基于CT影像组学的肾肿瘤无创术前侵袭性分层与术后生存预测模型

《Bioengineering》:Noninvasive Preoperative Stratification of Renal Tumors for Aggressiveness and Prognosis

【字体: 大 中 小 】 时间:2026年09月21日 来源:Bioengineering 3.7

编辑推荐:

  准确区分惰性与侵袭性肾病变对于个性化风险分层管理至关重要,并可改善肾肿瘤患者的临床结局。本研究旨在建立并外部验证一种非侵入性计算机断层扫描(CT)衍生的影像组学模型,用于识别侵袭性肾肿瘤并预测术后长期生存。研究人员回顾性纳入来自多个中心的3407例经病理确诊的

  
准确区分惰性与侵袭性肾病变对于个性化风险分层管理至关重要,并可改善肾肿瘤患者的临床结局。本研究旨在建立并外部验证一种非侵入性计算机断层扫描(CT)衍生的影像组学模型,用于识别侵袭性肾肿瘤并预测术后长期生存。研究人员回顾性纳入来自多个中心的3407例经病理确诊的肾肿瘤患者,并将其分为三个独立队列:训练队列(n=1840)、内部验证队列(n=789)和外部测试队列(n=778)。基于术前多期CT图像,构建了基于支持向量机(SVM)的影像组学模型以评估肿瘤侵袭性。采用Cox比例风险回归分析确定独立预后因素,并进一步开发了结合影像组学侵袭性评分和临床病理参数的综合列线图用于生存预测。所建立的SVM影像组学模型显示出稳定的判别性能,在内部验证队列中受试者工作特征曲线下面积(AUC)为0.740,在外部测试队列中为0.763。多变量Cox回归分析表明,影像组学预测的肿瘤侵袭性仍然是无复发生存期(HR=3.656)、总生存期(HR=1.981)和疾病特异性生存期(HR=3.673)的独立不良预后因素。此外,整合后的列线图在内部验证队列中显示出良好的校准性能,可用于预测5年和8年总生存期。这种新型CT影像组学模型为术前区分肾肿瘤侵袭性提供了一种稳健的非侵入性工具。作为独立的预后生物标志物,它可帮助临床医生进行精确的术前风险评估,并促进肾肿瘤患者的个体化治疗决策。
肾细胞癌(RCC)是起源于肾小管上皮的常见泌尿系统恶性肿瘤,全球发病率与死亡率均较高,中国的疾病负担尤为严峻。随着腹部CT和MRI等断层影像的广泛普及,大量无症状局限性肾肿块尤其是小肾肿块(SRMs)被偶然检出。然而,局限性肾肿瘤并非同质性疾病,其病理构成和生物学行为差异显著,既可表现为相对惰性病变,也可为具有高度进展潜能的侵袭性肿瘤。因此,临床管理策略已从统一的根治性手术转向个体化风险适应方案,包括保留肾单位手术、热消融和主动监测。术前评估的核心不再局限于“良性抑或恶性”的二分法,而是强调对肿瘤生物学侵袭性的识别。传统影像学视觉判读在评估侵袭性方面存在明显局限,肾肿块活检虽有价值,但受取样误差和肿瘤异质性制约,难以普及。因此,开发基于常规术前影像的无创定量评估方法具有重要临床意义。影像组学通过提取大量定量特征可表征肿瘤异质性,已被用于RCC核分级预测、复发风险评估和生存建模,但既往证据多集中于透明细胞RCC的单一组织学亚型或单一分级任务,缺乏对更贴近临床决策的综合性“惰性/侵袭性”表型的关注。

本研究基于多中心大样本真实世界数据,旨在建立并外部验证一种基于术前多期CT的影像组学模型,以区分惰性与侵袭性肾肿瘤,并进一步探讨模型预测的侵袭性与术后生存结局之间的关联。研究人员最终得出以下结论:该模型在内部验证和独立外部测试队列中均保持稳定的判别性能;影像组学预测的侵袭性不仅与较差的无复发生存期(RFS)、总生存期(OS)和疾病特异性生存期(DSS)显著相关,而且在多变量调整后仍具有独立预后价值;整合影像组学侵袭性评分、TNM分期、WHO/ISUP分级、坏死及肉瘤样分化的列线图可个体化预测5年和8年OS概率。该研究为肾肿瘤的术前风险分层和个体化治疗决策提供了无创影像学证据,具有明确的临床转化潜力。

在关键技术方法方面,研究人员回顾性纳入2009至2022年间来自复旦大学附属中山医院、浙江大学医学院附属第一医院、连云港市第一人民医院、复旦大学附属中山医院厦门分院、大连大学附属中山医院和张掖市人民医院的3407例经病理确诊肾肿瘤患者,分为训练队列(n=1840)、内部验证队列(n=789)和外部测试队列(n=778)。基于术前平扫、动脉期和静脉期CT图像,采用nnU-Net架构模型自动分割感兴趣区(ROI)并经影像科医师人工校正;使用PyRadiomics提取2D影像组学特征,经Pearson相关性分析、单变量统计检验和最小绝对收缩与选择算子(LASSO)回归逐步降维,最终保留10个关键特征。分类模型为五折交叉验证集成线性支持向量机(SVM),输出平均概率作为影像组学侵袭性评分。采用Kaplan-Meier曲线、Cox回归和Harrell一致性指数(C-index)评估预后价值,并构建列线图。

