《Frontiers in Radiology》：Quantitative assessment of perirenal fat density in renal cell carcinoma: a combined radiologist-driven and YOLO-based CT study
编辑推荐：
目的： 比较肾细胞癌（renal cell carcinoma，RCC）患者与健康对照者在平扫计算机断层扫描（non-enhanced computed tomography，NECT）中肾周脂肪组织密度（perirenal adipose tissue de
目的： 比较肾细胞癌（renal cell carcinoma，RCC）患者与健康对照者在平扫计算机断层扫描（non-enhanced computed tomography，NECT）中肾周脂肪组织密度（perirenal adipose tissue density，PRFD）的差异，并比较人工测量与基于YOLOv8的机器学习（machine learning，ML）方法在PRFD评估中的一致性。
材料与方法： 本研究纳入57例经病理确诊的RCC患者和82例对照者。研究人员在不同肾脏层面及肿瘤特征层面人工测量PRFD。机器学习分析采用特定的衰减区间来评估PRFD，并检验其与人工测量的一致性。
结果： RCC组在肾上极的PRFD值显著低于对照组（右侧：p = 0.040；左侧：p = 0.032），而其他肾脏层面的差异无统计学意义。在健康对照者中，所有层面的左右侧PRFD均存在显著差异，而在RCC患者中，仅在上极观察到显著的左右侧差异（p = 0.005）。肿瘤大小与特定区域的PRFD呈正相关。肿瘤体积分级与肿瘤性坏死的存在显著相关（p = 0.003）。机器学习方法与人工测量总体一致，但准确性因所使用的归一化技术而异。
结论： 研究发现RCC患者与对照者之间的PRFD存在差异，尤其在肾上极区域，且该差异与肿瘤大小的关系较性别或组织学类型更为密切。由于两组年龄不匹配，该差异可能部分反映年龄而非疾病状态的影响。研究结果表明，PRFD可能成为RCC评估中重要的影像学标志物。
肾细胞癌肾周脂肪密度定量评估：影像学与深度学习方法的整合研究解读
一、研究背景与问题提出
肾细胞癌（renal cell carcinoma，RCC）是成人最常见的肾脏原发恶性肿瘤，约占所有肾肿瘤的85%–90%，其发病率持续上升且生物学行为具有高度异质性，构成重大的全球健康负担。与皮下脂肪不同，肾周脂肪组织（perirenal adipose tissue，PRAT）是一种被Gerota筋膜包绕的独特内脏脂肪库，具有丰富的血管化、免疫细胞浸润和旁分泌活性。实验及临床研究表明，实体瘤邻近的脂肪组织会发生代谢和炎症性重塑，可能影响肿瘤的生长、血管生成和局部侵袭。然而，这些变化在影像学上的表现，特别是CT上肾周脂肪密度的变化，尚未被充分阐明。
在细胞和分子层面，RCC邻近的肾周脂肪经历肿瘤相关脂肪组织重塑过程，表现为脂肪细胞去脂化、脂解增强以及向促炎表型转变。肿瘤来源的旁分泌信号——包括白细胞介素-6、肿瘤坏死因子-α和低氧诱导因子-1α——促进肾周白色脂肪细胞的褐变，上调解偶联蛋白-1（uncoupling protein-1，UCP1）表达，并刺激游离脂肪酸释放，可能为肿瘤代谢需求提供燃料。与此同时，瘤周基质内炎症细胞浸润和细胞外基质沉积导致脂肪室的纤维化重塑，这在CT上表现为脂肪组织衰减值增加。Gerota筋膜的完整性在限制这些变化的空间范围中起核心作用。CT能够以亨氏单位（Hounsfield unit，HU）客观评估脂肪组织衰减值，反映组织成分包括脂质含量、纤维化和炎症状态。既往研究报道了肾周脂肪体积或衰减值与不良肿瘤特征之间的关联，提示PRAT的变化可能作为肿瘤-宿主相互作用的间接影像标志物。然而，已有发现存在异质性，且多数研究依赖于有限的解剖学取样或增强扫描方案，可能混淆脂肪密度测量的解释。
