文献速递泌尿生殖腹部CTMR

人工智能评估的肌少症作为肌层浸润性膀胱癌新辅助化疗结局的独立预测因素

AI-assessed sarcopenia as an independent predictor of neoadjuvant chemotherapy outcomes in muscle-invasive bladder cancer.
PubMed 文献 · Radiol Med · 2026-03-31

单中心回顾性研究纳入55例非转移性肌层浸润性膀胱癌患者,用AI软件在L3层面CT自动计算骨骼肌指数评估肌少症,以NacVI-RADS评估影像反应、TRG为病理参考。多因素分析显示肌少症(OR 9.08)、合并症(OR 14.63)和高NacVI-RADS评分4-5(OR 2.13)为NAC反应差的独立预测因素,SMI预测病理反应的AUC为0.952。

要点

  • 肌少症患者NAC病理反应差风险升高,多因素OR 9.08(95%CI 1.32-61.92,p=0.024)。
  • NacVI-RADS 4-5分与NAC反应差独立相关,多因素OR 2.13(95%CI 1.03-4.42,p=0.042)。
  • SMI作为连续变量预测TRG 1-2 vs TRG 3的AUC为0.952(95%CI 0.89-0.99)。

核心结论

  • AI评估的肌少症与MIBC患者NAC后肿瘤反应差呈负相关。
  • 作者认为这些发现支持将AI驱动的肌少症评估整合进临床分期流程,以实现个体化营养干预和更好的患者分层。
  • 作者认为本研究强化了NacVI-RADS评分系统预测NAC结局的预后价值。

研究设计与样本

  • 单中心回顾性观察性研究,最终纳入55例非转移性肌层浸润性尿路上皮膀胱癌患者。
  • 纳入患者接受NAC后行根治性膀胱切除术,NAC前后均有mpMRI,基线有腹部CT。
  • mpMRI用于VI-RADS和NacVI-RADS评分,CT用于AI软件(Quantib body composition®)在L3椎体层面自动计算SMI。
  • 参考标准为根治性膀胱切除标本的肿瘤退缩分级(TRG),主要结局为TRG 3(NAC无反应)。
  • 肌少症定义为男性SMI < 55 cm2/m2、女性SMI < 39 cm2/m2。

关键影像表现/征象

  • AI软件在L3层面自动分割腹肌、腰大肌和竖脊肌,SMA为三者肌肉面积之和,SMI为SMA除以身高平方。
  • 反应者中肌少症占9.09%,无反应者中占45.45%(p=0.003)。
  • 反应者中位SMA为135.7 cm2(IQR 120.1-201.4),无反应者为98.7 cm2(IQR 72.5-156.8),差异未达统计学显著(p=0.068)。
  • 反应者中位SMI为47.3,无反应者为38.6(p<0.01)。
  • NacVI-RADS 1-2为完全影像学反应,3-4为部分影像学反应,5为无影像学反应。

诊断标准与关键数值

  • 肌少症多因素OR 9.08(95%CI 1.32-61.92,p=0.024),为NAC反应差的独立预测因素。
  • 合并症多因素OR 14.63(95%CI 2.12-100.71,p=0.006),为NAC反应差的独立预测因素。
  • NacVI-RADS 4-5(对比1-2-3)多因素OR 2.13(95%CI 1.03-4.42,p=0.042),为NAC反应差的独立预测因素。
  • NacVI-RADS 1-2 vs 3-4-5分组在多因素分析中未保留显著性(p=0.502;OR 1.15;95%CI 0.25-5.29)。
  • SMI预测TRG 1-2 vs TRG 3的AUC为0.952(95%CI 0.89-0.99)。

临床应用与阅片要点

  • 作者认为可将AI驱动的肌少症评估整合进临床分期流程,以支持个体化营养干预和患者分层。
  • 作者认为NacVI-RADS评分系统对预测NAC结局具有预后价值。
  • SMI作为连续变量而非仅按肌少症阈值二分类,可实现更精细的风险分层。

局限性

  • 原文指出部分变量的置信区间较宽,可能反映样本量有限。
  • 原文指出样本量相对较小和回顾性设计可能导致AUC值被高估,结果需谨慎解读并在更大规模前瞻性队列中验证。
  • 原文使用文献建议的肌少症截断值,并指出目前尚无普遍标准化的肌少症诊断阈值,尤其在肿瘤和泌尿生殖系统肿瘤患者中。
全文中译17 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Radiol Med. 2026 Mar 31;131(7):1217–27. doi: 10.1007/s11547-026-02203-2

