整合肾周脂肪放射组学、基因组学与临床数据的多模态列线图在透明细胞肾细胞癌预后预测及辅助靶向治疗决策中的应用

《BMC Medical Imaging》：CT-based multimodal radiogenomic model integrating tumor and perirenal fat features for prognosis in clear cell renal cell carcinoma

　　

摘要

背景

透明细胞肾细胞癌（ccRCC）是最常见的肾细胞癌亚型（60%-85%），但由于基于TNM分期的风险分层效果欠佳以及辅助靶向治疗精准度有限（生存获益仅为5.4%-10.5%且存在过度治疗风险），其临床管理仍面临挑战。肾周脂肪通过体积和密度与ccRCC预后相关，但在与放射基因组学（肿瘤分子特征）整合以进行综合预后评估方面仍研究不足。

方法

本研究采用回顾性分析，纳入可手术切除的ccRCC患者，包括训练队列（西京医院，n?=?226）和测试队列（TCIA/TCGA，n?=?134），均具有术前增强CT和外显子组测序数据。通过3D Slicer/PyRadiomics提取基于CT的肿瘤/肾周脂肪放射组学特征，并利用LASSO和逐步Cox回归构建评分。通过Cox回归基于639个癌症相关基因（前20个突变基因）构建遗传评分，并构建临床评分（如TNM分期）。整合这些评分的多模态列线图模型采用C指数、时间依赖性AUC和SHAP分析进行验证。

结果

该列线图模型优于单模态评分，C指数在训练集为0.856，测试集为0.859。1-5年无进展生存期的时间依赖性AUC持续更高。SHAP分析识别出肿瘤/肾周脂肪评分、TP53突变和G4级为关键贡献因素。采用多种机器学习算法预测了4个具有预后价值的基因，并分析了其多模态数据相关性。亚组分析证实了稳健的风险分层。靶向治疗风险差异率≥47%的患者治疗时间更长（HR?=?0.545，p?=?0.038），而<10%的患者未治疗预后更好（HR?=?2.051，p?=?0.035），高危亚组呈现相似趋势。靶向治疗相关分析为探索性，需要前瞻性验证。

结论

本基于CT的多模态列线图整合了放射组学、基因组学和临床数据，从多尺度刻画ccRCC特征，为筛选可能从辅助靶向治疗中获益的患者提供辅助参考，减少过度治疗和欠治疗。