整合双能CT光谱动力学与亚区域组织表型分析，用于术前预测胃腺癌的神经周围侵犯情况

《Abdominal Radiology》：Integrated dual-energy CT spectral kinetics and subregional habitat phenotyping for preoperative prediction of perineural invasion in gastric adenocarcinoma

　　

摘要

背景

神经周围浸润是胃腺癌重要的预后因素，但在常规CT检查中难以被识别。

目的

构建并验证一种整合模型，该模型结合双能CT获得的函数光谱斜率以及亚区域特征，用于术前预测神经周围浸润。

材料与方法

在这项回顾性研究中，共分析了175例在2023年至2025年间接受术前双能CT检查的胃腺癌患者（中位年龄66岁，四分位数范围58–73岁，其中131名为男性）。这些患者被随机分为训练组（n=122）和内部测试组（n=53）。通过体素级聚类技术，将肿瘤的亚区域划分为三种生物学上不同的类型。稳定的区域特征（ICC≥0.75）、三相光谱斜率，以及基于栖息地图神经网络得出的拓扑交互评分——用于描述各区域之间的空间关联关系——都被作为候选预测因子，通过LASSO回归分析来构建最终的光谱-栖息地特征谱。诊断性能通过接收者操作特征曲线下面积来评估，而临床实用性则通过决策曲线分析来判断。

结果

在175例患者中，有46.9%（82例）的神经周围浸润得到了病理学确认。该整合模型在训练组的AUC值为0.832（95%置信区间：0.760，0.898），在内部测试组则为0.758（95%置信区间：0.666，0.845）。分层5折交叉验证表明该模型的稳定性，其平均AUC值为0.765（标准差为0.084）。该整合模型的性能显著优于细胞外体积模型（AUC分别为0.758和0.544，P<0.001）。平衡阶段的光谱斜率被证实是一种关键的函数生物标志物。在测试组中，该模型的校准效果非常好（P=0.560，Hosmer-Lemeshow检验）。决策曲线分析显示，在10%–80%的不同阈值概率下，该模型都具有显著的临床优势。

结论

在这项回顾性单中心研究中，利用功能光谱动力学和亚区域空间异质性的整合模型，显示出在术前对隐匿性神经周围浸润进行分类的潜力。不过，由于样本量有限，这些初步结果还需要在更大规模、多机构的前瞻性研究中进行进一步验证，才能将其应用于手术规划中。

图形摘要

该整合功能-空间模型的科学工作流程可分为四个阶段：（I）术前数据采集：获取双能CT数据，并使用3D全肿瘤体积兴趣区对其进行分析分割；（II）多模态特征提取：通过无监督的3D栖息地划分来确定亚区域的空间特征，同时通过计算3D平均光谱斜率来量化功能动力学特征；（III）拓扑建模：运用栖息地图神经网络作为拓扑特征提取工具，以解析微环境各区域之间的高阶空间关联关系；（IV）内部验证：将所有分析结果整合为最终的光谱-栖息地特征谱，该模型在内部测试组中的AUC值为0.758，可帮助术前对神经周围浸润的风险进行分级。