引言

肌肉减少症,定义为骨骼肌质量和力量的进行性丧失[1],已成为癌症预后和患者结局的关键因素,尤其是在泌尿肿瘤学领域。

研究表明,肌肉减少症与膀胱癌患者发病率和死亡率的增加相关[2],尤其是那些接受大型手术干预[3, 4]或化疗[5]的患者。鉴于其对治疗反应和总生存期的影响[6],准确评估肌肉减少症对于风险分层和治疗方案制定至关重要。肌层浸润性膀胱癌(MIBC)是一个重大的全球健康问题,需要多模式治疗方法,通常包括根治性膀胱切除术和盆腔淋巴结清扫术,且常在术前进行新辅助化疗(NAC)[7]。

NAC作为主要临床指南推荐的治疗方案[8],旨在通过降低转移风险来改善肿瘤学结局。然而,由于缺乏可靠的生物标志物来预测治疗反应,其广泛采用仍然受限。

为解决这一未被满足的需求,新辅助化疗膀胱影像报告和数据系统(NacVI-RADS)[9]作为膀胱影像报告和数据系统(VI-RADS)[10]的扩展而被开发。这一基于多参数磁共振成像(mpMRI)的评分系统为评估膀胱癌对NAC的反应提供了标准化方法,有助于临床决策。尽管其具有实用性,仍需额外的生物标志物来进一步优化患者选择和改善治疗策略。

肌肉减少症在此背景下作为预测性生物标志物具有显著潜力。然而,诊断肌肉减少症的传统方法,如双能X射线吸收测定法(DEXA)、磁共振(MRI)和计算机断层扫描(CT),通常耗时、昂贵且受观察者间变异性的影响。人工智能(AI)的最新进展使得自动化、快速且可重复的身体成分分析成为可能,为肌肉减少症的客观评估提供了可行方案[11]。

机器学习和深度学习算法可以提供客观且标准化的肌肉减少症评估,使其成为临床实践中可行且有价值的预测标志物[12]。

通过将AI驱动的肌肉减少症评估整合到膀胱癌管理中,临床医生可以增强患者分层、个性化治疗策略,并有可能改善肿瘤学结局。

本研究的主要目的是探讨AI评估的肌肉减少症在接受新辅助化疗(NAC)的肌层浸润性膀胱癌(MIBC)患者中的预后价值。为此,我们评估了放射学反应(使用NacVI-RADS分类)和病理学结局(由肿瘤退缩分级(TRG)定义)。采用双重方法的原因是NacVI-RADS提供了术前无创的治疗反应评估,而TRG代表 definitive 的组织病理学参考标准。主要分析聚焦于治疗前骨骼肌指数(SMI)与病理反应之间的关联,次要分析探讨了其他临床变量之间的关系,包括通过NacVI-RADS评估的治疗后放射学反应与治疗结局。

材料与方法

研究设计、患者人群和参考标准

这项回顾性、单中心观察性研究获得了机构审查委员会的正式批准,并豁免知情同意。研究按照良好临床实践指南和最新版《赫尔辛基宣言》[13]中概述的伦理原则进行。

从2020年5月至2024年9月,59例经尿道膀胱肿瘤电切术(TURBT)和/或再次电切术(Re-TURBT)诊断为非转移性肌层浸润性尿路上皮膀胱癌(MIBC)的患者被转诊接受新辅助化疗(NAC),随后行根治性膀胱切除术(RC),并最终行扩大盆腔淋巴结清扫术(ePLND)。

所有参与者均使用3特斯拉扫描仪(Siemens Healthineers,MAGNETOM Vida;GE Healthcare,Discovery 750)行多参数磁共振成像(mpMRI)以评估VI-RADS和NacVI-RADS评分,并使用计算机断层扫描(CT)(Somatom Definition,Siemens Medical Solutions,Forchheim,Germany)检查,两项检查均在分期TURBT前2–4周以及完成最后一个NAC周期后进行。

