《European Journal of Surgical Oncology》：CT Habitat–Peritumoral Fusion Radiomics Predicts Aggressiveness and Prognosis in Pheochromocytomas and Paragangliomas to Inform Intensified Surgical Strategies: A Multicenter Study
编辑推荐：
周永杰|张志龙|周凯昂|谭永明|赵金红|钟琳华|魏翔|朱建华|李子涵|杜静静|刘兰|方雷中国南昌，江西省人民医院暨江西省癌症临床研究中心放射科，南昌医学院第二附属医院摘要背景本研究旨在开发一个双域放射组学框架，整合基于概率的高风险栖息地特征和肿瘤周围微环境特征，以准确预测嗜铬细胞
周永杰|张志龙|周凯昂|谭永明|赵金红|钟琳华|魏翔|朱建华|李子涵|杜静静|刘兰|方雷
中国南昌，江西省人民医院暨江西省癌症临床研究中心放射科，南昌医学院第二附属医院
摘要
背景
本研究旨在开发一个双域放射组学框架，整合基于概率的高风险栖息地特征和肿瘤周围微环境特征，以准确预测嗜铬细胞瘤和副神经节瘤（PPGLs）的侵袭性。
方法
这项回顾性研究包括了来自四家机构的356名腹部PPGL患者，他们被分为训练集（n=182）和两个外部测试集（n=70，n=104）。从增强CT图像的整个肿瘤和1毫米的肿瘤周围区域提取放射组学特征。利用支持向量机和K均值聚类进行基于概率的栖息地分析，以分割高风险亚区域。经过严格的级联特征选择后，构建了一个基于随机森林的融合模型，整合关键栖息地和肿瘤周围特征来预测侵袭性。此外，还采用了Shapley加性解释（SHAP）分析来评估特征重要性和模型可解释性。
结果
与传统的单一模式模型相比，栖息地-肿瘤周围融合模型表现出更优越的预测性能和稳健性，在外部测试集1和2中的接收者操作特征曲线下面积分别为0.884和0.854。该模型在>6厘米和≤6厘米的肿瘤亚组中均保持了出色的诊断效果。此外，模型得出的风险评分成功地对整个队列（P<0.001）和临床不确定的≤6厘米亚组（P=0.003）进行了无转移生存分层，作为一个独立的预后因素（HR=10.73，P=0.028）。
结论
该融合模型是一种稳健的、无创的工具，可用于术前识别高风险PPGLs。特别是在≤6厘米的肿瘤中，决策具有挑战性时，它提供了客观证据来个性化手术策略并分层术后监测。
引言
嗜铬细胞瘤和副神经节瘤（PPGLs）是起源于神经嵴的罕见神经内分泌肿瘤，包括起源于肾上腺髓质的嗜铬细胞瘤和起源于肾上腺外部位的副神经节瘤（1）。随着放射技术的发展，它们的早期检测率显著提高（2）。尽管大多数PPGLs是良性的，但10%到20%具有恶性潜能和转移风险（3, 4）。手术切除仍是腹部PPGLs的主要治疗方法，但关于最佳手术方法的普遍共识尚未完全确立（5）。内分泌相关指南和专家共识建议使用肿瘤大小和侵袭性特征作为指导手术路径的核心标准（4, 5, 6）。对于直径通常<6厘米且缺乏明显恶性迹象的小肿瘤，腹腔镜手术是首选的初始选项，因为它具有微创性和快速恢复的特点。相反，对于大肿瘤或高度怀疑具有侵袭性的肿瘤，临床实践通常倾向于开放手术，以确保完全切除并避免术中破裂导致的肿瘤扩散（5）。
