通过结合体积体质成分分析，改善了结直肠肝转移患者的风险分层

《European Journal of Surgical Oncology》：Improved risk stratification in patients with colorectal liver metastases by incorporating volumetric body composition analysis

本研究通过回顾性分析186例结直肠癌肝转移术后患者的CT图像数据，利用AI技术自动测量骨骼肌（SKM）和皮下脂肪（SAT）等体成分指标，构建了规则体成分签名（BCS）。结果表明，低SKM和低SAT组术后总体生存率（OS）、无病生存率（DFS）及肝特异性DFS均显著降低（p<0.05）。将BCS整合至临床风险评分（CRS）和肿瘤负荷评分（TBS）后，复合系统对OS、DFS及肝特异性DFS的预测效能（AUC）显著优于单一系统（均p<0.05）。结论：BCS的整合可提升结直肠癌肝转移术后风险分层及预后预测的准确性。

　　

王强|徐磊|李冰华|卡特克·波普里|米尔扎·法伊萨尔·贝格|白国杰|谭云华|王安荣|托克尔·B·布里斯马尔

瑞典斯德哥尔摩卡罗林斯卡学院医学影像与技术部，临床科学、干预与技术系（CLINTEC）

摘要

目的

本研究旨在评估体积体重成分指标对传统评分系统（临床风险评分CRS和肿瘤负担评分TBS）的附加值，以改善接受肝切除术的结直肠肝转移患者的风险分层和预后预测。

方法

回顾性收集了186名结直肠肝转移患者的资料。利用人工智能技术对术前CT图像（L1-L4节段）进行了自动体积体重成分测量，包括骨骼肌（SKM）、皮下脂肪组织（SAT）、内脏脂肪组织和肌内脂肪组织。开发了一种基于规则的体重成分特征模型。采用Kaplan-Meier图来描述不同风险组的总生存期（OS）、无病生存期（DFS）和肝特异性DFS。

结果

骨骼肌（SKM）和皮下脂肪组织（SAT）被确定为OS的显著指标，其风险比分别为0.63（95% CI：0.42–0.94）和0.59（95% CI：0.37–0.92）。基于这些指标建立了体重成分特征模型（BCS）：SKM和SAT均较低为高风险；SKM和SAT均较高为低风险；其他情况为中风险。三个亚组在OS、DFS和肝特异性DFS方面存在显著差异（所有log-rank p < 0.05）。将这一模型纳入CRS和TBS后，复合系统（CRS-BCS和TBS-BCS）在预测这三个生存结局方面的效果更好（所有log-rank p < 0.05）。复合系统的AUC随时间的变化也优于单独使用这些评分系统的情况。

结论

将术前体积体重成分特征模型纳入CRS和TBS中，可以提高接受肝切除术的CRLM患者的风险分层和预后预测能力。

引言

结直肠癌是全球最常见的恶性肿瘤之一，也是癌症相关死亡的主要原因之一¹。高达50%的结直肠癌患者在疾病过程中会发展为肝转移（CRLM）²。外科切除术被认为是治疗CRLM最有效的方法，可显著提高长期生存率³。然而，尽管外科技术和辅助治疗有所进步，接受肝切除术的CRLM患者的预后仍存在较大差异。可靠的预测指标对于指导临床决策和个性化术后管理策略具有重要意义，从而最终改善患者的预后。

传统上，临床风险评分（CRS）用于预测CRLM患者肝切除术后的复发和不良预后44⁵。尽管这些预测系统在优化患者治疗和管理方面显示出有效性，但由于CRLM的复杂性和异质性，其预测准确性有限^{6, 7}。

体重成分反映了患者的整体身体状况和营养状况，已被证明会影响肿瘤复发和患者生存⁸。在各种癌症中，骨骼肌量是最重要的因素，与术后并发症、化疗耐受性和总体生存率显著相关^{8, 9, 10}。尽管有这些关联，但体重成分指标尚未被整合到像CRS这样的常规临床预测系统中。通常，体重成分是通过分析L3椎体水平的计算机断层扫描（CT）或磁共振（MR）图像来评估的¹¹。然而，从单个横截面切片提取的指标可能无法完全反映患者的整体体重成分，因为体脂分布和肌肉质量在身体不同部位可能存在显著差异11, 12¹³。

