《Heliyon》：The prognostic value of TNFRSF4 in hepatocellular carcinoma using a two-zone CT imaging model
编辑推荐：
摘要
引言：研究人员旨在评估TNFRSF4与肝细胞癌（hepatocellular carcinoma，HCC）预后之间的可能关联，并特别致力于开发基于CT的影像组学模型，以在术前通过肿瘤本身或肿瘤周围变化预测TNFRSF4水平。
方法：研究使用了来自癌症
摘要
引言：研究人员旨在评估TNFRSF4与肝细胞癌（hepatocellular carcinoma，HCC）预后之间的可能关联，并特别致力于开发基于CT的影像组学模型，以在术前通过肿瘤本身或肿瘤周围变化预测TNFRSF4水平。
方法：研究使用了来自癌症基因组图谱（The Cancer Genome Atlas，TCGA）的286例HCC患者的基因组数据，以及来自癌症影像档案库（The Cancer Imaging Archive，TCIA）的35例个体的动脉期增强计算机断层扫描（computed tomography，CT）数据，用于预后分析和影像组学特征提取。据此，采用最大相关最小冗余（maximum relevance minimum redundancy，mRMR）和递归特征消除（recursive feature elimination，RFE）等机器学习算法构建全肿瘤模型和全肿瘤-肿瘤周围（全肿瘤及3 mm肿瘤周围区域）模型，并使用受试者工作特征曲线评估准确性。
结果与结论：在该队列中，TNFRSF4高表达与较短的总生存期相关。对于全肿瘤模型，通过mRMR提取了20个最优特征，随后通过RFE筛选出3个代表性子集。当与逻辑回归模型结合时，训练集和验证集的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）分别为0.813和0.759。随后建立了全肿瘤-肿瘤周围模型，同样由mRMR算法获得20个特征，并由RFE获得4个典型子集，发现训练集AUC值为0.871，验证集AUC值为0.803。总之，基于肿瘤本身及肿瘤周围信息的影像组学模型预测了HCC患者中TNFRSF4的表达及其与总生存期的关联。
基于双区域CT影像组学模型的肝细胞癌TNFRSF4预后价值解读
一、研究背景与问题
肝细胞癌（hepatocellular carcinoma，HCC）是全球范围内发病率和死亡率不断上升的主要肝脏恶性肿瘤，已成为癌症相关死亡的第三大原因。由于其无症状和异质性特征，相当大比例的患者在诊断时已处于晚期，仅约30%的患者适合手术根治，且术后高复发率也阻碍了预后改善。目前，甲胎蛋白（alpha-fetoprotein，AFP）、超声、计算机断层扫描（computed tomography，CT）和磁共振成像（magnetic resonance imaging，MRI）等临床病理特征、实验室诊断和影像学检查已无法满足HCC精准医学的临床需求。因此，迫切需要识别能够指导分层患者个体化策略的新标志物。
肿瘤坏死因子受体超家族成员4（TNFRSF4）属于肿瘤坏死因子受体家族，可通过与TRAF2和TRAF5相互作用激活NF-kB通路，并促进BCL2和BCL2IL1/BCL2-XL表达，从而抑制细胞凋亡。TNFRSF4作为TK1相关免疫基因，其表达与B细胞、CD4+/CD8+ T细胞及中性粒细胞浸润相关，体现了“热肿瘤”的免疫特征，更倾向于对免疫检查点抑制剂（immune checkpoint inhibitors，ICIs）产生应答。同时，TK1在HCC中的转录和翻译水平显著高于正常组织，高表达预示不良预后。因此，TNFRSF4可能成为HCC潜在的预后生物标志物。
