Combining MRI radiomics, hypoxia gene signature score and clinical variables for prediction of biochemical recurrence-free survival after radiotherapy in prostate cancer.
研究背景
前列腺癌是男性常见恶性肿瘤，放疗后部分高风险患者会生化复发（BCR），与不良预后相关。目前风险分层依赖病理和影像评估，基因组学整合有潜力。低氧是实体瘤微环境特征。本研究探讨结合前列腺MRI影像组学特征、低氧相关基因特征和临床数据预测放疗后无生化复发生存期（BCRFS）的价值。
方法速览
本研究为回顾性队列研究，纳入2007 - 2013年在两家英国NHS医院接受初始放疗并雄激素剥夺治疗（ADT）的前列腺癌患者。收集诊断MRI图像、肿瘤特征、低氧基因特征评分及临床结局数据，生化复发定义为PSA水平上升≥2 ng/mL。用PyRadiomics软件提取影像组学特征，经直方图标准化和特征选择。构建四种多变量Cox比例风险模型，用C - index和Akaike信息准则（AIC）评估性能。
主要发现
- 结合影像组学和临床变量提升模型性能：结合前列腺MRI影像组学特征和临床变量的模型预测BCRFS表现最佳（C - index 0.70 [0.66–0.73]），优于仅用临床变量的模型（C - index 0.69 [0.64–0.7]），表明影像组学特征能提供额外预后信息。
- 低氧基因特征未改善模型性能：添加低氧基因特征未显著改善模型性能（C - index 0.70 [0.65–0.73]），可能因样本量小或在放疗联合ADT患者中表现不佳。
- 影像组学特征选择：波形变换衍生的灰度共生矩阵（GLCM）特征和一阶统计特征预测BCRFS较好，如波形变换后的GLCM特征（Cluster Shade）和一阶中值特征在多变量Cox回归模型中有显著贡献。
- 模型性能评估：结合影像组学特征和临床变量的模型AIC值最低（AIC = 478.71），拟合效果最佳。添加影像组学特征显著提高模型性能（p = 0.027），添加低氧基因特征无显著改善（p = 0.625）。
总结展望
结合前列腺MRI影像组学特征和临床变量可显著提高预测BCRFS的准确性，低氧基因特征未进一步提升模型性能。未来需多中心研究评估影像组学特征的可重复性和临床转化潜力。