多模态MRI联合临床预测因子用于非肌层浸润膀胱癌的复发风险预测研究

As a prevalent subtype of primary bladder cancer, nonmuscle-invasive bladder cancer (NMIBC) has a high recurrence rate in two years after operation. Preoperatively accurate prediction of recurrence risk plays a significant role in personalized treatment strategies. The currently widely-applied recurrence risk stratification model has an unsatisfactory accuracy in performance. Meanwhile, potential predictors, such as tissue microenvironment, heterogeneity and gene mutations during tumorigenesis, are not considered in this model. Many studies including our previous findings have demonstrated: (1) preoperative multimodal MRI (mMRI) has a favorable capability in quantitatively reflecting the tissue microenvironment and heterogeneity differences for staging and grading, whether it could be used for NMIBC recurrence risk prediction remains inconclusive up to date; (2) the clinical factors, including gender, age, tumor stage, grade, size, number, location, concomitant tumor in situ, and gene mutations like FGFR3 and TERT, have been reported significantly related to NMIBC recurrence. At this end, the current project aims to use the modified radiomics strategy, which takes full use of both tumor region and basal region with blended tissues of tumor and bladder wall on mMRI for radiomics feature extraction, to quantify the tissue microenvironment and heterogeneity. After that, the radiomics features in combination with the clinical factors above, are used to construct the stratification model for accurate prediction of NMIBC recurrence risk in two years after operation. The results are expected to provide quantitative reference for physicians to formulate individualized clinical decision-making.

非肌层浸润膀胱癌（NMIBC）在初发膀胱癌中十分普遍，术后两年复发率畸高，准确预测其复发风险对于制定个体化临床策略意义重大。目前临床普遍使用的复发风险量表准确性偏低，且未考虑组织微环境与异质性，以及成瘤过程中基因突变等潜在预测信息。包括申请人前期发现在内的研究表明：（1）多模态MRI（mMRI）能够反映组织微环境与异质性差异，可用于膀胱癌分期、分级诊断，但能否用于NMIBC复发风险预测尚未有任何报道；（2）患者性别、年龄、肿瘤分期、分级、尺寸、数量、位置、是否伴发原位癌，以及FGFR3、TERT突变等关键临床预测因子与NMIBC复发显著相关。因此，本项目拟使用改进的影像组学策略，从mMRI肿瘤区域与基底混合组织区域充分提取影像特征，用于量化表征组织微环境与异质性差异，并联合以上临床因子构建预测模型，有望术前准确预测NMIBC患者术后两年的复发风险，为医师提供定量参考用于临床决策。

膀胱癌在泌尿系肿瘤中十分普遍，且近15年来在男性中发病率持续攀升。膀胱癌起源于膀胱尿路上皮，逐渐向粘膜下层、浅肌层、深肌层浸润。临床诊疗中，以膀胱癌是否浸润至肌层而将其分为非肌层浸润（NMIBC）与肌层浸润（MIBC）膀胱癌，对应不同的治疗策略且预后差异极大。术前精准预测膀胱癌肌层浸润性对患者治疗决策及预后至关重要。在初发膀胱癌患者中，NMIBC占了绝大多数（约为75%），首选经尿道膀胱癌切除术（TUR），然而术后两年复发率畸高，且一旦复发，再次手术的预后生存率将显著减小。若能在术前精准预测患者的复发风险而果断采用根治性策略，则能有效提高患者的生存获益。目前临床普遍使用的EORTC/CUETO/EAU等复发风险量表仅依赖于患者的年龄、性别、肿瘤尺寸、数量、是否伴发Tis，以及前复发次数等宏观指标，未能考虑肿瘤异质性与其他重要生物学特性，准确率偏低。基于以上研究背景，本项目先后开展以下研究：（1）膀胱癌术前双中心多参数MRI/增强CT影像—临床—基因—术后随访数据库构建；（2）基于单体素特征与机器学习的膀胱肿瘤精准分割研究，在基础上提出基于形状-空间注意力耦合U-Net框架的自动分割算法，实现膀胱癌MRI影像多区域准确分割，以及肌层浸润深度的定量计算；（3）基于多模态MRI影像组学的NMIBC与MIBC术前无创预测模型研究，以及双中心数据验证工作，以确保该模型的准确性与可靠性；（4）基于深度—影像组学融合策略的膀胱癌淋巴结转移精准预测方法研究；（5）基于深度—影像组学—临床信息融合的NMIBC术后复发精准评估模型研究，将术后两年复发预测的线下面积（AUC）提升至90%以上。此外，课题组还将本项目提出的方法思路拓展到非小细胞肺癌（NSCLC）的临床分型诊断以及一线救治领域，提出基于集成学习策略的NSCLC病理分型预测模型，以及基于多分类任务集成学习的伤员智能检伤分类系统软硬件装备，均取得良好效果。以上研究成果均有望为医师进行最佳临床治疗决策提供重要参考，以确保患者的生存获益。