神经母细胞瘤是儿童最常见的颅外实体肿瘤，约占所有儿童恶性肿瘤的7%，并导致15%的儿童癌症死亡。该病具有强烈的侵袭性，尤其在发生转移时，患儿的生存率较低。因此，预测无事件生存（EFS）对识别高风险患者至关重要，有助于优化治疗方案。
目前，尽管已有一些生物标志物（如染色体倍性、MYCN状态等）被发现与神经母细胞瘤的生存预后相关，但这些标志物的获取通常需要有创诊断手段（如活检）。因此，寻找无创的标志物成为临床需求。影像组学作为一种无创技术，可以从医学影像中提取大量定量特征，特别是一些常规影像学检查无法观察或量化的特征。18F-FDG PET/CT已成为神经母细胞瘤诊断和随访的重要手段。为此，首都医科大学附属北京友谊医院的杨吉刚主任团队于2023年10月在《Academic Radiology》期刊上发表了题为“An Optimal Radiomics Nomogram Based on 18F-FDG PET/CT for Identifying Event-Free Survival in Pediatric Neuroblastoma”的研究，展示了他们在基于18F-FDG PET/CT影像组学预测神经母细胞瘤患儿EFS方面的最新成果。本研究旨在探索联合肿瘤和骨髓影像组学特征是否能更准确地预测神经母细胞瘤患儿的EFS。研究包括126例神经母细胞瘤患儿，并将其按照7：3的比例随机分为训练集（n=88）和验证集（n=38）。
研究对象为126例经过病理学确诊，且在手术或活检前4周内接受18F-FDG PET/CT扫描的神经母细胞瘤患儿。根据儿童肿瘤协作组（COG）风险分层，患儿被分为高危和非高危组，并随机分为训练集和验证集。研究者从影像学数据中提取了5264个特征，使用ICC、皮尔逊和斯皮尔曼相关性分析筛选出230个特征，再通过LASSO Cox回归分析确定了15个与EFS显著相关的特征，构建了影像组学风险评分（RRS）。此外，研究还通过单因素和多因素Cox回归分析，筛选了5项无创临床特征（如INRG分期、肿瘤最大直径等）与EFS相关，并将RRS与INRG分期结合，构建了无创联合模型。FDG：氟脱氧葡萄糖；PET：正电子发射断层成像；CT：计算机断层成像；ICC：组内相关系数；RRS：影像组学风险评分；EFS：无事件生存
训练集和验证集在临床特征和传统PET参数方面无显著差异，确保了数据的一致性和代表性。
从影像数据中提取了5264个特征，经过筛选和回归分析，最终确定15个与EFS显著相关的特征，基于这些特征计算影像组学风险评分（RRS）。根据RRS的截断值（-0.16），将患者分为高危组和低危组（图2），Kaplan-Meier曲线显示高危组的EFS显著低于低危组（图3）。影像组学模型在训练集和验证集中的C指数分别为0.800（95% CI 0.735-0.865）和0.780（95% CI 0.673-0.887），表现出较好的预测能力。图2. 根据RRS的截断值-0.16将训练集中的患者分为高危组和低危组
图3. 训练集（a）和验证集（b）中低危组和高危组EFS的Kaplan-Meier曲线
无创临床模型：通过Cox回归分析，建立了无创临床模型，评估了与EFS显著相关的临床特征（如国际神经母细胞瘤风险分组 [INRG]分期、肿瘤最大直径等）。多因素Cox回归分析显示，INRG分期是EFS的独立危险因素（表2）。该模型训练集和验证集的C指数分别为0.672（95% CI 0.609-0.736）和0.675（95% CI 0.573-0.777）。传统PET模型的C指数较低，仅为0.567（训练集）和0.534（验证集）。有创临床模型：通过Cox回归分析，建立了有创临床模型，评估了与EFS显著相关的临床特征（如骨髓转移（BMI）、COG风险分层、国际神经母细胞瘤分期系统[INSS]分期等）。多因素Cox回归分析显示BMI和INSS分期是EFS的独立危险因素（表2）。在训练集和验证集中，由BMI和INSS分期构建的有创临床模型的C指数分别为0.741（95% CI 0.672-0.809）和0.748（95% CI 0.640-0.856）。表2. 训练集中EFS相关危险因素的单因素和多因素Cox回归分析无创联合模型：将影像组学风险评分（RRS）与INRG分期结合，形成了无创联合模型（图4）。校准曲线表明训练集和验证集中，联合模型预测的EFS与实际EFS之间具有良好的一致性（图5a、b）。此外，时间相关受试者工作特征曲线也证实了基于影像组学的无创联合模型比临床模型更能改善对EFS的预测（图5c、d）。该模型在训练集和验证集中的C指数分别为0.810（95% CI 0.744-0.876）和0.783（95% CI 0.677-0.888），明显优于传统临床模型和影像组学模型（表3）。此外，决策曲线分析（DCA）显示，联合模型在2年EFS预测中的表现最佳，适用于个体化生存评估（图6）。
图4. 无创联合模型
图5. （a、b）训练集和验证集中无创联合模型预测EFS的校准曲线；（c、d）训练集和验证集中各个模型的时间相关受试者工作特征曲线
表3. 训练集和验证集中不同模型预测EFS的C指数图6. 训练集（a）和验证集（b）中预测2年EFS的模型的决策曲线分析
本研究开发的基于18F-FDG PET/CT影像组学的无创联合模型，能够有效预测神经母细胞瘤患儿的EFS，且其预测性能优于传统的临床和PET模型。通过影像组学风险评分（RRS），研究成功将患儿分为高危组和低危组，为个体化治疗提供了有力支持。尽管如此，本研究仍存在一定的局限性。作为回顾性分析，存在选择偏倚的风险；此外，样本量较小且为单中心研究，结论的广泛适用性仍需通过多中心大样本验证。未来的研究应扩大样本量并开展多中心验证，以进一步验证该模型的普适性和临床应用价值。
1.Feng L, Zhang S, Lu X, et al. An Optimal Radiomics Nomogram Based on ¹⁸F-FDG PET/CT for Identifying Event-Free Survival in Pediatric Neuroblastoma. Acad Radiol. 2023 Oct;30(10):2309-2320.
