放射组学联合预后营养指数：食管癌术后生存预测的新突破

为评估食管癌（EC）术前指标预测价值，研究人员构建联合模型，该模型预测精准，可用于术前风险分层。

　　食管癌（Esophageal carcinoma，EC）是全球范围内极为致命的恶性肿瘤之一，在亚洲，大部分患者患的是食管鳞状细胞癌（Esophageal squamous cell carcinoma，ESCC）。早期 EC 通常没有明显症状，这就导致许多患者在初次就医时就已处于疾病的中晚期。尽管手术联合化疗或放化疗等多模式治疗策略是可切除癌症的标准治疗方案，但患者的预后仍然很差，5 年总生存率（Overall survival，OS）仅在 45.0 - 46.5%，疾病进展后的中位生存期也只有 13 个月。目前，临床常用的肿瘤 - 淋巴结 - 转移（Tumor–node–metastasis，TNM）分期虽然对治疗决策有指导作用，但它在早期癌症的病理分期预测准确性欠佳，在预后评估方面也存在一定的局限性。因此，寻找新的可靠生物标志物来评估肿瘤异质性、治疗效果和提高预后准确性迫在眉睫。

为了解决这些问题，安徽医科大学第一附属医院和复旦大学附属肿瘤医院的研究人员开展了一项多机构研究。他们整合了预后营养指数（Prognostic nutritional index，PNI）与 CT 影像特征，构建了一个用于预测 ESCC 患者术后 OS 的联合预后模型，并验证了该模型的有效性。该研究成果发表在《European Journal of Medical Research》上。

研究人员开展此项研究时，采用了多个关键技术方法。首先，从两个医疗中心收集了 466 例 ESCC 患者的数据，这些患者在 2010 年 6 月至 2023 年 6 月期间接受了根治性手术。研究人员将数据集随机分为训练队列（Training cohort，TC，246 例）、内部验证队列（Internal validation cohort，IVC，106 例）和外部验证队列（External validation cohort，EVC，114 例）。其次，利用 3D Slicer 软件勾画感兴趣区域（Region of interest，ROI），并使用 PyRadiomics 软件从 ROIs 中提取 1409 个放射组学特征（Radiomics features，RFs）。之后，通过 Z - score 分析对 RF 值进行归一化处理，并利用组内相关系数（Intraclass correlation coefficient，ICC）评估其可重复性。最后，使用 LASSO 回归和 Cox 回归分析等方法筛选与 OS 相关的特征，并构建联合模型。

在研究结果方面：

• 患者特征：研究共纳入了来自安徽医科大学第一附属医院的 352 例患者和复旦大学附属肿瘤医院的 114 例患者。三个队列（TC、IVC、EVC）之间的临床病理数据没有显著差异。
• 单变量和多变量分析：经过一系列筛选，最终确定了 7 个与 OS 相关的 RFs。通过 X - tile 软件分析，得到 rad - score 的最佳截断值为 - 0.45，PNI 的最佳截断值为 47.1。单变量分析显示，年龄、TNM 分期、rad - score 和 PNI 是 OS 的重要预后因素；多变量分析则确定 TNM 分期、rad - score 和 PNI 是 OS 的独立预后因素（Independent prognostic factors，IPFs）。
• 建立预测 OS 的模型：研究利用 rad - score、PNI 和 TNM 构建了 OS 预测模型。结果显示，联合模型的一致性指数（concordance index，c - index）在 TC、IVC 和 EVC 队列中均高于 TNM 分期模型。联合模型预测 1 年、3 年和 5 年 OS 率的受试者工作特征曲线下面积（Area under the curve，AUC）值在三个队列中也均优于 TNM 分期模型。此外，构建的列线图校准曲线显示预测值与实际观察值吻合良好，决策曲线分析表明该模型具有积极的净效益。

研究结论表明，该研究首次将炎症因子 PNI 与放射组学相结合，评估 ESCC 患者的术后预后。结果显示，高 PNI 与较好的预后相关，基于 PNI 和放射组学开发的列线图对评估 ESCC 患者的术后预后具有较高的预测准确性。作为一种简单实用的工具，它在提高预后评估和指导治疗决策方面具有巨大潜力，为未来大规模的回顾性和前瞻性临床试验奠定了基础。然而，该研究也存在一定的局限性，如仅纳入了 ESCC 患者，未纳入术前接受新辅助放化疗的患者，且数据仅来自两个中心，样本量相对较小。未来需要进一步扩大研究规模和范围，以更全面地评估该预测模型的可行性。