影像组学是一门结合人工智能和医学影像的新兴研究领域。通过高通量提取定量影像数据，影像组学可作为HCC治疗的替代方法，尤其可用于评估肿瘤异质性和微环境。然而，基于影像组学无创预测HCC基因表达的研究较少，更缺乏整合基因组信息的研究。为此，研究人员创新性地建立了基于CT的影像组学模型，并结合生物信息学分析，无创地研究TNFRSF4在HCC区域的表达及其与临床预后的潜在关联。
二、研究内容与结论
研究人员利用来自癌症基因组图谱（TCGA）数据库的286例HCC患者的基因组和临床数据，以及从癌症影像档案库（TCIA）获取的其中35例术前动脉期增强CT数据，经过严格筛选后纳入分析。通过差异表达分析、生存分析、单因素和多因素Cox回归分析、亚组分析及交互作用检验，评估TNFRSF4表达与HCC患者总生存期（overall survival，OS）的关系。同时，基于CT影像提取影像组学特征，分别构建全肿瘤模型和全肿瘤-肿瘤周围（全肿瘤及3 mm肿瘤周围区域）模型，采用最大相关最小冗余（mRMR）和递归特征消除（RFE）算法筛选最优特征，并用逻辑回归建立预测模型，以受试者工作特征曲线下面积（AUC）评估模型性能。
研究结果表明：TNFRSF4在HCC肿瘤组织中的表达显著高于正常组织；高表达组中位生存时间（1622天）显著短于低表达组（3125天），高TNFRSF4表达与不良OS相关（log-rank P=0.001）。单因素Cox回归显示TNFRSF4是OS的独立危险因素（HR=2.03，95%CI [1.31-3.16]，P=0.002）；多因素Cox回归进一步证实TNFRSF4（HR=1.89，95%CI [1.19-3.02]，P=0.007）和肿瘤分期（HR=2.391，95%CI [1.535-3.722]，P<0.001）是独立危险因素，而男性为保护因素（HR=0.619，95%CI [0.398-0.962]，P=0.033）。亚组分析显示TNFRSF4在年龄、性别、AFP、残余肿瘤、肿瘤分期、肿瘤分级、血管侵犯和肝炎性活动等多个亚组中均为风险因素，且无显著交互作用。影像组学方面，全肿瘤模型最终筛选出3个最优特征（Whole_shape_Elongation、Whole_gldm_DependenceNonUniformityNormalized、Whole_ngtdm_Coarseness），训练集AUC为0.813（95%CI [0.672-0.954]），十折交叉验证AUC为0.759（95%CI [0.594-0.923]）；全肿瘤-肿瘤周围模型筛选出4个最优特征（Whole_peri_shape_Elongation、Whole_peri_glszm_LargeAreaHighGrayLevelEmphasis、Whole_peri_glrlm_RunVariance、Whole_peri_ngtdm_Coarseness），训练集AUC为0.871（95%CI [0.755-0.987]），验证集AUC为0.803（95%CI [0.655-0.951]）。时间依赖性ROC曲线显示，影像组学评分在1年、2年和3年的AUC分别为0.801、0.760和0.655，表现出随时间的持续预测能力。组内相关系数（ICC）评估显示全肿瘤模型86个特征（80.4%）和全肿瘤-肿瘤周围模型104个特征（97.2%）的ICC大于0.75，表明特征提取具有良好一致性。列线图整合了影像组学模型与临床指标（AFP、肿瘤分期、性别），进一步验证了TNFRSF4对HCC预后的预测价值。
三、主要技术方法
研究人员采用以下关键技术方法：从TCGA数据库获取286例HCC患者的基因组和临床数据，从TCIA数据库获取35例匹配的术前动脉期增强CT影像数据。使用3D Slicer软件逐层手动勾画三维感兴趣区域获得完整肿瘤，Python软件结合SimpleITK包描绘全肿瘤及肿瘤周围3 mm区域。通过Pyradiomics包提取107个影像组学特征，包括灰度依赖矩阵（GLDM）、邻域灰度差矩阵（NGTDM）、灰度大小区域矩阵（GLSZM）和灰度游程矩阵（GLRLM）。采用mRMR和RFE算法进行特征筛选，运用逻辑回归构建预测模型，使用ROC曲线、校准曲线和决策曲线分析评估模型性能，并通过ICC评估特征一致性。