在RCC领域，基于机器学习（machine learning，ML）的分割模型主要聚焦于肿瘤检测和体积评估，而深度学习在肾周脂肪组织表征方面的应用仍相对未被探索。基于上述背景，本研究利用平扫CT（non-enhanced computed tomography，NECT）图像，系统比较RCC患者与健康对照者之间肾周脂肪密度（perirenal fat density，PRFD）的差异，并结合放射科医师人工测量与基于YOLOv8的深度学习模型进行自动化评估，以探索PRFD的变化规律并评估自动化方法在RCC中评估PRAT的可行性。
二、研究设计与主要技术方法
本研究为回顾性研究，最初筛选了2015年5月20日至2021年12月27日期间住院的118例经组织病理学确诊的RCC患者，排除图像质量不足或缺乏最佳NECT图像者61例后，最终纳入57例RCC患者作为病例组。对照组由82例无已知肾脏或全身性疾病的健康个体组成，年龄30–69岁（平均50.0±11.9岁），按性别（男41例、女41例）和年龄十年段均匀分布。值得注意的是，RCC组年龄显著大于对照组（平均65.1±11.0岁 vs. 50.0±11.9岁；p < 0.001），两组未正式年龄匹配。研究经当地伦理委员会批准（批准号：2022.35.03.03）。
CT成像采用128排多探测器CT扫描仪（Aquilion? Prime，Canon Medical Systems），管电流100–250 mAs，管电压100–120 kV，层厚1 mm，层间距0.8 mm。所有CT图像由一名具有13年经验的资深放射科医师独立审阅，使用Sectra 7.0和Vitrea2?工作站进行测量。标准化圆形感兴趣区（region of interest，ROI）（50–70 mm2）人工置于肾周脂肪内，避开血管、筋膜、肿瘤边缘和运动伪影，每侧肾脏在上、中、下极各分析10个ROI。
图像分割采用YOLOv8x-seg模型，所有图像调整为640×640像素，训练100个epoch，批大小2，使用随机梯度下降（stochastic gradient descent，SGD），学习率0.01。数据集包含139例患者的1,637张CT切片（病例组和对照组），约每例患者12张切片，涵盖上、中、下肾区。图像由资深放射科医师和解剖学家使用两个类别标签（left_perirenal_fat和right_perirenal_fat）进行人工标注。数据按患者层面划分训练集（70%）、验证集（20%）和测试集（10%）。分割输出通过基于对象的掩膜进行后处理，将掩膜与原始CT切片相乘以隔离ROI，仅保留肾周脂肪组织并消除背景结构。
三、主要研究结果
病例组与对照组PRFD比较： 病例组与对照组在左右肾上极的PRFD存在统计学显著差异（右侧：?97.64±10.73 HU vs. ?94.99±9.76 HU，p = 0.040；左侧：?100.39±10.20 HU vs. ?96.55±10.57 HU，p = 0.032），即RCC患者肾上极PRFD显著更低（更负）。中极和下极的PRFD在两组间无显著差异。
左右侧PRFD差异分析： 对照组中，双侧肾脏在所有三个层面（上、中、下极）的PRFD均存在显著左右差异（所有p < 0.05）。而在RCC组内，仅在上极观察到显著的左右侧差异（p = 0.005），中极和下极的PRFD左右侧差异无统计学意义（p = 0.772和p = 0.703）。
性别与组织学亚型比较： 病例组和对照组中，男性和女性之间各层面PRFD均无统计学显著差异。透明细胞癌（n = 41，71.9%）与乳头状肾细胞癌（n = 12）之间各肾区的PRFD值亦无统计学显著差异。
肿瘤大小与PRFD相关性： 相关性分析显示，肿瘤大小参数与左肾上极PRFD之间存在显著正相关（AP长度：r = 0.284，p = 0.032；TR长度：r = 0.369，p = 0.005；CC长度：r = 0.269，p = 0.043），即肿瘤尺寸增大与邻近区域PRFD升高（负值减小）相关。按肿瘤侧别分层后，右侧RCC患者仅在右肾中部层面观察到PRFD与肿瘤大小参数的显著正相关（r = 0.400，p = 0.035）；左侧RCC患者中，左肾上极PRFD与肿瘤尺寸及体积呈弱至中度但更一致的正相关（r = 0.434，p = 0.019）。
