
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于体素生境组学的胃癌双重侵袭患者术后复发风险分层与生物学验证
《Journal of Translational Medicine》:Voxel-level habitat radiomics for postoperative recurrence risk stratification in double-invasion gastric cancer
【字体: 大 中 小 】 时间:2026年11月19日 来源:Journal of Translational Medicine 9.7
编辑推荐:
摘要 目的 本研究旨在开发和内部验证一种基于体素的生境组学框架,用于病理学上证实具有双重侵袭性的胃癌患者的术后复发风险分层,并通过代表性的免疫组化技术和正交的TCGA-STAD转录组学分析来检验成像定义的生境模式的生物学合理性。 方法 在
本研究旨在开发和内部验证一种基于体素的生境组学框架,用于病理学上证实具有双重侵袭性的胃癌患者的术后复发风险分层,并通过代表性的免疫组化技术和正交的TCGA-STAD转录组学分析来检验成像定义的生境模式的生物学合理性。
在这项多中心回顾性研究中,我们从三家医疗机构招募了327名具有胃癌腺癌且术后病理学证据显示同时存在血管侵犯和神经周围侵犯的患者,并将他们分为训练组(n=229)和内部验证组(n=98)。所有患者在手术前4周内接受了术前三相增强CT检查(动脉期、门静脉期和延迟期)。我们在门静脉期CT图像上对肿瘤进行分割,然后在进行刚性配准和视觉质量检查后将感兴趣区域(ROI)转移到动脉期和延迟期图像上。对于体素级别的生境划分,我们使用了基于训练数据的全局K-means模型对训练组中的肿瘤体素进行建模;在验证过程中固定了学习得到的质心。我们仅从训练组中选取与生境特定的组学特征,并将其与临床病理学变量结合以构建无复发生存模型。我们根据训练组的数据确定了图像处理和特征选择的步骤;对存档记录的审核显示,Cox岭惩罚项是使用内部验证子集选择的,这意味着其性能估计是基于该调整结果;在主要报告的模型中我们没有应用ComBat和谐化方法。我们使用C指数评估了模型性能;在36个月和60个月时进行了逆概率加权(IPCW)累积/动态时间依赖性ROC分析;进行了患者水平的配对自举AUC比较(1500次重采样);进行了校准;决策曲线分析;重新分类指标;对训练样本的1000次重采样固定特征Cox回归敏感性进行了审核;以及中心分层分析。我们选择3年无复发生存率(RFS)作为主要预测指标,因为在这个时间点的随访数据更为成熟,同时保留5年分析作为次要的探索性估计。我们还使用了代表性的免疫组化和TCGA-STAD转录组生态系统得分来评估生物学合理性。
生境分解确定了四个成像定义的亚区域,分别被解释为类血管生成、类缺氧、类基质重塑和免疫相关生境。生境组学模型在训练组和内部验证组中的C指数值分别为0.733和0.728。组合模型的C指数值仅为0.735和0.730,略高,表明生境特征携带了大部分区分信息。在3年时,生境模型的IPCW AUC值为0.803/0.874,组合模型的IPCW AUC值为0.807/0.881(训练组/内部验证组);组合模型与生境特征去除后的AUC差异较小,且其95%自举置信区间包括零。相比之下,全肿瘤组学模型的验证性能有限。校准和决策曲线分析表明,在研究的队列中模型具有可接受的暂时性内部性能和潜在的决策效用。TCGA-STAD分析为血管生成、基质和复合生态系统提供了正交的生物学支持,这些特征作为不良预后指标的调整后的风险比(HR)分别为1.30、1.34和1.14。
在具有血管和神经周围侵袭性的胃癌中,三相CT生境组学能够捕捉到全肿瘤组学未能有效代表的空间预后信息。生境特征在内部验证中显示出更高的3年无复发生存率区分能力,并几乎完全解释了组合模型的区分性能。这些发现建立了一个聚焦的成像框架,用于在病理学定义的高风险人群中精细化术后风险分层,并为未来基于生境信息的监测策略评估提供了支持。
本研究旨在开发和内部验证一种基于体素的生境组学框架,用于病理学上证实具有双重侵袭性的胃癌患者的术后复发风险分层,并通过代表性的免疫组化技术和正交的TCGA-STAD转录组学分析来检验成像定义的生境模式的生物学合理性。
在这项多中心回顾性研究中,我们从三家医疗机构招募了327名具有胃癌腺癌且术后病理学证据显示同时存在血管侵犯和神经周围侵犯的患者,并将他们分为训练组(n=229)和内部验证组(n=98)。所有患者在手术前4周内接受了术前三相增强CT检查(动脉期、门静脉期和延迟期)。我们在门静脉期CT图像上对肿瘤进行分割,然后在进行刚性配准和视觉质量检查后将感兴趣区域(ROI)转移到动脉期和延迟期图像上。对于体素级别的生境划分,我们使用了基于训练数据的全局K-means模型对训练组中的肿瘤体素进行建模;在验证过程中固定了学习得到的质心。我们仅从训练组中选取与生境特定的组学特征,并将其与临床病理学变量结合以构建无复发生存模型。我们根据训练组的数据确定了图像处理和特征选择的步骤;对存档记录的审核显示,Cox岭惩罚项是使用内部验证子集选择的,这意味着其性能估计是基于该调整结果;在主要报告的模型中我们没有应用ComBat和谐化方法。我们使用C指数评估了模型性能;在36个月和60个月时进行了逆概率加权(IPCW)累积/动态时间依赖性ROC分析;进行了患者水平的配对自举AUC比较(1500次重采样);进行了校准;决策曲线分析;重新分类指标;对训练样本的1000次重采样固定特征Cox回归敏感性进行了审核;以及中心分层分析。我们选择3年无复发生存率(RFS)作为主要预测指标,因为在这个时间点的随访数据更为成熟,同时保留5年分析作为次要的探索性估计。我们还使用了代表性的免疫组化和TCGA-STAD转录组生态系统得分来评估生物学合理性。
生境分解确定了四个成像定义的亚区域,分别被解释为类血管生成、类缺氧、类基质重塑和免疫相关生境。生境组学模型在训练组和内部验证组中的C指数值分别为0.733和0.728。组合模型的C指数值仅为0.735和0.730,略高,表明生境特征携带了大部分区分信息。在3年时,生境模型的IPCW AUC值为0.803/0.874,组合模型的IPCW AUC值为0.807/0.881(训练组/内部验证组);组合模型与生境特征去除后的AUC差异较小,且其95%自举置信区间包括零。相比之下,全肿瘤组学模型的验证性能有限。校准和决策曲线分析表明,在研究的队列中模型具有可接受的暂时性内部性能和潜在的决策效用。TCGA-STAD分析为血管生成、基质和复合生态系统提供了正交的生物学支持,这些特征作为不良预后指标的调整后的风险比(HR)分别为1.30、1.34和1.14。
在具有血管和神经周围侵袭性的胃癌中,三相CT生境组学能够捕捉到全肿瘤组学未能有效表达的空间预后信息。生境特征在内部验证中显示出更高的3年无复发生存率区分能力,并几乎完全解释了组合模型的区分性能。这些发现建立了一个聚焦的成像框架,用于在病理学定义的高风险人群中精细化术后风险分层,并为未来基于生境信息的监测策略评估提供了支持。