基于CT影像的瘤内与瘤周区域放射组学预测非肌层浸润性膀胱癌经尿道切除术后两年内复发风险

　　本研究针对非肌层浸润性膀胱癌（NMIBC）患者经尿道膀胱肿瘤切除术（TURBT）后复发预测难题，通过分析瘤内与瘤周CT放射组学特征，结合临床因素构建机器学习模型，结果显示联合模型（AUC达0.860）可显著区分高低风险组（p<0.001），为个体化治疗提供重要影像学依据。

　　

通过计算机断层扫描（CT）影像的放射组学分析，研究人员探索了瘤内与瘤周区域特征对非肌层浸润性膀胱癌（NMIBC）患者经尿道膀胱肿瘤切除术（TURBT）后两年内复发风险的预测价值。该回顾性研究纳入233例NMIBC患者，从静脉期影像中提取1316个放射组学特征，并采用随机森林（RF）算法构建三种预测模型：仅瘤内特征（模型1）、瘤内+瘤周特征（模型2）、以及结合放射组学与临床因素的整合模型（模型3）。

结果表明，模型2的受试者工作特征曲线下面积（AUC）达0.826，优于仅使用瘤内特征的模型1。整合临床因素后，模型3表现出更高预测效能，在训练队列、内部验证队列和外部验证队列中的AUC分别为0.860（95% CI: 0.829-0.954）、0.829（0.812-0.863）和0.805（0.652-0.840），且自举验证值为0.852。模型3成功将患者划分为高风险与低风险组，两组无复发生存期（RFS）存在显著差异（p<0.001）。

该研究证实，基于CT的瘤内放射组学特征可有效预测NMIBC术后复发风险，而结合瘤周区域特征与临床因素进一步提升了预测精度，为膀胱癌个体化治疗策略提供了非侵入性影像学生物标志物支持。