肿瘤-脂肪空间关系分析： 将六个PRFD测量值按与肿瘤的解剖关系分类后，肿瘤邻近PRFD（?93.2±11.5 HU）显著高于同侧非邻近PRFD（?96.0±16.6 HU；Wilcoxon p = 0.0025）、对侧匹配极PRFD（?100.1±7.7 HU；p < 0.0001）和对侧非匹配极PRFD（?99.7±8.4 HU；p < 0.0001）。这一患者内配对梯度表明PRFD改变在空间上集中于肿瘤直接邻近区域。
肿瘤体积与坏死： 肿瘤体积分级与肿瘤性坏死存在显著相关（Fisher精确检验，p = 0.003）。体积小于17 cc的肿瘤（0/13）无坏死，40.01–134.00 cc组中55.0%（11/20）存在坏死，大于134 cc组中53.8%（7/13）存在坏死。
机器学习分割性能： YOLOv8-seg模型的最佳epoch精确率为79.6%，最终epoch为75.5%；召回率分别为78.8%和78.7%；mAP50分别为82.98%和79.61%。所有指标在训练过程中稳步上升并在高值处趋于平稳，未见过拟合迹象。
人工与AI测量比较： AI方法-1（?150至?50 HU）和AI方法-2（?190至?30 HU）与人工测量在多个区域存在显著差异。AI方法-3（?125至+30 HU）与人工测量一致性最佳，但在特定亚组中仍存在统计学显著差异。AI方法-1和AI方法-2在右肾上极和右肾中部检测到病例组PRFD显著低于对照组（右肾上极：?132.71±3.39 HU vs. ?130.16±3.89 HU，p < 0.001；右肾中部：?132.81±3.78 HU vs. ?131.01±3.56 HU，p = 0.006）。
ROC分析： 双侧肾上极PRFD对区分RCC患者与对照者的判别性能优于中极和下极（右侧上极AUC = 0.603，95%CI 0.505–0.700；左侧上极AUC = 0.607，95%CI 0.511–0.704），但仅上极区域的AUC显著大于0.5，且为中等而非较强的判别性能。
四、讨论与结论
讨论部分指出，本研究表明NECT上测量的PRFD在RCC患者与健康对照者之间存在侧别和层面依赖性差异，RCC患者双侧肾上极PRFD显著降低，而中极和下极在合并分析中无显著差异。这一发现强化了肾周脂肪组织作为肾肿瘤微环境中活跃且局部反应性成分的概念。对照组中观察到的生理性左右侧不对称与已知的肾脏位置、邻近器官和血管结构的解剖及功能不对称一致；RCC患者仅在肾上极保留显著的左右侧差异，提示肿瘤的存在可能以局部方式部分破坏基线肾周脂肪分布模式。肿瘤大小与同侧上极PRFD的正相关，以及患者内配对比较显示肿瘤邻近PRFD显著高于其他区域，支持PRFD改变具有空间集中性。然而，上极PRFD的降低并非仅限于上极肿瘤患者，提示PRFD改变可能结合了肿瘤邻近的局部成分和更广泛的区域特异性易感性。AUC值（0.60–0.61）表明PRFD单独作为诊断标志物的性能有限，应作为辅助而非主要影像标志物。机器学习与人工测量的比较表明，自动化分割产生的PRFD分布与放射科医师评估总体一致，但一致性取决于所选的衰减归一化区间，?125至+30 HU区间的一致性最佳，强调AI脂肪分析性能关键依赖于适当的衰减阈值选择。
结论部分总结：本研究证明NECT上PRFD在RCC患者与健康对照者之间存在侧别和区域特异性差异，最一致的差异见于肾上极。PRFD改变在空间上具有异质性，与肿瘤大小参数在解剖邻近区域表现出局部关联，而性别及透明细胞与乳头状组织学亚型之间无显著差异。然而，由于RCC组与对照组年龄不匹配，且上极差异在校正年龄后不再持续，该发现应谨慎解读并需在年龄匹配队列中确认。组内分析显示对照组存在生理性左右侧PRFD不对称，而该模式在RCC患者中部分减弱，提示恶性肿瘤存在时基线肾周脂肪分布的局部破坏。肿瘤体积与肿瘤性坏死及手术管理方式密切相关。基于YOLO模型的机器学习辅助分割提供的PRFD测量与人工评估总体一致，一致性取决于所选衰减归一化区间。总体而言，PRFD反映局部肿瘤-脂肪相互作用而非整体疾病特征，可能作为RCC评估中的辅助影像标志物，需在更大规模、年龄匹配的多中心队列中进一步验证。