收集的临床和人口学数据包括性别、年龄、身高、体重、吸烟、肾积水是否存在、血尿、肿瘤多灶性及合并症。合并症定义为至少存在一种临床相关慢性疾病(如心血管疾病、慢性呼吸系统疾病、糖尿病或慢性肾功能不全),且有患者病历记录为证。活动期慢性炎症性病变指任何持续存在的炎症性疾病(如炎症性肠病、类风湿关节炎或慢性肝炎),且在纳入时具有临床和/或实验室活动性炎症证据。

纳入标准为:年龄>18岁,组织学确诊尿路上皮肿瘤,具备NAC前后基线CT扫描和MRI资料,以及适合接受顺铂为基础的化疗。预期寿命低于3个月或患有任何活动期慢性炎症性病变、无长期临床信息可供获取、不适合化疗治疗的患者被排除。无法完成全程NAC的患者被排除,以及MRI图像质量差而无法可靠评估或缺乏用于肌少症评估的腹部CT扫描的病例也被排除。患者选择、纳入和排除流程见STROBE流程图(补充图1)。

NacVI-RADS评分与最终组织病理学结果及源自根治性膀胱切除标本的肿瘤退缩分级(TRG)进行比较评估。TURBT和RC病理样本由一位在该领域具有15年经验的经验丰富的泌尿病理学家分析。将人工智能驱动的软件应用于首次CT图像以计算骨骼肌指数(SMI-L3),从而评估肌少症。

影像采集与分析

所有患者在开始NAC前均接受膀胱基线多参数磁共振成像(mpMRI)以及腹部和盆腔增强CT检查。在本研究中,仅基线CT扫描被用于基于人工智能的肌少症评估,而mpMRI在NAC后重复进行,以根据NacVI-RADS系统评估治疗反应。

本分析中纳入的所有影像学研究均作为常规临床诊疗的一部分获取。未专门为研究目的进行额外影像检查。

MRI方案

治疗前和治疗后的MRI扫描均按照原VI-RADS文件推荐的采集方案进行,尽可能使用同一台扫描仪和相同参数以确保方法学一致性。大多数检查在配备32通道相控阵体线圈的3特斯拉扫描仪(Siemens Healthineers MAGNETOM Vida;GE Healthcare Discovery 750)上采集。1.5特斯拉扫描仪(Siemens Healthineers Avanto)仅用于存在3T MRI禁忌证的患者(如存在心脏装置)。

患者在无禁忌证的情况下,接受肌肉注射解痉剂(丁溴东莨菪碱20 mg)以减少膀胱壁运动,并被要求在检查前30分钟饮用500–1000 mL水以达到适当的膀胱充盈[14]。用于采集DWI序列的最高b值为1000 s/mm²。平扫成像后,使用高压注射器给予钆基对比剂,剂量为0.1 mmol/kg体重,标准弛豫率对比剂注射速率为3.0 mL/s,随后以生理盐水冲洗[10]。

图像分析由两位在膀胱成像方面分别具有10年和4年经验的放射科医师独立完成。

对于每位患者,在初次MRI中,将VI-RADS评分最高的病灶作为指标病灶。采用VI-RADS截止评分≥ 3分来定义MIBC。

CT方案

新辅助化疗前的所有CT图像均使用多排探测器CT扫描仪(Somatom Sensation 64或Somatom Definition;Siemens Healthineers,Erlangen,德国)采集,所有患者采用标准化采集参数。这些CT扫描作为尿路上皮肿瘤在新辅助治疗开始前标准分期方案的常规组成部分进行,被用于身体成分分析。

扫描参数如下:管电压120 kVp;管电流100–250 mAs;螺距1.2;准直0.625–0.75 mm。图像以1 mm层厚在轴位、冠状位和矢状位上重建,同时应用软组织核(B31f)和肺核(B75f)重建。

CT采集方案遵循标准CT尿路造影实践,包括以下期相:平扫期;静脉注射非离子型碘对比剂后约35–45秒采集的皮髓质期;肾实质期(80–100秒);以及排泄期(10–15分钟)。碘化非离子型对比剂经静脉给药,剂量根据患者体重计算(约1.2–1.7 mL/kg),符合本机构CT尿路造影方案。确切体积因所用具体对比剂而异。

