Development of a Nomogram Model Based on Contrast-Enhanced CT Histogram Analysis for Preoperative Prediction of Ki-67 Expression Status in Patients with Clear Cell Renal Cell Carcinoma

癌症并非一种单一的疾病，而是一系列由细胞分裂速度和扩散侵袭性定义的疾病。在肾脏中，最常见的癌症类型是透明细胞肾细胞癌，这种肿瘤在不同患者身上的表现差异极大。有些生长缓慢且保持局限，而另一些则移动迅速且具有危险性。为了了解其性质，医生通常需要寻找肿瘤细胞内一种被称为 Ki-67 的特定蛋白质。这种蛋白质就像一个分子开关，只有在细胞正积极准备分裂时才会开启。Ki-67 的含量越多，细胞活动就越疯狂，肿瘤就越可能具有侵袭性。然而，确定这种蛋白质的存在量通常需要通过手术切除肿瘤，然后在显微镜下分析组织。这种侵入性的过程意味着，医生往往在手术已经完成之后才能了解肿瘤的真实本质。

兰州大学第二附属医院的研究团队开发出一种方法，可以在患者接受手术之前就窥见这些隐藏的信息。通过使用标准的 CT 扫描（类似于详细的三维 X 射线），他们创建了一个能够以惊人准确度预测 Ki-67 活动水平的数学工具。该研究重点关注了 213 名已经接受过此类肾癌手术的患者。研究人员回顾了术前拍摄的 CT 影像，并将其与简单的血液检测结果以及肿瘤大小结合起来。他们发现，CT 影像中观察到的肿瘤内部纹理蕴含着关于细胞增殖速度的线索。通过将这些视觉细节与患者的血液检查相结合，他们建立了一个指南，帮助医生提前评估肿瘤的侵袭性，从而在进行第一次切口之前做出更明智的治疗决策。

研究人员首先收集了 2022 年 1 月至 2024 年 12 月期间接受治疗的患者数据。他们将人群分为两组：一组用于构建模型，另一组较小的组用于测试模型。对于每一位患者，他们检查了在造影剂流经肾脏的两个特定时刻拍摄的 CT 扫描图像。他们还查看了患者的血液检查，特别是计算了单核细胞（一种白细胞）的数量，以及中性粒细胞与淋巴细胞的比值（另外两种免疫细胞）。他们测量了肿瘤的大小，并仔细分析了扫描图中肿瘤内部的灰阶模式。这种被称为直方图分析的模式分析法，观察的是肿瘤内每一个微小像素的亮度分布情况。研究人员不仅观察了平均亮度，还测量了分布的“偏斜”程度，这一细节可以揭示组织结构中隐藏的变化。

利用计算机算法，研究团队从数十种潜在线索中筛选出了最重要的四个。他们发现，肿瘤的大小、患者的单核细胞计数、中性粒细胞与淋巴细胞的比值以及 CT 扫描中肿瘤亮度的特定偏斜度，是预测力最强的因素。这四个因素被整合进一个单一的视觉图表，称为列线图（nomogram）。通过这个图表，医生可以输入患者的具体数值，从而计算出肿瘤具有高或低 Ki-67 表达的概率。当他们在用于构建模型的患者组上测试该工具时，其 AUC 达到了 0.86。当他们在用于验证的独立组上进行测试时，AUC 依然保持在高水平，约为 0.86。

研究表明，这种综合方法远优于仅观察单一因素的方法。例如，仅观察肿瘤大小或仅观察血细胞计数不足以做出可靠的预测。其力量源于结合。研究人员还使用统计学方法检查了预测结果与现实的匹配程度，结果显示模型预测与术后病理报告中的实际发现之间存在高度一致性。他们进一步证明，使用该工具所带来的临床效果，要优于对所有患者采取统一治疗或完全忽略风险的做法。该模型成功地指出，具有较高 Ki-67 水平的肿瘤往往体积更大、在扫描中呈现出更不均匀的内部纹理，并与血液中特定的炎症模式相关联。

尽管结果令人鼓舞，但研究人员谨慎地指出，这是一项回顾性研究，这意味着他们是回顾过去的数据，而不是向前追踪患者。数据来自单一医院，且该方法依赖于特定类型的 CT 扫描，这意味着该工具需要在其他环境和使用不同设备的情况下进行测试，以确保其普适性。此外，该研究并未追踪患者治疗后的生存时间，因此该工具预测长期生存能力的能力仍有待观察。然而，这项工作为非侵入性医学提供了重要的进步。通过将标准的 CT 扫描和常规血液检查转化为观察肿瘤生物学特征的窗口，该模型为医生提供了一种在战斗开始前了解敌人的新方式，这可能使患者免于不必要的程序，或确保他们从一开始就能获得最合适的护理强度。