能有效区分高低风险组(P<0.05)，其中联合模型风险分层最为显著，高风险组PFS缩短达统计学差异。值得注意的是，增强期影像组学特征在联合模型中贡献度最大，提示肿瘤血供特征可能蕴含关键预后信息。

Conclusions
该研究创新性地证实了多模态生物标志物整合在CAC预后预测中的协同效应。联合模型不仅突破单一模态的精度限制，其临床实用性体现在：① 术前CT检查的普适性保障了可及性；② 甲基化检测仅需单个基因(ZNF582)即显著提升效能；③ 模型输出的风险评分可直接指导术后辅助治疗强度选择。

这项研究的科学价值在于建立了首个融合影像组学-表观遗传-临床参数的CAC预后框架，其方法论启示远超宫颈癌领域——为实体瘤预后研究提供了可复制的多组学整合范式。未来通过前瞻性队列验证后，该模型有望改写CAC术后管理指南，实现从"经验医学"到"数据驱动医学"的跨越。