CT 影像放射组学可预测膀胱尿路上皮癌的分子亚型：一种非侵入性分类策略的验证

在常规扫描中发现隐藏的癌症线索

膀胱癌常见，常需要反复且不适的操作来判断肿瘤的侵袭性。本研究探讨了常规 CT 扫描中已存在但未被利用的信息是否能够帮助医生将膀胱肿瘤分为不同的生物学“性格”，这些性格对治疗的反应不同——无需额外的针刺、镜检或昂贵的基因检测。

为什么肿瘤“性格”很重要

医生现在知道膀胱癌并非完全相同。许多肿瘤可归入两个广泛的分子组，通常称为 luminal（腔面样）和 basal（基底样）。这些组的行为不同：有些生长缓慢并对标准疗法反应良好，而另一些更具侵袭性，可能需要更强或更有针对性的治疗。如今，将肿瘤分配到这些组别通常依赖对组织样本进行特殊染色或先进的基因学检测，这些方法具有侵入性、耗时且并非随处可得。能从患者已经接受的影像中以简单、无创的方式推断相同信息，将是朝向更个体化护理迈出的重要一步。

把影像转化为数字

研究者集中于一种称为放射组学的技术，该技术将医学影像转换为大量可测量的特征。与其让影像科医师仅凭肉眼将 CT 上的肿瘤描述为“高密度”或“不规则”，放射组学测量的是肿块内像素强度的精确分布和变异。在本研究中，96 例膀胱尿路上皮癌患者在手术前接受了增强 CT 扫描。对于每个肿瘤，专家在 CT 图像上仔细勾画实体部分，排除血液、钙化和囊性区，以建立用于分析的精确感兴趣区。从这些勾画区域中，团队计算了基本的纹理度量，例如平均亮度、变异性以及一种称为熵的统计量，熵用于捕捉灰度模式的复杂性或无序程度。

将影像与分子类型匹配

为了确定每个肿瘤的生物学分组，病理学家使用一组四种标记对切除的组织进行检查，这些标记在 luminal 与 basal 癌中倾向于呈高表达或低表达。通过组合这些染色评分，肿瘤被分类为 luminal 或 basal 亚型。随后研究者比较了这两组之间来自 CT 的数值。他们发现 basal 型肿瘤——在本研究中更可能具有较高分级并更深入侵入膀胱壁——在 CT 上表现出更高的平均亮度，且更显著的是表现出更高的熵。换言之，更具侵袭性的肿瘤在像素层面上往往呈现更复杂的纹理，即便用肉眼不容易察觉这种差异。

这些影像线索的效果如何？

为测试 CT 特征区分两类肿瘤的可靠性，团队使用了诊断研究中常用的统计工具。在所有测量的特征中，熵脱颖而出，成为预测分子亚型的最佳单一指标。使用一个最佳阈值时，熵的曲线下面积（AUC）为 0.79，表明在该样本中区分 basal 与 luminal 癌具有较好的能力。平均亮度的表现仅为中等。尽管这些数值尚未达到完美，但它们提供了初步证据，表明对影像复杂度的简单度量可能作为肿瘤生物学的无创标志。

这对患者意味着什么

这项工作表明，未来的膀胱癌护理可能不仅依赖外科切除的组织和病理学染色，还可以利用对常规扫描进行的详细计算分析所揭示的信息。如果在更大规模的多中心研究中得到验证，基于 CT 的放射组学度量——尤其是熵——可在手术前帮助标记更具侵袭性的肿瘤类型，从而指导治疗强度和随访决策。对患者而言，这最终可能意味着更个性化的治疗和更少的侵入性检查，利用已存在于其影像数据中的信息。

引用: Zhang, Q., Guo, Y., Lin, F. et al. ‌CT image-derived radiomics predicts molecular subtypes in bladder urothelial carcinoma: validation of a non-invasive classification strategy. Sci Rep 16, 6016 (2026). https://doi.org/10.1038/s41598-026-36583-2

关键词: 膀胱癌, 放射组学, CT 成像, 肿瘤亚型, 无创诊断