基于肿瘤微环境放射组学的胸腺上皮肿瘤风险分层增量诊断价值研究

本研究创新性地将肿瘤微环境（habitat）放射组学应用于胸腺上皮肿瘤（TETs）风险分层，通过对比增强CT（CECT）静脉期图像分割肿瘤亚区，结合XGBoost算法构建联合模型（AUC达0.900），证实亚区特征可显著提升传统放射组学模型的鉴别效能（NRI=0.286），为术前无创评估提供新策略。

　　

引言

胸腺上皮肿瘤（TETs）作为前纵隔最常见的原发性肿瘤，其WHO分类（A/AB/B1/B2/B3/TC）与预后密切相关。传统影像学对高低风险组（LRT/HRT）鉴别存在局限，而基于全肿瘤的放射组学未能充分捕捉空间异质性。本研究首次提出肿瘤微环境放射组学方法，通过定量分析CECT静脉期图像中亚区特征，探索其在风险分层中的增量价值。

材料与方法

回顾性纳入220例经病理证实的TETs患者（训练集176例，测试集44例），采用k-means聚类（k=3）将肿瘤分割为不同亚区。从全肿瘤和亚区提取6752个放射组学特征，经四步筛选（方差阈值、ICC>0.75、XGBoost重要性排序、RFECV）后构建三个模型：传统模型（28特征）、微环境模型（40特征）及联合模型（16特征）。采用SVMSMOTE解决类别不平衡，通过ROC、NRI、IDI和SHAP值评估性能。

结果

肘部法则确定最佳亚区数为3，对应实体成分（Habitat_1/2）和坏死/边缘区（Habitat_3）。联合模型在测试集表现最优（AUC 0.900 vs 传统0.819），虽DeLong检验无统计学差异（p=0.161），但NRI（0.286）和IDI（0.209）显示临床意义增量。关键特征包括：

1. 1.

   形态学指标：original_shape_Sphericity降低提示HRT不规则生长

2. 2.

   纹理特征：wavelet-HHH_firstorder_Range_3反映坏死区异质性

3. 3.

   空间分布：lbp-3D-m1_glszm_ZonePercentage异常预示HRT结构紊乱

讨论

该研究突破性地揭示：

• •

  亚区特征可量化肿瘤"生态位"异质性，如Habitat_2低增强区对应细胞低分化

• •

  联合模型Brier评分（0.121）显著优于传统模型（0.193），校准曲线显示最佳一致性

• •

  与深度学习相比，微环境放射组学提供更高解释性（通过SHAP热图可视化）

局限与展望

多中心前瞻性验证需解决扫描仪差异（GE/PHILIPS），未来可整合基因组数据探索亚区生物学基础。本研究为TETs个体化诊疗提供了可解释的影像学生物标志物体系。