AI影像分析

使用Quantib身体成分®软件(Rotterdam,荷兰)定量测量身体成分。该软件分析存储于本机构影像归档和通信系统(PACS)中的CT检查所采集的患者CT图像,仅选择平扫期。该软件聚焦于L3椎体水平,自动分割图像以确定腹部肌肉、腰大肌和长脊肌的面积。最后,该软件在几分钟内生成显示相关数值的表格,如图1所示。

软件产生严重错误分割(即严重伪影、未能充分识别L3水平骨骼肌结构或肌肉区域完全错误标记)的患者被排除在分析之外。轻微瑕疵可被容忍,但未进行手动校正,因为该软件不允许手动编辑分割结果。所有分析均在直接连接机构PACS的工作站上本地进行,未将任何患者数据传输或上传至外部或云端服务器。

图1 一例76岁男性MIBC患者中,软件在第三腰椎水平进行自动分割的病例示例 查看原图 ↗

化疗方案

根据欧洲泌尿外科学会(EAU)指南,患者在膀胱切除术前接受3–4个周期的以顺铂为基础的联合化疗(顺铂联合吉西他滨)。方案包括吉西他滨1,000 mg/m2,于第1天和第8天静脉给药;顺铂70 mg/m2,于每个21天周期的第1天静脉给药,前提是肌酐清除率≥ 60 mL/min。止吐药和水化方案按机构标准执行。对所有患者计算肌酐清除率以确保顺铂适用性,最低要求为CCr ≥ 60 mL/min。化疗方案每21天给药一次。第1天和第8天均给药。第1天,吉西他滨溶于250–500 mL 0.9%氯化钠溶液中,输注30分钟。顺铂溶于500 mL 0.9%氯化钠溶液中,输注60分钟。遵循水化方案。第8天,重复吉西他滨溶于250–500 mL 0.9%氯化钠溶液中输注30分钟。止吐药按机构指南作为预用药给予。

基于人工智能的肌少症与治疗反应评估

基于CT人工智能驱动软件,骨骼肌面积(SMA)通过将腰大肌、腹部肌肉和长脊肌的肌肉面积相加获得。

骨骼肌指数(SMI)通过将SMA按患者身高的平方进行标准化获得,与腰大肌体积相比,是定义肌少症更合适的工具。根据文献,我们将男性肌少症定义为SMI < 55 cm2/m2,女性定义为SMI < 39 cm2/m2。然而,目前尚无普遍标准化的肌少症诊断阈值,尤其是在肿瘤患者和泌尿生殖系统肿瘤患者中。因此,我们采用了既往研究中建议的截断值[15, 16]。

NAC周期后随访MRI的评估使用NacVI-RADS算法进行治疗效果评估(新辅助化疗VI-RADS——nacVI-RADS)[17]。

NacVI-RADS根据既往VI-RADS评分、残留病灶的存在、肿瘤大小及固有肌层浸润,分类定义完全影像学缓解(RaR)。

NAC完成后无膀胱内病灶(NacVI-RADS 1–2)标记为完全RaR。部分RaR定义为任何影像学降期且有残留病灶证据,伴或不伴肌层浸润证据(NacVI-RADS 3–4)。

无RaR定义为无论既往VI-RADS评分如何,缺乏影像学降期和/或出现升期(NacVI-RADS 5)(图2)。

图2 一例VI-RADS 4的病例示例:患者为67岁男性,骨骼肌指数(SMI)值为41.43 cm2/m2,存在肌少症,膀胱右侧壁可见无蒂病灶。新辅助化疗后,病灶仍浸润固有肌层。未见降期,也未见可测量的体积缩小。因此,提示NacVI-RADS评分为5。T2W:T2加权成像;DWI:弥散加权成像;ADC:表观弥散系数;DCE:动态对比增强) 查看原图 ↗

统计分析

所有统计分析均使用社会科学统计软件包(SPSS)第28版进行。所有检验均为双侧检验,统计学显著性设定为p < 0.05。

主要结局变量为新辅助化疗无应答,定义为根治性膀胱切除术时病理TRG 3。因此,较高的比值比(OR > 1)表示无应答的可能性更大。进行了单变量和多变量分析,以评估临床病理学和影像学特征之间的关联,包括年龄(70 < 对比 ≥ 70)、吸烟史(无对比有)以及血尿存在情况(无对比镜下血尿对比肉眼血尿)。NAC前病灶数量(1对比> 1)、肾积水存在情况(无对比有)、原发VI-RADS(3–4对比5)、治疗后NacVI-RADS(1–2–3对比4–5,以及1–2对比3–4–5)和TRG(1–2对比3)。

