Page 74 - 南京医科大学自然版
P. 74

第45卷第2期
               ·214 ·                            南 京    医 科 大 学 学         报                        2025年2月


                   表3 基于淋巴结聚类分析亚组间特征的比较                              淋巴结转移是宫颈癌最重要的独立不良预后
              Table 3  Comparison of characteristics between the  预测因子之一，通常会导致患者预后不良                  ［28-29］ 。术
                       lymph nodes clustering⁃based subgroups
                                                                前无创检测淋巴结转移目前仍然是临床实践中最
                                     Cluster 1  Cluster 2       关注的问题之一。与常规磁共振相比，影像组学能
                    Characteristics                      P
                                     （n=95）   （n=153）
                                                                够从多个空间尺度中提取可区分的纹理图像和平
              Short axis（mm，x ± s）  06.36 ± 1.30 06.27 ± 1.25 0.609
                                                                滑图像，并提高检测肿瘤异质性相关表型特征的效
              Long axis（mm，x ± s）   10.83 ± 3.35 10.11 ± 2.11 0.067
                                                                率。影像组学提取的小波特征同样反映了原始磁
              Short⁃to⁃long axis ratio（x ± s）00.62 ± 0.13 00.65 ± 0.14 0.077
                                                                共振成像无法识别的不同尺度的多频信息，以此量
              Signal［n（%）］                              0.301
                Homogeneous          57（60.0） 103（67.3）         化肿瘤异质性       ［30-31］ 。有监督的影像组学分析已被用
                Inhomogeneous        38（40.0） 050（32.7）         于术前预测早期宫颈癌的淋巴结转移，有研究表明
              Border［n（%）］                              0.308   总灵敏度为80%，总特异度为76%             ［12-14，32］ 。本研究发

                Smooth               71（74.7） 124（81.0）         现基于肿瘤影像组学的无监督机器学习方法能够
                Speculated           24（25.3） 029（19.0）         区分淋巴结转移的患者。在 39 例淋巴结转移阳性
              Metastasis［n（%）］                          0.200
                                                                的患者中，有 30 例（76.9%）被归入肿瘤组 2，显示出
                Present              24（25.3） 027（17.6）
                                                                了较好的区分度。这种术前的危险分层将患者分
                Absent               71（74.7） 126（82.4）
                                                                为低危组和高危组，从而允许临床进行个体化治疗
              复发及远处转移的预测。一致性聚类是对数据的                             使患者受益。如本研究中肿瘤组2患者可能需要进
              内在相似性进行分析的一种无监督机器学习方法，                            行盆腔淋巴结清扫术以降低术后复发和转移的风
              已在肺腺癌、胶质瘤和直肠癌等肿瘤中获得应用，                            险。相反，对于肿瘤组 1 患者，建议只进行根治性
              但尚未应用于宫颈癌的研究。无监督机器学习算                             子宫切除术或前哨淋巴结活检术，因为这些方法
              法与放射组学的结合有可能成为宫颈癌患者风险                             使患者获得与淋巴结清扫类似的预后，但可以防
              分层的非侵入性成像生物标志物，作为传统临床病                            止淋巴结清扫术对神经、血管和淋巴系统造成的
              理特征的补充，使临床医生更精准地预测患者预                             不可逆损害。
              后，并相应地调整治疗策略，改善患者结局。                                   肿瘤大小是影响宫颈癌术前分期和治疗决策
                  修订后的宫颈癌2018版FIGO分期系统已广泛                       的重要因素之一        ［33］ 。在本研究中，肿瘤组 2 患者在
              应用于选择合适的治疗策略和预测预后。对于ⅠB~                           3 个方向上的肿瘤大小均大于组 1（P < 0.001）。更
              ⅡA 期宫颈癌，先前的研究已证明将这种新的分期                           大的肿瘤尺寸使得难以确保手术阴性切缘，更可能
              方法应用于早期宫颈癌的风险分层对其治疗策略                             对神经血管造成严重损害。因此，2018 版 FIGO 分
              选择的积极意义        ［24］ 。此外，在新的分期中，淋巴结                期系统也修订了基于肿瘤大小的分期标准，将ⅠB
              转移为ⅢC 期，存在盆腔和主动脉旁淋巴结转移的                           期重新分为3个亚组而不是之前的2个：ⅠB1（肿瘤≤
              患者分别被归为ⅢC1 期和ⅢC2 期，这有助于确定                         2 cm）、ⅠB2（肿瘤>2 cm 且≤4 cm）和ⅠB3（肿瘤>
              可以从放疗或淋巴结清扫中受益的患者                   ［24-25］ 。根治   4 cm） 。FIGO ⅠB2 期或ⅡA1 期（肿瘤 ≤4 cm）的
                                                                     ［25］
              性手术是早期宫颈癌（ⅠB~ⅡA 期）的主要治疗策                          患者更适合接受根治性子宫切除术，而建议ⅠB3期
              略，而同步放化疗则是更晚期宫颈癌（ⅡB~ⅣB 期）                         或ⅡA2 期（肿瘤>4 cm）的患者先接受新辅助化疗，
                             ［2］
              的首选治疗方法 。多项研究表明2018版 FIGO分                        然后再进行根治性子宫切除术或同步放化疗，以减
              期对宫颈癌预后有积极影响              ［26-27］ 。本研究证实，一        少并发症并改善术后生活质量                ［22，34］ 。受限于样本
              致性聚类分析可以区分患者的术后 FIGO 分期，肿                         量，没有进一步划分ⅠB 期和ⅡA 期。鉴于ⅠB1、
              瘤组 2 的患者处于更晚分期的概率比组 1 更高，如                        ⅠB2、ⅠB3、ⅡA1和ⅡA2等分期之间患者特征及结

              ⅡA期［25/92（27.2%）vs. 13/72（18.1%）］、ⅡB期［1/92        局可能不同，未来需要更多研究探究聚类的图像亚
                                                                                           ［24］
             （1.1%）vs. 0/72（0%）］和ⅢCp 期［30/92（32.6%）vs.          型和这5个亚分期之间的关联 。
              9/72（12.5%）］，而肿瘤组 1 为ⅠB 期的概率更高                         宫颈间质浸润深度是早期宫颈癌的另一个重
             ［50/72（69.4%）vs. 36/92（39.1%），P=0.001］。这表          要危险因素。术前对宫颈间质浸润深度的准确预
              明，与肿瘤组 1 相比，肿瘤组 2 属于高危组，患者需                       测有助于做出针对性个体治疗决策。对于宫颈间
              要更积极的治疗策略和更高的随访频率。                                质浸润深度<全层1/3且肿瘤<2 cm的早期宫颈癌患
   69   70   71   72   73   74   75   76   77   78   79