《Journal of Radiation Research and Applied Sciences》：Predicting sinus fat invasion in clear cell RCC: A combined model of inflammatory markers, spectral CT, and ECV
编辑推荐：
目的：评估术前炎症标志物、能谱CT（spectral CT）定量参数及细胞外体积分数（extracellular volume fraction, ECV）联合预测透明细胞肾细胞癌（clear cell renal cell carcinoma, ccRCC）
目的：评估术前炎症标志物、能谱CT（spectral CT）定量参数及细胞外体积分数（extracellular volume fraction, ECV）联合预测透明细胞肾细胞癌（clear cell renal cell carcinoma, ccRCC）肾窦脂肪侵犯（sinus fat invasion, SFI）的诊断价值，并构建及验证最优无创术前预测模型。方法：该回顾性研究分析了2020年至2025年间380例经病理确诊且术前接受能谱CT检查的ccRCC患者的临床及影像学资料。根据术后病理结果将患者分为SFI组与非SFI组。收集并比较炎症标志物[系统免疫炎症指数（systemic immune-inflammation index, SII）、中性粒细胞/淋巴细胞比值（neutrophil-to-lymphocyte ratio, NLR）、血小板/淋巴细胞比值（platelet-to- lymphocyte ratio, PLR）、全身炎症反应指数（systemic inflammation response index, SIRI）]、能谱CT参数[标准化碘浓度（normalized iodine concentration, NIC）、能谱曲线斜率（spectral curve slope, K）、有效原子序数（effective atomic number, Z-eff）、70 keV CT值]及ECV。通过单因素及多因素logistic回归筛选独立预测因子，建立联合预测模型，进行内部验证，并采用ROC曲线、校准曲线、决策曲线分析（decision curve analysis, DCA）及SHAP（SHapley Additive exPlanations）分析评价模型效能。结果：多因素分析保留8项独立预测因子：SII（OR=1.131）、NLR（OR=1.294）、SIRI（OR=1.072）、NIC（OR=0.369）、K（OR=0.149）、Z-eff（OR=0.703）、70 keV CT值（OR=0.917）及ECV（OR=1.141）。PLR和淋巴细胞/单核细胞比值（lymphocyte-to-monocyte ratio, LMR）非独立预测因子（P>0.05）。联合模型在训练集中显示出卓越的诊断效能（AUC=0.966，灵敏度=93.90%，特异度=97.83%），在验证集中仍保持稳健性能（AUC=0.900，灵敏度=89.13%，特异度=85.29%）。验证集特异度为85.29%（95% CI 76.88%-93.71%），与训练集特异度97.83%（95% CI 95.72%-99.93%）相比，置信区间重叠提示差异无统计学意义，但点估计值提示存在一定过拟合，尚需外部验证。校准曲线及DCA显示模型拟合良好且具有临床实用性。SHAP分析提示NIC为最具影响力特征。结论：整合炎症标志物、能谱CT参数及ECV的多模态模型可有效无创术前预测ccRCC患者SFI，较单一参数具有更优诊断效能，有助于个体化手术方案制定。对于预测SFI高风险患者，应考虑根治性肾切除术或扩大性部分肾切除术并配合术中切缘评估，但经验丰富的外科医师在部分精选病例中仍可考虑保肾手术。该模型应作为术中判断的辅助而非替代工具。
肾细胞癌（renal cell carcinoma, RCC)是泌尿系统常见恶性肿瘤，其发病率与死亡率在实体肿瘤中呈上升趋势。透明细胞肾细胞癌(clear cell RCC, ccRCC)作为其主要亚型，占全部病例的70%-80%，具有侵袭性强、异质性高的特点。在ccRCC的临床管理中，手术切除是局限性及部分局部进展期肿瘤实现治愈或长期控制的核心手段，而术式选择主要依据肿瘤的临床分期，特别是基于TNM分期系统对局部肿瘤侵犯范围的精确评估。其中，肾窦脂肪侵犯(sinus fat invasion, SFI)是反映ccRCC局部进展的关键指标。根据2017年起施行的国际抗癌联盟(Union for International Cancer Control, UICC)TNM分期标准，肿瘤侵犯肾窦脂肪归为T3a期，标志着肿瘤已突破肾筋膜(Gerota筋膜)这一相对局限的解剖屏障，提示更具侵略性的生物学行为。