人工智能（AI）和医学成像技术的最新发展为体积体重成分分析的自动化和标准化提供了可能¹³。利用术前CT或MRI扫描的多个横截面切片，基于AI的工具可以提供准确的、全面的体重成分指标，反映患者的代谢和营养状态，这是之前无法测量的个体生理韧性维度¹³。迄今为止，只有少数研究探讨了体积体重成分在癌症中的预测作用^{11, 12}，但在CRLM领域尚未有相关研究

本研究旨在评估将术前体积体重成分指标整合到两个成熟的预后系统中（CRS和TBS），以改善接受肝切除术的CRLM患者的风险分层和预后预测。

研究人群

本研究基于公开可用的数据集，该数据集托管在癌症影像档案（TCIA）平台（https://www.cancerimagingarchive.net/），并按照TCIA的数据使用政策和限制进行¹⁴。TCIA的结直肠肝转移数据集包含了197名连续接受肝切除术的CRLM患者，这些患者在肝切除术前六周内进行了增强CT成像¹⁵。所有CT图像和临床数据均来自同一机构

结果

排除11名L1-L4节段范围不完整的患者（L2下界为2，L3为9）后，最终研究队列包括186名患者。中位年龄为61岁（IQR：52-69岁），男性占多数（113名，60.8%）。整个队列的中位生存时间为76个月（95% CI：66–103个月），中位随访时间为101个月（95% CI：96–109个月）。中位TBS值为4.08（IQR：2.83-5.50）。125名（67.2%）患者和10名（5.4%）患者分别被分配到不同的风险组

讨论

本研究开发了一种结合骨骼肌（SKM）和皮下脂肪组织（SAT）的体重成分特征模型，并将其与CRLM患者肝切除术后的生存结果相关联。在调整了多个常见临床变量后，该模型仍然是区分低风险、中等风险和高风险患者的独立预后指标。将其纳入两个传统预后评分系统（CRS-BCS和TBS-BCS）后，复合系统的预测能力普遍提高

利益冲突

卡特克·波普里（Karteek Popuri）是Voronoi Health Analytics Incorporated的联合创始人，并负责该公司运营，该公司销售DAFS软件的商业许可证。

米尔扎·法伊萨尔·贝格（Mirza Faisal Beg）也是Voronoi Health Analytics Incorporated的联合创始人，并负责该公司运营，该公司销售DAFS软件的商业许可证。

其他作者声明没有利益冲突。

所有作者均已阅读并同意发表的手稿版本。

数据可用性声明

本研究中的原始贡献包含在文章/补充材料中。如有进一步疑问，请联系通讯作者。

作者致谢

研究概念：王强（Q.W）和托克尔·B·贝格（T.B.B）；研究设计：王强（Q.W）、阿兰·W（A.W）和托克尔·B·贝格（T.B.B）；数据采集：王强（Q.W）、加里·B（G.B）和杨婷（Y.T）；数据及算法质量控制：卡特克·波普里（K.P）、米尔扎·法伊萨尔·贝格（M.F.B）和加里·B（G.B）；数据分析和解释：王强（Q.W）、雷晓（L.X）、贝琳·L（B.L）、阿兰·W（A.W）和托克尔·B·贝格（T.B.B）；统计分析：王强（Q.W）和雷晓（L.X）；资金获取：王强（Q.W）；手稿起草：王强（Q.W）；手稿编辑：贝琳·L（B.L）和杨婷（Y.T）；手稿审阅：阿兰·W（A.W）和托克尔·B·贝格（T.B.B）；监督：阿兰·W（A.W）和托克尔·B·贝格（T.B.B）

关于手稿准备过程中使用生成式AI和AI辅助技术的声明

在准备本论文时，作者使用了ChatGPT-4o（访问日期：2025-06-12）来检查语法和语言表达。使用该工具后，作者根据需要对内容进行了审查和编辑，并对发表文章的内容负全责。

资助

王强（Qiang Wang）获得了卡罗林斯卡学院研究基金（2024-02727）的资助。资助方未参与研究的设计、实施、报告撰写或决定提交文章发表。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。