基于术前CT影像组学的三级淋巴结构预测及其与可切除肝细胞癌病理微血管侵犯的预后整合:一项多中心研究
《European Journal of Surgical Oncology》:Preoperative CT-based radiomics prediction of tertiary lymphoid structures and prognostic integration with pathological microvascular invasion in resectable hepatocellular carcinoma: a multicenter study
【字体:
大
中
小
】
时间:2026年09月23日
来源:European Journal of Surgical Oncology 3.5
编辑推荐:
摘要目标三级淋巴结构(TLS)反映了肿瘤的免疫微环境,并可能在肝细胞癌(HCC)中提供预后信息,但其评估需要病理学检查。本研究旨在开发并外部验证一种基于CT影像组学的机器学习模型,用于术前预测TLS状态,并探索不同病理学TLS/微血管侵犯(MVI)表型的无病生存期。材料与方法
摘要
目标
三级淋巴结构(TLS)反映了肿瘤的免疫微环境,并可能在肝细胞癌(HCC)中提供预后信息,但其评估需要病理学检查。本研究旨在开发并外部验证一种基于CT影像组学的机器学习模型,用于术前预测TLS状态,并探索不同病理学TLS/微血管侵犯(MVI)表型的无病生存期。
材料与方法
本多中心回顾性研究纳入了959例HCC患者(训练组,n = 792;外部验证组,n = 167)。从增强CT图像中提取影像组学特征和瘤内异质性(ITH)评分。开发了一种纳入临床放射学变量的堆叠集成模型(ITH-Ensemble),用于预测TLS状态,并与临床和影像组学模型进行比较。使用SHapley可加性解释(SHAP)分析进行解释。比较了四种TLS/MVI表型的无病生存期(DFS)。使用TCGA-LIHC数据(n = 366)评估了转录组学支持证据。
结果
ITH-Ensemble模型的外部验证AUC为0.842,而影像组学模型为0.828,临床模型为0.732。SHAP分析将Radscore和炎症标志物(包括单核细胞计数和丙氨酸氨基转移酶)识别为贡献因素。四种TLS/MVI表型显示出不同的DFS分布(log-rank p < 0.0001);TLS+/MVI?组预后最好,而TLS?/MVI+组预后最差。在TCGA-LIHC数据集中,CD2表达与自然杀伤细胞浸润相关(Spearman ρ = 0.766,p < 0.001),并与更长的总生存期相关(p = 0.0247)。
结论
基于CT的ITH-Ensemble模型为可切除HCC的TLS状态提供了一种无创的术前评估方法。病理学TLS/MVI表型与DFS相关,但完全术前的双因素框架需要独立的MVI预测方法。
引言
肝细胞癌(HCC)是全球最常见的原发性肝脏恶性肿瘤,发病率位居第六,癌症相关死亡率位居第三。尽管手术切除仍是早期HCC的主要根治性治疗方法,但术后5年复发率为50%–70%,严重限制了长期生存。因此,准确术前识别高复发风险患者可能有助于个体化风险分层和辅助治疗规划。
肿瘤微环境的免疫和血管特征越来越被认为是HCC发生和进展的重要决定因素。三级淋巴结构(TLS)是异位淋巴聚集物,主要由T细胞、B细胞和树突状细胞组成,反映了适应性免疫反应的激活。TLS的存在与多种实体瘤的良好预后和免疫治疗反应相关。微血管侵犯(MVI)定义为血管腔内的显微镜下肿瘤细胞巢,是HCC侵袭性和早期复发的独立标志物。结合TLS和MVI状态可能提供更精细的预后分层:TLS阳性/MVI阴性肿瘤的患者预后最好,而TLS阴性/MVI阳性肿瘤的患者预后最差。因此,术前评估这两项特征可为个体化治疗策略提供依据,包括免疫治疗与抗血管生成治疗的联合应用。
目前TLS的评估需要术后对手术标本进行组织病理学和免疫组织化学检查(如CD3和CD20染色)。MVI同样需要术后显微镜下评估。这种对术后病理学的依赖限制了TLS和MVI在术前风险分层和治疗规划中的应用。尽管影像学研究已分别探讨了TLS和MVI的预测,但支持术前评估TLS的证据仍然有限。可靠的基于影像学评估TLS状态的方法可以补充传统的临床和影像学评估,提供有关肿瘤免疫微环境的额外信息。