准确识别SFI对制定外科治疗决策至关重要。对于未侵犯肾窦脂肪的局限性小肾肿瘤，部分肾切除术(partial nephrectomy, PN)已成为标准治疗方案，旨在完整切除肿瘤的同时最大限度保留功能性肾单位，降低术后慢性肾病、心血管事件及全因死亡风险，保障患者长期生活质量。然而，一旦肿瘤侵犯肾窦脂肪，单纯行PN可能导致手术切缘阳性及局部复发风险显著增加，此时根治性肾切除术(radical nephrectomy, RN)通常被认为是更合适的选择以确保肿瘤完整切除与充分局部控制。因此，术前准确预测SFI的存在与否直接影响手术范围的规划，进而深刻影响患者的肾功能结局、生活质量及长期生存。不准确的术前评估可能导致高风险患者手术切除不足、复发风险增加，或使低风险患者接受不必要的根治性切除、过早丧失肾功能。
当前，术前评估ccRCC是否累及SFI主要依赖影像学检查，但传统CT评估主要依据形态学特征，如观察肿瘤与肾窦脂肪交界面是否清晰、是否存在索条状浸润或脂肪间隙消失等。这些高度主观的形态学判断 heavily rely on放射科医师经验，对细微或早期浸润的检测敏感性有限，且存在显著的观察者间变异性。研究表明，仅基于传统CT影像学进行SFI术前诊断的准确性欠佳，假阴性及假阳性频繁出现。Sokhi等报道传统CT对T3a期SFI检测的灵敏度为65%、特异度为81%；Ma等发现汇总灵敏度为72%、特异度为79%。这些基准数据凸显了定量改进的迫切需求。因此，临床亟需一种更客观、定量、可重复的非侵入性方法以提高术前SFI预测准确性。
随着影像组学、功能成像及定量分析技术的快速发展，应对这一挑战迎来了新机遇。能谱CT(spectral CT)克服了传统CT的局限，通过提供碘浓度、有效原子数等定量参数，实现了超越简单衰减测量的组织特征化。利用快速单球管双电压切换或双源双能量采集等技术，能谱CT可同时捕获不同X线能谱下物质的衰减信息，实现组织成分的定性及定量分析。源于能谱CT的定量参数如标准化碘浓度(normalized iodine concentration, NIC)、能谱曲线斜率(spectral curve slope, λHU)、有效原子序数(effective atomic number, Z-eff)及虚拟单能量图像等，在肿瘤鉴别诊断、分级及疗效评估中已显示出重要价值。在ccRCC中，能谱CT参数有望更敏感地捕捉肿瘤侵犯肾窦脂肪所引发的微血管密度、血流动力学及组织微环境细微变化。Zhang等证实NIC与ccRCC中基于CD34的微血管密度显著相关(r=0.74, P<0.001)；Li等则将能谱CT影像组学与血管成熟度标志物相关联。
另一方面，细胞外体积分数(extracellular volume fraction, ECV)概念最初为评估心肌纤维化而开发，近年已拓展至肿瘤领域。ECV通过测量动态增强扫描过程中对比剂在血管内空间与细胞外间隙之间的平衡分布，量化组织中间质成分的比例。恶性肿瘤的生长与侵袭常伴随广泛的细胞外基质重塑及纤维化，ccRCC尤其高级别或侵袭性亚型常与显著瘤内纤维化或促纤维增生反应相关。当肿瘤侵犯肾窦时，这些间质改变可能更为显著。因此，ECV作为定量描述组织间质特征的参数，理论上具备预测肿瘤侵袭性的潜力。
除影像特征外，肿瘤的生物学行为与宿主全身反应密切相关。全身炎症反应已被广泛认识为调控癌症发生、进展及预后的关键因素。肿瘤微环境中的炎症细胞浸润与肿瘤细胞增殖、血管生成、侵袭及转移等过程交织互作。源于常规外周血检测的全身炎症指数因其获取便捷、成本低廉及可重复性强，已成为评估多种癌症预后及侵袭性的有力工具。
尽管已有研究分别探讨了能谱CT参数、炎症指数或ECV在肾细胞癌诊断及预后评估中的价值，但迄今尚无研究系统整合这三方面要素，构建专门针对ccRCC患者SFI无创术前预测的多模态、多参数联合预测模型。这种整合有望克服单一参数或单维度信息的局限，通过多维数据的互补与协同，建立更稳健、可推广的诊断工具。鉴于此，本研究旨在通过回顾性分析，探讨术前炎症指数、皮质期能谱CT定量参数及基于增强CT计算的ECV联合预测ccRCC患者肾窦脂肪侵犯的诊断价值，以期为临床提供较传统形态学评估更客观、准确的术前决策支持工具。
研究人员开展了一项回顾性队列研究，纳入2020年1月至2025年6月期间在该院泌尿外科接受手术治疗的ccRCC患者。所有患者术后经病理确诊为ccRCC，且术前接受增强能谱CT扫描。根据术后病理结果将患者分为SFI阳性组与SFI阴性组。研究最终纳入380例患者，训练集266例，内部验证集114例，两组SFI患病率分别为30.83%和29.82%，基线特征均衡可比。研究人员收集了患者的基本信息、术前1周内的血常规及生化检查结果，计算SII、NLR、PLR、LMR及SIRI等炎症指数。CT检查采用标准化方案，使用特定型号能谱CT扫描仪，采集平扫、皮质期及肾实质期图像，测量并计算NIC、K值、Z-eff、70 keV CT值及ECV等参数。由两名经验丰富的高年资放射科医师独立进行感兴趣区勾画及参数测量，取平均值进行后续分析。
