罕瘤之光丨Dr. Guliz Ozgun：CT影像组学联合miRNA，或可指导睾丸癌的治疗决策
睾丸癌占成人肿瘤的1%和泌尿系统肿瘤的5%，在西方社会中，每100，000名男性/年有3到10例新病例。目前手术与化疗是重要治疗手段；对于术后残留病灶直径超过1厘米的患者，常规建议实施手术切除。然而，当前诊疗过程中的核心难题并非在于发现这些残留肿块，而是如何精准判定它们的组织学特性——这一现实差距导致部分可能无法获益的患者仍接受了不必要的外科干预。近期，来自温哥华癌症中心的肿瘤医生Guliz Ozgun开展的研究显示，通过整合CT影像组学特征与miRNA检测技术，有望为非精原细胞瘤患者提供个体化治疗选择。
编者按：睾丸癌占成人肿瘤的1%和泌尿系统肿瘤的5%，在西方社会中，每100，000名男性/年有3到10例新病例。目前手术与化疗是重要治疗手段；对于术后残留病灶直径超过1厘米的患者，常规建议实施手术切除。然而，当前诊疗过程中的核心难题并非在于发现这些残留肿块，而是如何精准判定它们的组织学特性——这一现实差距导致部分可能无法获益的患者仍接受了不必要的外科干预。近期，来自温哥华癌症中心的肿瘤医生Guliz Ozgun开展的研究显示，通过整合CT影像组学特征与miRNA检测技术，有望为非精原细胞瘤患者提供个体化治疗选择。
亮点抢先看：
- 一项针对肿瘤病变的回顾性分析发现，CT影像组学联合血清microRNA，有望在转移性非精原细胞瘤患者中检测出残留畸胎瘤。
- 研究人员使用Slicer软件提取影像组学特征，通过定量聚合酶链式反应测定术前血浆miRNA水平，评估了影像组学单独应用以及与miRNA联合应用的预测价值。结果表明，CT影像组学/miRNA联合模型在预测残留畸胎瘤方面具有较高的准确性。
在一项对肿瘤病变的回顾性分析中，CT影像组学与血清miRNA-371和miRNA-375的结合，有望检测出残留畸胎瘤，并可能指导转移性非精原细胞瘤的治疗决策。该研究结果发表于《JCO Clinical Cancer Informatics》杂志，并在2025年ASCO GU年会公布，同时也表明需要开展更广泛的研究，以确定如何更好地治疗这种难治性疾病。
“结合CT影像组学和循环miRNA等互补数据源，有望提高睾丸癌化疗后残留病变组织学预测模型的准确性。然而，该研究结果也需要更大规模的前瞻性研究来验证这些发现，”该研究的主要作者、温哥华癌症中心的肿瘤内科医生Guliz Ozgun说道。
研究背景
睾丸癌主要有两种组织学亚型：精原细胞瘤和非精原细胞瘤。对于转移性非精原细胞瘤患者，化疗是主要治疗方法，但患者化疗后通常会留下残留病灶。遗憾的是，由于CT和MRI等常规影像学检查只能检测到残留肿块的存在，无法确定这些残留病灶的组织学类型。“这是关键限制因素之一，因为大约50%的患者在化疗后会留下良性残留组织学——最常见的是纤维化或坏死，”Ozgun博士说道。
由于无法评估组织的组织学类型，许多患者会接受手术切除残留病灶。不进行手术切除的风险包括残留畸胎瘤可能转化为更具侵袭性的疾病，以及引发生长性畸胎瘤综合征。Ozgun博士表示：“由于解剖学复杂性和取样限制，对残留肿块进行活检并不可行，因此所有残留病灶大于1厘米的患者都必须进行手术切除。因此，主要的挑战不在于检测残留肿块本身，而在于准确识别其组织学性质——这一差距使得许多最终可能无法从中获益的患者接受手术治疗。”
为了弥补这一差距，研究人员评估了CT放射组学技术与miRNA（一种在基因表达中发挥作用的非编码小分子RNA）整合后，能否区分残留肿块中的畸胎瘤和非畸胎瘤组织学。
研究结果
研究人员回顾性分析了111处病变；他们使用其中78处病变训练机器学习模型，33处病变进行分析。他们使用开源三维Slicer软件提取影像组学特征，并通过定量聚合酶链式反应测定术前血浆miRNA-371和miRNA-375水平。四种机器学习模型评估了影像组学单独应用以及与miRNA水平联合应用的预测价值。
△研究流程示意图
最终，CT影像组学与miRNA联合模型在预测残留畸胎瘤方面表现出最高的准确性，训练集的曲线下面积为0.96。单变量分析显示，术前甲胎蛋白、β-hCG、初始畸胎瘤组织学和淋巴结转移是畸胎瘤的预测因素；多变量分析涵盖了这些特征和放射组学特征（放射组学和miRNA的组合），其中放射组学特征在训练和测试环境中都是最强的独立预测因子。
△放射组学和miRNA在训练集(A)和测试集(B)的ROC曲线
“重要的是，我们的研究结果支持了这样一种观点：整合来自多个数据源的互补肿瘤特征可以优于传统的临床模型或单一模态方法，”Ozgun博士说道。“这种多维策略最终可能提高我们无创区分残留病变组织学亚型的能力。”
未来计划
Ozgun博士表示，为了在临床实践中应用这种方法来预测化疗后残留病变中畸胎瘤的组织学，还需要采取一些额外的措施。她指出，由于睾丸癌的罕见性，单中心队列通常不足以进行稳健的验证，这意味着各机构必须合作以创建足够的样本量。
“同样重要的是，及时将患者纳入生物样本库，因为目前许多患者缺乏在适当时间点采集的用于生物标志物分析的研究血液样本。”她还强调，生物标志物研究应成为所有罕见肿瘤（包括睾丸癌）的首要任务。建立全面的数据登记系统和生物样本库将使研究人员能够研究肿瘤的多个方面，包括基因组学、转录组学和蛋白质组学，从而加深对疾病的理解和建模能力。
Ozgun博士表示，对于机器学习模型，当前的目标应该是确定哪些模型最适合特定的数据集，然后在确定最佳方法后在更大的队列中验证这些模型。在睾丸癌领域，这是另一个需要跨机构合作的领域。“理想的下一步是启动一项大规模、前瞻性、多机构参与的研究。我想借此机会向感兴趣的研究人员发出公开邀请，共同推进这项重要的工作。”Ozgun博士总结道。
Guliz Ozgun博士
Ozgun博士专注于泌尿生殖系统恶性肿瘤。作为温哥华前列腺中心的和温哥华癌症中心的肿瘤内科医生，她领导着旨在推进生物标志物驱动的精准肿瘤学的转化研究项目。她的工作整合了分子诊断、免疫肿瘤学和自适应临床试验设计，以优化治疗策略并改善患者预后。
Ozgun博士利用蛋白质组学和miRNA分析来识别转移性肾癌中的新型生物标志物。目前，Ozgun博士共同领导了一项研究肾细胞癌肿瘤微环境的研究，并正在开发一项由研究者发起的临床试验，以探索免疫反应的动态变化。在膀胱癌领域，她参与了ctDNA引导治疗和时间免疫治疗的研究。她是加拿大癌症试验组(CCTG)和SWOG等国内外研究网络的活跃成员。
Ozgun博士致力于推动临床肿瘤学和转化科学交叉领域的创新，以提高癌症治疗的精准度和影响力。
京公网安备 11010502033352号