在“基线患者特征”部分,研究共纳入3407例患者,训练、内部验证和外部测试队列的中位年龄分别为58.0、57.0和56.0岁,男性比例分别为66.8%、65.9%和68.6%;肿瘤大小中位数分别为3.5、3.5和3.2 cm,小肾肿块占比分别为63.4%、64.6%和70.8%;病理侵袭性肿瘤占比分别为24.4%、24.3%和23.1%,透明细胞RCC为最常见亚型。这为模型建立和验证奠定了均衡的样本基础。

在“影像组学特征选择”部分,经过LASSO回归(λ=0.011)筛选,从282个多期影像组学特征中保留13个非零系数特征,取系数绝对值排名前10者作为最终特征集。所选特征涵盖形状描述符、一阶强度统计量以及灰度共生矩阵(GLCM)和灰度大小区域矩阵(GLSZM)纹理特征,并分布于平扫、动脉期和静脉期,表明多期CT可提供互补信息。

在“影像组学模型区分惰性和侵袭性肾肿瘤的性能”部分,通过ROC曲线评估,模型在训练、内部验证和外部测试队列中的AUC分别为0.723、0.740和0.763,显示出稳定的跨队列判别能力;内部验证队列中准确率为0.624,敏感性为0.812,特异性为0.563;外部测试队列中准确率为0.746,敏感性为0.617,特异性为0.784。亚组分析显示,小肾肿块、实性肿瘤和囊性肿瘤的AUC在内部验证队列中分别为0.668、0.749和0.699,在外部测试队列中分别为0.691、0.768和0.754。

在“影像组学预测侵袭性与生存结局的关联”部分,Kaplan-Meier分析显示,预测为侵袭性的患者在两个验证队列中DSS、RFS和OS均显著较差。Cox回归分析中,预测侵袭性在单因素分析中与RFS(HR=6.565)、OS(HR=3.419)和DSS(HR=7.444)显著相关;多变量调整后仍分别为3.656、1.981和3.673,表明其提供了肿瘤分类之外的预后信息。

在“传统临床病理变量与独立预后因素”部分,多变量分析显示,TNM II期和III期、WHO/ISUP III级和IV级、坏死及肉瘤样分化均为RFS、OS和DSS的独立不良预后因素。影像组学预测侵袭性在调整上述因素后仍保持独立预后意义,提示其可补充传统临床病理指标。

在“分层分析与预测判别能力比较”部分,亚组分析显示影像组学侵袭性评分与生存结局的关联在各临床病理亚组中基本一致;C-index比较表明,影像组学侵袭性评分的整体预后判别能力优于单个传统变量,进一步支持其临床风险分层的潜力。

在“列线图的构建与校准”部分,研究人员基于AI侵袭性评分、TNM分期、ISUP分级、坏死和肉瘤样分化构建了预测恶性肾肿瘤术后OS的列线图,内部验证队列的校准曲线显示5年和8年OS预测概率与实际观察基本一致,具有良好的校准性能。

在“小肾肿块和实性肿瘤亚组趋势”部分,小肾肿块亚组中,影像组学预测侵袭性的预后价值呈终点依赖性:内部验证队列中DSS和OS有显著差异,而RFS差异不显著;外部测试队列中仅OS显著。实性肿瘤亚组中,预测侵袭性在DSS、RFS和OS方面均能显著分层,表明在实性肿瘤中预后分层一致性更强。

在讨论部分,研究人员指出,与既往聚焦单一亚型或单一结局的研究不同,本研究强调综合性“惰性/侵袭性”终点,更贴近真实临床决策。该模型可作为活检的补充工具,而非替代;影像组学侵袭性评分可能反映了肿瘤空间异质性和更深层生物学特征。列线图整合了影像组学与临床病理变量,提高了模型可读性和临床应用潜力。研究优势包括多中心真实世界数据、独立外部验证、系统评价预后价值以及纳入关键亚组分析。局限性包括回顾性设计带来的扫描参数差异、缺乏外部校准和决策曲线分析、未纳入分子分型或影像基因组学证据。未来需前瞻性标准化多中心研究进一步验证。

研究结论部分翻译如下:总而言之,本研究开发并外部验证了基于SVM的CT影像组学模型,用于区分惰性与侵袭性肾肿瘤并分层术后预后。模型预测的侵袭性在多变量调整后仍具有独立预后意义,提示其可作为TNM分期、ISUP分级和传统不良病理特征之外的有价值补充。鉴于当前局限性肾肿瘤的管理日益强调个体化、保留肾功能和避免过度治疗,这种适用于术前风险评估的无创、可量化影像工具具有明确的转化潜力。未来的前瞻性、标准化多中心研究需进一步验证该方法的稳健性和临床可实施性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号