为评估骨骼肌指数(SMI)预测病理应答的判别性能,进行了受试者工作特征(ROC)曲线分析。计算了曲线下面积(AUC)和95%置信区间(CI)。

结果

患者特征

总体而言,共纳入59例患者。3例患者因肾毒性(eGFR < 30 mL/min)在第二次给予顺铂后不得不中断治疗,因此被排除在分析之外。此外,1例患者因基线CT扫描分割错误而被排除,最终研究人群为55例患者,其中男性46例(84%),女性9例(16%),中位年龄为69岁(四分位距(IQR)66–72岁)。

该队列的人口学、影像学和临床特征总结于表1。

表1 队列人群的临床、影像学和病理学数据总结 查看原表 ↗

肌少症与病理应答

肌少症患病率方面注意到显著差异。在应答者中,仅9.09%存在肌少症,而无应答者中有45.45%存在肌少症,表明具有高度显著的关联(p = 0.003)。尽管化疗应答者的中位骨骼肌面积(SMA)高于无应答者[135.7 cm2(IQR:120.1–201.4)对比98.7 cm2(IQR:72.5–156.8)],但该差异未达到统计学显著性(p = 0.068)。相反,应答者的中位SMI也显著更高(47.3对比38.6,p < 0.01),提示较高的肌肉量与改善的治疗应答之间存在强关联。

按肌少症状态分层的基线临床和影像学特征总结于表2。

组间在性别分布方面未观察到显著差异。

与非少肌症患者相比,少肌症患者年龄显著更大、BMI值更低、合并症负担更高、ECOG体能状态更差。少肌症患者还表现出更高的治疗后NacVI-RADS评分以及更高比例的病理学无应答者(TRG 3)。

表2 按少肌症状态分层的基线临床和影像学特征 查看原表 ↗

影像学应答(NacVI-RADS)与临床预测因素

单因素逻辑回归分析评估了临床病理学和影像学特征与治疗应答之间的关系(表3)。

发现多个变量与治疗结局存在统计学显著关联。

最显著的发现之一是合并症与不良治疗应答之间的强关联。

在单因素分析中,评估了多个变量与目标结局的关联。合并症显示出显著关联(p < 0.001),比值比(OR)为16.66(95%置信区间[CI] 3.94–70.36)。

为探讨NacVI-RADS 3类的临床行为,评估了两种分组策略:1–2 vs. 3–4–5 和 1–2–3 vs. 4–5。

在单变量分析中,两种分类均与治疗结局显著相关。具体而言,较高的NacVI-RADS类别(4–5)与无应答强烈相关(p < 0.001;OR = 36.6;95% CI 4.36–307.92),而1–2 vs. 3–4–5分组也达到显著性(p = 0.03;OR = 1.88;95% CI 1.08–24.94)。少肌症是另一个不良治疗应答的强预测因素(p = 0.01;OR = 8.89;95% CI 2.52–31.35)。

在多变量分析中,合并症仍与无应答显著相关(p = 0.006;OR = 14.63;95% CI 2.12–100.71),NacVI-RADS 1–2–3 vs. 4–5保留了统计学显著性(p = 0.042;OR = 2.13(95% CI 1.03–4.42)。相反,1–2 vs. 3–4–5分组未保留显著性(p = 0.502;OR = 1.15;95% CI 0.25–5.29),提示3类的行为更接近于非肌层浸润组。少肌症也仍是不良应答的独立预测因素(p = 0.024;OR = 9.08;95% CI 1.32–61.92)。某些变量观察到的相对较宽的置信区间可能反映了样本量有限。其他变量在多变量模型中未显示显著关联。

表3 评估临床病理学和影像学特征与全身治疗应答相关性的单变量和多变量回归分析 查看原表 ↗

预测性能:ROC分析

为补充逻辑回归分析并对少肌症的预测性能提供更全面的评估,我们以骨骼肌指数(SMI)作为连续变量进行了受试者工作特征(ROC)曲线分析。所得曲线下面积(AUC)为0.952(95% CI 0.89–0.99),表明SMI在区分新辅助化疗应答者(TRG 1–2)和无应答者(TRG 3)方面具有出色的判别能力(图3)。进行该分析是为了评估SMI作为连续变量的预测性能,而非确定新的阈值。尽管高AUC反映了两组之间的强分离,但鉴于样本量相对较小,应谨慎解读。

