老年I-II期非小细胞肺癌患者综合脆弱性模型（G8/CCI/FaceAge）与生存预后的关联研究

本研究针对老年早期非小细胞肺癌(NSCLC)患者预后评估难题，创新性整合G8老年筛查量表、Charlson合并症指数(CCI)和人工智能面部年龄(FaceAge)指标构建多模态脆弱性模型。结果表明：G8≤11、CCI≥5及FaceAge>实际年龄均独立预测全因死亡率(HRG8=1.15,HRCCI=1.14,HRFaceAge=1.04)，其中G8对跌倒风险预测具特异性(HR=1.19)。该研究为临床快速识别高危患者提供了可操作性方案。

　　

随着人口老龄化加剧，肺癌诊疗面临特殊挑战——超过半数新确诊患者年龄超过65岁，但这部分群体却面临着比年轻患者更差的生存结局和治疗毒性。造成这种差异的根源在于老年人群的高度异质性：相同的实际年龄可能对应完全不同的生理状态，使得临床决策如履薄冰。传统全面老年评估(CGA)虽能精准识别脆弱患者，但其复杂的操作流程在资源有限的医疗机构难以推广。这催生了对高效筛查工具的迫切需求，而现有工具如G8量表和Charlson合并症指数(CCI)各自为政，能否通过多模态整合实现"1+1>2"的效果？更引人注目的是，人工智能技术带来的FaceAge（基于面部特征分析的生物学年龄）这一新维度，能否为老年肿瘤评估开辟新路径？

美国哈佛大学医学院附属机构的研究团队在《International Journal of Radiation OncologyBiologyPhysics》发表的重要研究，对708例接受立体定向放射治疗(SBRT)的I-II期NSCLC老年患者(中位年龄76.2岁)展开回顾性分析。研究创新性地构建了包含G8、CCI和FaceAge的三维脆弱性模型，通过Cox回归等统计方法，系统评估了这些指标与全因死亡率及跌倒风险的关联。关键技术包括：1）AI面部图像分析获取FaceAge；2）电子病历回溯提取G8和CCI；3）多变量模型调整ECOG评分等混杂因素。

临床和人口学特征
队列中60.7%为女性，94.2%为白人，90.4%为IA期。患者普遍存在功能限制(ECOG中位数1)、多病共存(CCI中位数7)和营养不良风险(G8中位数12.5)。值得注意的是，AI测算的FaceAge平均比实际年龄老2.6岁，暗示普遍存在的加速衰老现象。

主要发现
在调整年龄、性别等变量后，三种脆弱指标均独立预测死亡风险：FaceAge每增加1岁死亡风险增加4%(HR=1.04)，G8每降低1分风险增加15%，CCI每升高1分风险增加14%。但仅G8与跌倒风险显著相关(HR=1.19)。这提示不同脆弱维度可能通过独特生物学通路影响临床结局。

讨论与意义
该研究首次证实传统量表与AI生物标志物的协同价值：G8捕捉功能状态，CCI反映疾病负荷，而FaceAge可能整合了表观遗传等分子衰老机制。对于接受SBRT的老年NSCLC患者，这种"三位一体"模型仅需常规诊疗数据即可实施，特别适合资源有限机构。临床实践中，G8≤11合并ECOG≥2的患者可能需要优先介入防跌倒措施，而FaceAge显著增高者或需加强衰老相关并发症监测。未来研究可探索该模型与免疫微环境等分子特征的关联，以及能否推广至其他癌种。

研究局限性包括回顾性设计和白人为主的人群。但作为首个系统评估多模态老年脆弱模型在早期肺癌中应用的研究，其发现为精准老年肿瘤学提供了重要方法论框架，也使"数字衰老标志物"的临床转化迈出关键一步。随着全球老龄化加剧，这种高效、低成本的筛查策略可能重塑肿瘤诊疗范式。