基于MRI影像组学模型预测软组织肉瘤瘤内三级淋巴结构及其预后价值分析

　　本研究针对软组织肉瘤（STS）免疫治疗生物标志物筛选难题，开发了一种基于MRI的影像组学模型，通过整合瘤内与瘤周特征成功预测瘤内三级淋巴结构（TLSs）状态。该模型在内部与外部验证队列中分别达到0.778和0.772的AUC值，显著优于单一区域模型，且高Rad-score组（≥0.5）患者36个月无进展生存率提升至66.1%。该非侵入性方法为STS患者免疫治疗获益人群筛选及预后评估提供了重要工具。

　　

软组织肉瘤（Soft Tissue Sarcoma, STS）是一组高度异质性的恶性间叶组织肿瘤，占所有恶性肿瘤的1%左右，具有高达33%-50%的术后复发率和25%-50%的远处转移率。传统手术、化疗和放疗对晚期STS疗效有限，使得免疫治疗成为研究热点。然而，如何筛选可能从免疫治疗中获益的患者群体仍是临床面临的重要挑战。

近年来研究发现，瘤内三级淋巴结构（Tertiary Lymphoid Structures, TLSs）的存在与STS患者更好的免疫治疗反应和更长的无进展生存期（PFS）显著相关。TLSs是存在于非淋巴组织中的 ectopic 淋巴聚集体，由CD20⁺ B细胞区、CD3⁺ T细胞区以及树突状细胞群构成。目前TLSs的检测主要依赖侵入性组织活检，但由于其时空异质性，传统检测方法的敏感性和可靠性受到限制。因此，开发一种非侵入性的术前评估方法具有重要意义。

医学影像技术因其能全面分析肿瘤特性而展现出独特优势。影像组学（Radiomics）作为新兴的数据挖掘算法，通过从医学图像中提取定量特征，可实现肿瘤表型的数字化分析。MRI作为STS诊断的标准影像学手段，能准确显示病灶形态信息。既往研究证实MRI影像组学在STS病理分级、鉴别诊断、疗效评估和预后分层等方面具有价值。

本研究回顾性纳集来自两个医疗中心的302例STS患者，分为开发队列（142例）、内部验证队列（58例）和外部验证队列（102例）。所有患者术前均接受轴位脂肪抑制T2加权成像（FS-T2WI）和T1加权成像（T1WI）序列扫描。由两名肌肉骨骼放射科医师盲法评估MRI特征，两名病理医师通过HE染色和免疫组化确认TLSs状态（阳性114例，占38%）。

研究采用ITK-SNAP软件逐层勾画肿瘤感兴趣体积（VOI），并使用Radiomics Intelligent Analysis工具包生成瘤周15mm范围的掩模。通过Pyradiomics包从FS-T2WI和T1WI图像中提取1316个影像组学特征。特征预处理包括Z-score标准化和ComBat harmonization校正以消除多中心差异。经过Pearson相关性分析、mRMR和LASSO三种特征降维方法筛选后，采用逻辑回归算法构建了瘤内模型、瘤周模型和联合模型。

研究发现联合模型预测性能显著优于单一区域模型，在开发队列、内部验证队列和外部验证队列中的AUC值分别为0.878（95%CI 0.812-0.927）、0.778（95%CI 0.649-0.876）和0.772（95%CI 0.679-0.850）。Delong检验显示联合模型与瘤内、瘤周模型存在显著差异（p<0.05）。校准曲线显示模型拟合良好，决策曲线分析证实其具有临床净获益。

通过线性组合选定特征计算Rad-score发现，TLSs阳性患者的Rad-score显著高于阴性组（p<0.001）。代表性病例显示，Rad-score为0.607的患者术后43个月无复发转移，而Rad-score为0.064的患者10个月即出现复发。

生存分析显示，TLSs状态和Rad-score均与PFS显著相关（HR分别为0.183和0.411，p<0.05）。在所有患者中，TLSs阳性组36个月累积PFS率为75.4%，显著高于阴性组的27.6%；高Rad-score组（≥0.5）36个月累积PFS率为66.1%，显著高于低Rad-score组的37.2%。这一趋势在开发队列、内部验证队列和外部验证队列中均保持一致。

病理亚型分析显示，去分化脂肪肉瘤（67%）、未分化多形性肉瘤（54%）和高分化脂肪肉瘤（50%）的TLSs阳性率最高，这与既往报道中这些亚型对帕博利珠单抗更好的治疗反应相吻合。

在特征重要性分析中，"exponential_ngtdm_Complexity"特征贡献最大（系数1.563），该特征通过指数函数分析相邻像素间灰度值差异来反映图像纹理复杂度。研究者认为这可能是因为TLSs内多种免疫细胞（B细胞、T细胞和树突状细胞）的分布 combined with 微血管增殖，放大了影像上的局部灰度强度变异。这种增加的复杂度标志着免疫活跃状态，与更长的PFS相关。

研究的创新点在于首次构建了基于MRI的影像组学模型来预测STS中TLSs状态，并证实了其预后价值。联合模型整合了瘤内和瘤周特征，较单一区域模型表现出更优的预测性能，这可能是由于瘤周区域包含了关于肿瘤免疫微环境的补充信息。

研究也存在若干局限性：回顾性设计存在选择偏倚；手动勾画ROI耗时费力；仅基于MRI平扫序列，未纳入增强序列；样本量相对有限。未来研究需要开发自动分割算法，整合多参数MRI序列，并通过前瞻性多中心大样本数据进一步验证。

该研究表明，基于MRI影像组学联合模型可作为一种有价值的无创工具，用于术前预测STS患者瘤内TLSs状态，且TLSs状态与PFS显著相关。这一模型有助于筛选可能从免疫治疗中获益的STS患者，为个体化治疗策略的制定提供重要参考，具有重要的临床转化价值。研究成果发表在《Insights into Imaging》期刊，为STS的精准医疗提供了新的思路和方法。

研究团队来自青岛大学附属医院放射科（第一单位）、烟台毓璜顶医院放射科、青岛大学附属医院胃肠外科、山东省立医院病理科等多中心合作，由国家自然科学基金（82172035和82472067）资助完成。