研究结果部分，在训练集中，SFI组与非SFI组在多项参数上存在显著差异。SFI组的SII、NLR、PLR、SIRI及吸烟史比例显著高于非SFI组，而LMR显著降低；在能谱CT参数方面，SFI组的NIC、K值、Z-eff及70 keV CT值显著降低，而ECV显著升高。多因素logistic回归分析最终确定了8项独立预测因子：SII(OR=1.131)、NLR(OR=1.294)、SIRI(OR=1.072)、NIC(OR=0.369)、K值(OR=0.149)、Z-eff(OR=0.703)、70 keV CT值(OR=0.917)及ECV(OR=1.141)，而PLR与LMR未保留为独立预测因子。
在个体参数诊断效能方面，ECV的AUC最高(0.812)，其次依次为NIC(0.787)、K值(0.771)、Z-eff(0.770)、NLR(0.758)、70 keV CT值(0.752)、SII(0.736)及SIRI(0.727)。联合模型在训练集中展现出卓越的诊断性能，AUC达0.966，灵敏度93.90%，特异度97.83%，阳性预测值0.973，阴性预测值0.990；在内部验证集中仍保持稳健，AUC为0.900，灵敏度89.13%，特异度85.29%。DeLong检验显示联合模型显著优于单一参数模型。校准曲线显示预测概率与实际观察频率之间具有良好的一致性，Hosmer-Lemeshow检验提示校准良好。决策曲线分析表明，联合模型在较宽的阈值概率范围内较"全部治疗"或"均不治疗"策略具有更高的净临床获益。SHAP分析揭示NIC为模型中最具影响力的特征，其次是ECV和K值。
讨论部分，研究人员指出SFI是ccRCC中决定局部肿瘤进展、指导术式选择及评估预后的关键病理因素。传统影像学评估主要依赖主观形态学特征，灵敏度有限，难以满足精准医疗需求。本研究创新性地整合术前全身炎症指数、能谱CT定量参数及ECV，构建并验证了多模态联合预测模型，结果表明该模型在训练集及内部验证集中均表现出色著优于单参数模型的诊断效能，为ccRCC患者SFI的无创术前预测提供了有力工具。
研究人员阐述了各预测因子的生物学意义：SII、NLR及SIRI作为反映全身免疫-炎症状态的指标，在SFI组显著升高，提示更具侵袭性的肿瘤可诱导或伴随更强烈的全身炎症反应，这与既往研究将炎症状态与肿瘤病理特征相关联的结论一致。能谱CT参数在SFI组的协调下降，从无血管成熟障碍、功能异常或相对缺血坏死等不同物理维度，一致描述了伴SFI的ccRCC在增强扫描上"相对低强化、低物质密度/复杂度"的影像表型，为传统形态学评估提供了重要定量补充。ECV在SFI组的显著升高则可能反映了肿瘤侵袭过程中更为显著的基质反应、纤维化及细胞外基质重塑。
该联合模型通过有机整合具有不同生物学意义及测量维度的三类指标，实现了信息互补与交叉验证，构建了更全面稳健的预测框架。临床应用方面，对于模型预测为SFI低风险的患者，临床医师可更放心地选择PN以保留肾功能；对于高风险患者，则应更谨慎评估，倾向选择RN或更广泛切除以确保肿瘤完整切除及局部控制，从而避免术前评估不确定性导致的过度治疗或治疗不足。此外，该模型基于常规可及的血检结果及标准化能谱CT后处理数据，具有良好的可及性与可重复性，有助于减少观察者间变异，提升诊断一致性，对基层医疗机构或经验相对不足的医师尤为有益。
研究人员也坦陈了本研究的局限性：回顾性单中心设计可能引入选择偏倚，模型的泛化性需通过前瞻性、多中心外部验证进一步确认；模型纳入变量较多，需开发便捷的计算工具以促进临床实际应用；研究未纳入肿瘤大小、生长模式等传统形态学特征，也未探索影像组学或深度学习等新兴特征。尽管事件数/变量比可接受，内部验证仍可能高估性能，不同CT设备厂商、扫描方案及观察者变异等因素的影响有待外部验证排除。研究人员计划开展多中心前瞻性验证研究。
研究结论为：本研究成功开发并验证了一种整合术前全身炎症指数、能谱CT定量参数及ECV的多模态联合预测模型，该模型可高效无创术前预测ccRCC患者SFI，诊断性能显著优于任何单一参数。各预测因子从全身炎症状态、局部肿瘤血流及物质构成、间质微环境重塑等多角度共同揭示了肿瘤侵袭性的生物学特征。该研究成果为临床提供了客观精准的术前决策支持工具，有望推动ccRCC手术管理向更个体化、精准化方向发展，最终改善患者治疗效果及生活质量。未来研究应通过多中心外部验证及前瞻性应用进一步夯实该模型的临床证据基础，并探索其与新兴技术的整合，持续优化肾细胞癌的精准诊疗体系。