计算机断层扫描(CT)是最常用于HCC术前分期和评估的成像方式。影像组学从医学图像中提取高通量定量特征,可以揭示肉眼无法察觉的肿瘤异质性。基于CT的影像组学在预测肿瘤分级、分子表型和预后方面显示出前景。然而,传统影像组学主要描述局部纹理,可能无法完全捕获整个肿瘤的复杂空间异质性。因此,我们纳入了基于拓扑学的瘤内异质性(ITH)评分,该评分整合了肿瘤内高衰减和低衰减区域的空间梯度和聚集模式。这种方法提供了肿瘤内部结构的整体描述,包括与血管侵犯、免疫组织、坏死和纤维化相关的区域。
因此,我们开发了一种堆叠集成机器学习模型(ITH-Ensemble),整合CT影像组学特征、ITH评分和临床放射学变量,用于在可切除HCC患者手术前预测经病理学确认的TLS状态。该模型在多中心训练队列中开发,在独立机构队列中评估,并与传统影像组学和临床模型进行比较。使用SHAP分析解释单个预测变量的贡献。此外,我们探讨了由病理学TLS和MVI状态定义的四种术后表型的预后意义。最后,使用来自公共TCGA-LIHC队列的转录组数据,考察了代表性TLS标志物、免疫细胞浸润和生存之间的关联,从而为TLS预测目标提供互补的生物学背景。
章节摘要
研究人群
本多中心回顾性研究获得了所有参与医院机构审查委员会的批准,并免除了知情同意的要求。2012年1月至2024年6月间在三家三级医疗中心(A中心、B中心和C中心)进行了根治性切除术并经病理学确认的HCC患者被纳入研究。纳入标准如下:(1) 组织学确诊的HCC;(2) 在4周内进行的标准术前增强CT。
基线人口统计学和临床特征
共纳入959例患者:792例在训练队列中,167例在机构外部验证队列中。基线特征总结在表1中。大多数评估特征在两组之间具有可比性;在选定的实验室参数、瘤内囊性或坏死成分、肿瘤包膜状态和TLS患病率方面观察到差异。
堆叠集成分类器的性能
总体研究设计和模型开发工作流程如图3所示。在评估的算法中,
主要发现
在这项多中心回顾性研究中,我们开发并外部验证了一种基于术前增强CT的堆叠集成模型(ITH-Ensemble),用于非侵入性预测可切除HCC患者的病理学TLS状态。该模型在机构外部验证队列中表现出良好的区分能力,并取得了比传统影像组学和临床模型更高的数值性能。SHAP分析将Radscore和几种系统性因素识别为贡献因素。
结论
总之,基于CT的ITH-Ensemble模型为可切除HCC病理学TLS状态的术前预测提供了一种可解释且无创的方法。术后病理学TLS/MVI表型显示出不同的DFS分布,支持肿瘤免疫活性和血管侵犯的互补预后意义。在模型被纳入临床实践之前,需要进行独立的前瞻性验证,以及一种独立验证的MVI预测方法。
资金
本工作得到了江西省临床医学研究中心项目(资助号20223BCG74001)、江西省卫生健康委员会项目(资助号202610023)、江西省精准病理与智能诊断重点实验室(资助号2024SSY06281)和江西省教育厅科技研究项目(资助号GJJ2200110)的支持。资助机构在研究设计、数据收集中没有发挥作用。
伦理批准和参与同意
本多中心回顾性研究获得了所有参与机构机构审查委员会的批准:南昌大学江西医学院第一附属医院伦理委员会、赣州市人民医院伦理委员会和信州区人民医院伦理委员会(批准号IIT-2025-806)。由于采用回顾性设计并使用去识别化的临床和影像数据,免除了知情同意的要求。所有
作者贡献
Tan Yongming和Xu Siya起草并修改了手稿。Liu Xiaofang、Zhang Chenlei、Liao Weiwei和Liu Meng收集了数据。He Laichang、Zeng Xianjun、Zhu Ru、Shen Minghui和Wang Weijia准备了图表。Xu Siya和Tang Yufei对方法论做出了贡献。Tang Yufei和Liu Jianwei获得了资金并监督了研究。Tan Yongming和Xu Siya对这项工作做出了同等贡献,并共享第一作者身份。所有作者审查并批准了最终手稿。
数据可用性
本研究中使用和 analyzes的数据集可通过合理请求向通讯作者获取。
Yongming Tan | Siya Xu | Meng Liu | Xiaofang Liu | Chenlei Zhang | Weiwei Liao | Laichang He | Xianjun Zeng | Ru Zhu | Minghui Shen | Weijia Wang | Jianwei Liu | Yufei Tang
南昌大学江西医学院第一附属医院放射科,南昌,中国
生物通微信公众号
生物通新浪微博
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