《Egyptian Journal of Radiology and Nuclear Medicine》：Predicting high-burden central compartment lymph node metastasis (≥?3 positive nodes) in papillary thyroid carcinoma: a habitat radiomic framework based on reconstructed contrast-enhanced CT
编辑推荐：
摘要
背景 淋巴结转移在甲状腺乳头状癌（papillary thyroid carcinoma，PTC）中常见，并增加局部区域复发风险。术前识别具有临床可干预意义的淋巴结负荷有助于改善治疗规划，但常规影像学与临床变量判别能力有限。研究人员开发了一种生境影像组学
摘要
背景 淋巴结转移在甲状腺乳头状癌（papillary thyroid carcinoma，PTC）中常见，并增加局部区域复发风险。术前识别具有临床可干预意义的淋巴结负荷有助于改善治疗规划，但常规影像学与临床变量判别能力有限。研究人员开发了一种生境影像组学（habitat radiomic）框架，用于区分高危中央区淋巴结病变（病理阳性淋巴结≥3枚）与低危病变（阳性淋巴结0–2枚）。
方法 本研究回顾性纳入来自两个独立机构的119例经病理确诊的甲状腺乳头状癌患者：训练队列71例，独立中心测试队列48例。增强CT图像经平面内超分辨率（super-resolution，SR）重建。甲状腺被划分为影像学定义的生境亚区，并从中提取428个影像组学特征。所有特征选择与模型开发仅在训练队列中进行；无监督生境聚类基于全队列合并体素拟合，此点被报告为局限性。将XGBoost模型与基于9个术前变量构建的逻辑回归临床模型进行比较。
结果 共识别出4个生境亚区。仅生境模型在测试队列中达到AUC 0.913（95% CI 0.831–0.994），数值上高于九变量临床模型（0.731，95% CI 0.585–0.876；AUC差异+0.182，p = 0.040）。与精简的年龄与性别模型（AUC 0.777）相比，差异无统计学显著性（p = 0.105）。训练集性能达到AUC 1.000，提示存在显著过拟合。
结论 基于重建增强CT的生境影像组学在本测试队列中显示出数值上高于九变量临床对照模型的判别能力，但相对于仅含年龄与性别的模型并无统计学显著优势，且所有比较均未进行多重性校正。这些探索性发现需前瞻性多中心验证。
论文解读：基于生境影像组学框架预测甲状腺乳头状癌高危中央区淋巴结转移
一、研究背景与问题
甲状腺乳头状癌（papillary thyroid carcinoma，PTC）是最常见的内分泌恶性肿瘤，占甲状腺癌的大多数。尽管总体预后良好，但相当比例的患者在诊断时已存在颈部淋巴结转移（lymph node metastasis，LNM），且与局部区域复发风险增加及后续管理复杂化相关。术前识别中央区淋巴结高负荷状态具有重要临床价值，可能促使更彻底的颈清扫术或影响辅助放射性碘治疗决策。
然而，临床与超声变量对淋巴结负荷的预测能力有限。年龄、性别及合并桥本甲状腺炎等因素在不同队列中的关联结果不一致。超声虽为甲状腺一线影像手段，但深部颈淋巴结常被浅表结构遮挡，且检查依赖操作者。增强CT可显示整个颈部淋巴结区域，但其包含的大量信息无法通过视觉评估获取。
影像组学（radiomics）通过将图像转化为定量描述符来弥补这一不足。既往基于CT的PTC颈淋巴结转移影像组学模型在多中心队列中报告测试AUC约为0.76–0.80，超声影像组学亦有类似表现。但这些研究几乎均以原发结节为感兴趣区（region of interest，ROI），该策略在PTC中难以实施，因为许多肿瘤小于1 cm且在CT上边界不清。生境分析（habitat analysis）将组织体积划分为具有不同影像表型的亚区，已在食管癌、乳腺癌及膀胱癌中改善预后分层。据研究人员所知，甲状腺生境分析尚未被用于预测PTC淋巴结负荷。
二、研究设计与结论
研究人员将生境分析应用于整个甲状腺，将肿瘤与周围实质视为单一影像学定义的微环境，并结合增强CT的超分辨率（super-resolution，SR）重建。研究目标为开发生境影像组学模型，用于术前区分高危中央区淋巴结病变（病理阳性淋巴结≥3枚）与低危病变（0–2枚），并与基于常规术前变量的临床模型进行比较。
研究回顾性纳入两个独立机构的119例经病理确诊PTC患者：训练队列71例，独立中心测试队列48例。结果显示，生境模型在测试队列中达到AUC 0.913，数值上高于九变量临床模型（0.731，差异+0.182，p = 0.040），但与年龄和性别精简模型（0.777）相比差异无统计学显著性（p = 0.105）。训练性能达到AUC 1.000，提示显著过拟合。研究人员指出，这些探索性发现需前瞻性多中心验证。
三、关键技术方法
