《Academic Radiology》：MRI-Based Habitat Radiomics for Predicting Postoperative Recurrence in Nonmetastatic Clear Cell Renal Cell Carcinoma
编辑推荐：
本研究基于MRI信号强度聚类分析，开发并验证了非转移性透明细胞肾癌术后复发的混合预测模型，整合了13项放射组学特征与临床病理因素，模型在训练集和测试集的3年及5年无复发生存预测AUC分别为0.80/0.81和0.85/0.81，C-index达0.80，验证了MRI栖息地放射组学联合临床病理特征对预后的有效预测价值。
司成义|童宇佳|徐白|欢欢康|建钊|白川刘|超波李|学伟文|宏浩徐|学义宁|海丽刘|梦秋崔|少鹏周|远豪马|丽志谢|侯明赵|鑫马|海毅王
中国人民解放军总医院第一医学中心放射科，中国北京市海淀区复兴路28号，邮编100853（司勇、何凯、白亮、陈丽、薛伟、何晓、薛娜、孟超、司志、杨明、侯伟）
研究背景与目的
本研究旨在开发并验证一种基于磁共振成像（MRI）的肿瘤微环境组学模型，以预测非转移性透明细胞肾细胞癌（ccRCC）患者术后无复发生存期（RFS）。
材料与方法
研究纳入了2011年至2019年间在中国人民解放军总医院第一医学中心接受手术治疗的630例非转移性ccRCC患者。通过K-means算法，根据信号强度将术前T2加权成像（T2WI）和增强皮质髓质期（CP）MRI图像中的肿瘤体素聚类为不同的肿瘤微环境。从这些微环境中提取组学特征，经过特征筛选后，将这些特征与临床病理指标结合，构建Cox比例风险回归模型。模型性能通过接收者操作特征曲线（ROC曲线）、一致性指数（C-index）和决策曲线分析（DCA）进行评估。
结果
通过聚类分析确定了三种不同的肿瘤微环境类型，并从中选取了13个与复发相关的组学特征来构建肿瘤微环境特征谱（Habitat Signature，简称HS）。多变量Cox回归分析显示，年龄（HR = 1.039，95% CI: 1.016–1.063，P<0.001）、性别（男性 vs 女性，HR = 2.608，95% CI: 1.291–5.270，P=0.008）和病理T分期（T3 vs T1，HR = 4.284，95% CI: 1.997–9.193，P<0.001）是术后复发的独立预测因子。将临床病理预测因子与HS得分结合构建的模型，在训练集和测试集中，3年和5年术后复发预测的AUC值分别为0.80/0.81和0.85/0.81，C指数分别为0.80和0.81。
结论
结合基于MRI的HS得分和临床病理特征构建的预测模型对非转移性ccRCC的复发具有预测价值。
研究节选
引言
肾细胞癌（RCC）是一种起源于肾小管上皮细胞的肾脏肿瘤（1）。在全球范围内，RCC是泌尿系统常见的恶性肿瘤之一，约占新发癌症病例的5%（男性）和3%（女性）（2）。在RCC亚型中，透明细胞肾细胞癌（ccRCC）是最常见的组织学类型，占所有RCC病理类型的60%至85%（1, 3）。与其他RCC亚型相比，ccRCC...
患者
本研究已获得当地伦理委员会批准（批准编号S2024–398-02），无需患者签署知情同意书。研究对象为2011年1月至2019年12月期间在中国人民解放军总医院第一医学中心接受手术治疗的非转移性ccRCC患者。纳入标准如下：
- 接受根治性或部分肾切除术的非转移性ccRCC患者；
患者人群
最终纳入了630例接受手术治疗且具有术前MRI数据的非转移性ccRCC患者。该队列中包括453名男性和177名女性，平均年龄为53.3 ± 11.3岁（年龄范围：18–87岁）。平均随访时间为88.2个月，中位随访时间为84.7个月。在630例ccRCC患者中，298例接受了部分肾切除术，332例接受了根治性肾切除术。
讨论
本研究通过应用K-means算法对术前MRI图像进行分析，识别出ccRCC病灶中的三种不同肿瘤微环境类型，并构建了一个结合肿瘤微环境组学与临床病理变量的Cox比例风险模型，用于预测术后复发风险。该模型的风险评分有效将患者分为高风险和低风险组，显示出显著的复发风险差异，证实了MRI肿瘤微环境组学的应用潜力。
作者贡献声明
学伟文：数据分析、数据整理。海毅王：撰写、审稿与编辑、资源协调、方法学设计、资金争取、概念构思。超波李：数据分析、数据整理。鑫马：撰写、审稿与编辑、资源协调、方法学设计、概念构思。白川刘：软件开发、数据整理。侯明赵：资源协调、方法学设计。建钊：撰写、审稿与编辑、数据分析。丽志谢：方法学设计、数据分析。欢欢康：数据分析
致谢与资助
我们衷心感谢中国人民解放军总医院第一医学中心提供临床数据、影像资源和研究平台，支持了这项基于MRI的肿瘤微环境组学研究，以预测非转移性透明细胞肾细胞癌的复发风险。
同时感谢参与图像采集、分割、配准质量评估和长期随访的放射科医生和临床工作人员的贡献。