然而，在临床实践中，仅依赖肿瘤大小作为预测侵袭性的独立指标来指导手术决策存在显著局限性（7, 8）。一些小直径的PPGLs可能已经具有早期显微侵袭性特征或高增殖活性；对这些患者进行微创手术可能会增加阳性手术边缘或医源性肿瘤扩散的风险（9）。此外，由于PPGLs分泌儿茶酚胺，术前核心针活检可能引发高血压危机或出血，通常被认为是禁忌的（10）。病理特征，如肿瘤侵入肾上腺包膜、周围脂肪组织、神经或静脉，以及血管内肿瘤血栓的形成，已被证明对生物行为有重要影响，并作为主流预后评分系统的核心评估指标（7, 8, 11）。然而，这些病理特征只能通过术后活检来最终确认（11）。因此，迫切需要一种无创、精确的术前评估方法来预测这些显微侵袭性特征并优化手术策略（11）。尽管放射组学在肿瘤表型分析方面取得了进展，但大多数关于PPGLs的研究仍局限于整个肿瘤的平均值，这常常掩盖了关键的空间异质性（12, 13, 14）。为了解决这个问题，栖息地分析作为一种方法出现，可以将肿瘤划分为不同的生物亚区域（15, 16, 17）。然而，传统的基于强度的无监督聚类经常无法与特定的临床终点对齐。最近的研究表明，通过机器学习构建局部风险概率图来识别高风险栖息地在预测肿瘤侵袭性和预后方面具有更高的精确度（18）。此外，肿瘤的侵袭性不仅由实质细胞决定，还与肿瘤微环境密切相关。肿瘤周围区域作为肿瘤-宿主界面，编码了关于微血管侵袭和包膜浸润的重要病理信息（19, 20）。虽然肿瘤周围放射组学特征在各种恶性肿瘤中显示出独立的预后价值（21, 22, 23），但其在PPGLs中的应用仍不充分（24）。
因此，本研究构建了一个新的预测框架，整合了基于概率的高风险栖息地和肿瘤周围微环境特征。我们旨在利用这种双重融合策略准确预测PPGL的侵袭性，特别关注验证该模型在关键的6厘米手术阈值周围的指导价值，从而为制定个性化手术策略提供客观证据。
章节片段
参与者
这项回顾性研究招募了在四家医院接受手术治疗的病理学确诊的原发性腹部PPGL患者。研究方案得到了江西省人民医院机构审查委员会的批准（批准编号2023ky235），并免除了知情同意的要求。
2014年1月至2025年3月期间，收集了554名病理学确诊的腹部PPGL患者的术前增强CT图像和临床数据
研究队列的基线特征
本研究共纳入了356名患者（包含371个病灶）。队列被分为训练集（A中心）、外部测试集1（B中心）和外部测试集2（C中心和D中心合并）。如表S2所示，三个数据集的基线临床病理特征分布均匀，各组之间没有统计学上的显著差异（P>0.05），表明数据分组的代表性良好
讨论
这项多中心回顾性研究创新性地构建了一个双域放射组学框架，将肿瘤内的高风险栖息地与肿瘤周围微环境融合在一起。我们的发现证实，栖息地模型在所有三个数据集中的AUC值均高于传统的整个肿瘤模型，突显了局部异质性关注优于全局平均的优越性。同时，肿瘤周围模型有效地捕获了微观侵袭信号
结论
总之，本研究中提出的栖息地-肿瘤周围放射组学融合模型在多中心外部验证中表现出出色的泛化能力，并且在≤6厘米的关键临床阈值亚组中保持了稳定的诊断和预后分层价值。这种方法为无创、术前识别高侵袭性PPGLs提供了新的定量工具，有望纠正手术的不足
数据共享声明
由于隐私限制，参与医院的数据集无法公开获取，但可根据合理请求从相应作者处获得。
伦理和声明
本研究遵循《赫尔辛基宣言》的原则进行，并获得了江西省人民医院伦理委员会的批准（伦理批准编号：2023ky235），并免除了知情同意的要求。
作者贡献声明
1. 周永杰：概念化、方法学、数据和算法的质量控制、初稿撰写、编辑
2. 张志龙：统计分析
3. 周凯昂：数据采集
4. 谭永明：数据采集、验证
5. 赵金红：数据采集、验证
6. 钟琳华：
资金支持
本项工作得到了江西省卫生健康委员会（编号202510509）和江西省中医药管理局（编号2025021340）的科学技术规划项目的支持。
致谢
作者感谢患者及其家属，以及所有研究人员和医务人员。
