基于瘤内与瘤周双能量CT影像组学的甲状腺乳头状癌初发复发风险分层预测研究

　　本研究针对甲状腺乳头状癌(PTC)初发复发风险术前预测难题，来自国内的研究团队通过双能量CT(DECT)影像组学技术，创新性地提取瘤内与瘤肿周边1mm区域的放射组学特征，构建包含肿瘤大小、位置及瘤周内层rad-score(VOIinner layer)的诺莫图模型，在训练与验证队列中分别达到0.877/0.876的AUC值，为PTC精准预后评估提供重要工具。

　　

通过双能量计算机断层扫描(Dual-Energy Computed Tomography, DECT)影像组学技术，研究人员对甲状腺乳头状癌(Papillary Thyroid Carcinoma, PTC)的初发复发风险进行前瞻性探索。该回顾性研究纳入2020年7月至2021年6月期间的236例PTC患者（训练集165例，验证集71例），分别从瘤内整体区域(VOI^whole)、瘤周外层(VOI^{outer layer})和瘤周内层(VOI^{inner layer})提取放射组学特征并构建rad-score评分体系。研究发现瘤周区域（特别是内层）的放射组学特征预测效能显著优于瘤内区域，整合肿瘤大小、肿瘤部位与VOI^{inner layer} rad-score的诺莫图模型展现出卓越的预测性能：训练队列曲线下面积(Area Under the Curve, AUC)达0.877，验证队列AUC为0.876。该模型同时表现出良好的校准度、临床适用性和稳定性，标志着DECT影像组学技术为PTC复发风险 stratification 提供了超越传统临床指标的量化工具。研究者强调瘤周微环境特征对肿瘤生物学行为评估的关键价值，并建议进一步优化模型以推进临床转化应用。