研究采用以下主要技术方法：回顾性纳入来自两个独立机构（A中心训练队列71例，B中心独立测试队列48例）的PTC患者；增强CT图像经平面内超分辨率重建（稀疏表示算法，平面内像素数增加9倍）；以整个甲状腺为ROI进行手动勾画；体素级提取19个IBSI（Image Biomarker Standardisation Initiative）合规特征，经k-means聚类（Calinski–Harabasz准则选定k=4）划分生境亚区；从各亚区提取428个影像组学特征；特征筛选采用Mann–Whitney U检验、相关性去冗余及LASSO（least absolute shrinkage and selection operator）选择；最终以XGBoost为分类器，与九变量逻辑回归临床模型比较。
四、研究结果
基线特征：训练队列71例，测试队列48例，两队列间无统计学显著基线差异。高危淋巴结负荷患者较年轻，该趋势在训练队列（40.02±12.55 vs 49.64±10.68岁，p = 0.001）与测试队列（40.42±12.06 vs 51.64±10.42岁，p = 0.002）中均成立。
生境亚区：聚类识别出4个亚区为最优配置，各亚区在衰减值上系统性差异（平均HU约107、156、166和129），体积组成在患者间一致。亚区4在90/119例（76%）中最大，亚区1在72例（61%）中最小；四亚区占腺体体积中位数分别为6.2%、32.5%、9.2%和51.5%。
模型性能：生境模型测试AUC为0.913（95% CI 0.831–0.994），训练AUC为1.000。在训练衍生Youden阈值0.636下，敏感性0.808、特异性0.955、阳性预测值0.955、阴性预测值0.808、准确率0.875。Brier分数0.121，Hosmer–Lemeshow检验不显著（p = 0.689），但校准斜率1.70（95% CI 1.12–3.53）高于理想值1且置信区间宽，提示小测试队列中概率校准不稳定。生境模型与性别结合的列线图AUC几乎相同（0.914），性别加入未改善判别（AUC差异?0.002，p = 0.877）。原始分辨率图像上生境模型AUC为0.867，低于SR重建模型。
生境划分与重建的两两比较：生境模型在两种分辨率下数值上均高于全腺体无生境划分模型（SR图像0.913 vs 0.832，差异+0.080，p = 0.091；原始图像0.867 vs 0.814，差异+0.053，p = 0.310）。SR重建相对原始图像未显著改善生境模型（+0.045，p = 0.268）。三项比较均未达统计学显著性。
临床对照与模型比较：单变量逻辑回归中，年龄是唯一经Bonferroni校正后与高危淋巴结负荷相关的变量（每岁OR 0.93，95% CI 0.89–0.98，校正后p = 0.027）。九变量临床模型测试AUC为0.731，年龄与性别模型为0.777。生境模型与列线图相对九变量临床模型的AUC差异分别为+0.182（p = 0.040）和+0.184（p = 0.034），但相对年龄与性别模型差异不再显著（+0.136，p = 0.105；+0.137，p = 0.094）。原始分辨率图像上两项比较均不显著。
过拟合评估：428个特征对应71例训练患者，训练AUC达1.000。重复分层嵌套交叉验证（五折外循环重复五次，每折内重复特征选择）给出替代管线估计0.676（SD 0.117），乐观度约0.32。测试队列估计0.913高于该交叉验证估计，与小样本量及两中心病例构成差异一致。
五、讨论与结论
讨论部分指出，术前识别PTC中央区淋巴结高负荷仍为未满足的临床需求。生境分析提供了腺体的不同表征方式：肿瘤及其周围实质被描述为一组影像学定义亚区而非单一病灶。四个亚区在衰减值上系统性差异，可能的对应包括低衰减区对应水肿或低细胞性间质、高衰减区对应致密或钙化组织、中间簇对应混合实质，但这些仅为假设，未进行组织病理学或分子相关性验证。
研究局限性包括：回顾性设计、测试队列为单中心且样本量小（n = 48）；过拟合显著，嵌套交叉验证替代估计0.676，测试队列0.913不应视为可泛化性能的稳定估计；ROI为整个甲状腺，影像组学信号反映腺体内异质性而非肿瘤特异性；三枚阳性淋巴结阈值是操作性定义，与2015年美国甲状腺协会（American Thyroid Association，ATA）中危标准（>5枚）不一致，两定义在本队列中选择显著不同的人群（58.0% vs 21.8%）；SR为插值而非恢复原始采集分辨率，切片厚度未变（3或5 mm），仅17个保留特征中8个在重建间稳定；生境聚类基于全队列合并体素拟合，仅监督步骤限于训练队列。
结论：在这项探索性双队列研究中，生境模型在本测试队列中达到数值上高于含九项常规术前变量的逻辑回归模型的AUC，但相对仅含年龄与性别的模型并无统计学显著优势，且模型表现出显著过拟合。该策略应视为初步和假设生成性质。在考虑临床使用之前，需要开展具有肿瘤特异性分割、更大样本量及组织病理学相关性的前瞻性多中心研究。