四、研究结果
3.1 患者临床特征：以TNFRSF4表达截断值1.28174将286例TCGA HCC患者分为高表达组（n=165）和低表达组（n=121）。除血管侵犯（P=0.024）外，两组在年龄、性别、AFP、残余肿瘤、肿瘤分期、肿瘤分级和肝炎性活动方面均无统计学差异。
3.2 TNFRSF4表达差异分析：HCC肿瘤组织中TNFRSF4水平显著高于正常组织，高低表达组间中位差异为0.97至1.278（P<0.001）。
3.3 生存分析：Kaplan-Meier曲线显示TNFRSF4高表达与不良OS显著相关（log-rank P=0.001）；AFP、肝炎性活动、残余肿瘤、肿瘤分期和血管侵犯亦与预后显著相关。
3.4 单因素和多因素Cox回归分析：单因素分析中TNFRSF4、残余肿瘤和肿瘤分期与OS相关；多因素分析证实TNFRSF4和肿瘤分期是独立危险因素，男性为保护因素。
3.5 亚组分析和交互作用检验：TNFRSF4在年龄<60岁（HR=2.063）和≥60岁（HR=1.864）亚组中均为风险因素，无显著交互作用（P=0.866）；在性别（男性）、AFP（<400）、残余肿瘤（R0）、肿瘤分期（I/II和III/IV）、肿瘤分级（G1/G2）、无血管侵犯及轻/重度肝炎性活动亚组中均显著增加死亡风险。
3.6 影像组学特征提取：通过mRMR和RFE从107个特征中分别筛选出全肿瘤模型的3个最优特征和全肿瘤-肿瘤周围模型的4个最优特征，逻辑回归系数见表2。
3.7 全肿瘤和全肿瘤-肿瘤周围模型的预测性能：全肿瘤模型训练集AUC=0.813，验证集AUC=0.759；全肿瘤-肿瘤周围模型训练集AUC=0.871，验证集AUC=0.803，后者性能略优。校准图和决策曲线分析证实其良好预测效能。Delong检验显示两模型差异无统计学意义（训练集P=0.198，交叉验证P=0.679）。
3.8 两个影像组学模型的一致性评估：全肿瘤模型特征ICC均值为0.853，中位数为0.984；全肿瘤-肿瘤周围模型ICC均值为0.935，中位数为0.977。所有最优特征的ICC均大于0.85，显示良好的可重复性。
3.9 影像组学模型的时间依赖性ROC曲线：影像组学评分在1年、2年和3年的AUC分别为0.801、0.760和0.655，表明其在时间维度上具有持续的预测能力。
五、讨论总结与研究结论
讨论部分指出，HCC早期常无症状，多数患者确诊时已属晚期，仅约30%适合根治性切除。TNFRSF4作为肿瘤坏死因子受体家族的重要成员，参与多种实体瘤的癌变过程。在非小细胞肺癌中，TNFRSF4+调节性T细胞（Tregs）的激活促进免疫逃逸并降低ICIs临床获益；在食管鳞状细胞癌中，TNFSF4-TNFRSF4相互作用参与CD8+效应T细胞介导的干扰素-γ信号和凋亡过程。本研究发现TNFRSF4在HCC中高表达并与不良预后相关，且被证实为独立预后因子。研究开发的全肿瘤和全肿瘤-肿瘤周围两种影像组学模型均能有效预测TNFRSF4表达，其中基于肿瘤周围区域的模型性能更优，这提示肿瘤周围区域代表了HCC预后中肿瘤微环境的参与。值得注意的是，NGTDM特征在两个模型中均表现出稳定性，与既往研究中基于NGTDM的CT影像组学模型在癌症分类中优于传统mRNA模型的结果相一致。本研究首次聚焦于利用影像组学分析HCC中预后因子TNFRSF4，并取得满意性能，但存在一定的局限性，包括数据来源为公共数据库带来的潜在异质性、缺乏外部验证队列、未进行前瞻性比较、仅关注TNFRSF4单一标记物以及未纳入MRI和PET-CT等其他影像模态。尽管如此，研究得出结论：TNFRSF4对HCC预后具有潜在影响，基于CT特征的影像组学模型能够有效、无创地预测TNFRSF4的临床预后价值。