这一显著较高的AUC值凸显了SMI作为预测标志物的强度,并强调了其在临床实践中的潜在效用。值得注意的是,将SMI作为连续变量而非仅基于肌少症截断值的二分类使用,能够实现更精细的风险分层,并可能捕捉到治疗反应可能性中具有临床意义的梯度变化。这一发现支持将定量身体成分指标纳入预测模型和临床决策框架。

图3 受试者工作特征(ROC)曲线,展示骨骼肌指数(SMI)预测肿瘤退缩分级(TRG)的诊断性能 查看原图 ↗

讨论

本研究旨在识别预测治疗反应的临床病理学和影像学因素,重点关注应用人工智能驱动的肌少症评估作为肌层浸润性膀胱癌新辅助治疗反应预测工具。已有数项研究评估了肌层浸润性膀胱癌患者新辅助化疗后肌少症状态的影响[18]。然而,据我们所知,尚无研究在此背景下使用基于人工智能的软件探讨肌少症。我们的主要目标是通过AI驱动的CT分析评估肌少症,以验证其预后影响,特别是确定其基于肿瘤对全身新辅助治疗反应来预测客观临床获益的能力。正如预期,最重要的发现之一是肌少症与治疗反应不佳之间的强关联。事实上,多因素分析表明肌少症是与NAC无反应相关的独立因素(p = 0.024),调整后OR为9.08(95% CI 1.32–61.92,p = 0.024)。

肌少症与化疗反应不佳之间的关联可能由多种生物学和临床机制解释。骨骼肌质量和功能的丧失可改变药物药代动力学,导致细胞毒性药物的全身暴露减少,从而降低治疗效果[19, 20]。此外,肌少症与慢性低度炎症、胰岛素抵抗[21]和蛋白质合成受损相关,这些因素共同可能形成促肿瘤微环境并降低细胞对治疗的耐受性[22]。此外,肌少症患者常伴有多种合并症和代谢储备下降,这可能限制化疗耐受性并导致治疗中断。在本研究中,即使在调整合并症后,肌少症仍是无反应的独立预测因素,表明其效应超出了总体衰弱和合并症负担。

ROC分析以肿瘤退缩分级(TRG)1–2级与TRG 3级作为参考标准进行,证实了SMI预测病理缓解的强大判别能力(AUC = 0.952;95% CI 0.89–0.99)。这一发现支持定量身体成分指标作为新辅助治疗背景下有前景的影像生物标志物的作用。然而,相对较小的样本量和回顾性设计可能导致AUC值被高估,因此这些结果应谨慎解读,并在更大规模的前瞻性队列中加以验证。SMI被证明不仅是一个具有统计学意义的因素,而且是一个具有高预后准确性的临床可操作工具。这些发现凸显了肌少症在预测治疗结局中所发挥的关键作用,与既往研究一致,这些研究已将肌少症与尿路上皮癌患者的不良治疗反应相关联,尤其是在接受化疗或放疗的患者中[15, 16, 23]。

使用AI评估肌少症提供了一种客观且可重复的测量方法,为识别可能从更量身定制的治疗方案中获益的高危患者提供了有价值的工具[24]。

AI辅助影像技术在准确评估肌肉量和肌肉质量方面已显示出前景,而这两者是肌少症的关键决定因素。这些结果与既往研究一致,这些研究探讨了使用AI评估的肌少症在疾病不同阶段中的作用[25]。

通过纳入基于AI的肌少症评估,临床医生可以更精确地了解患者的整体身体状况,这对于做出明智的治疗决策至关重要。

基于AI的工作流程可以克服手动肌肉测量的局限性,并提供一致且可靠的结果,从而可能改善患者结局。

单因素和多因素logistic回归分析的结果均揭示了若干其他关键发现,凸显了Nac-VIRADS评分在预测治疗结局中的重要性。

我们的结果强调了Nac-VIRADS分类的预后相关性,尤其是在使用1–2–3 vs. 4–5截断值对患者进行分层时。与1–2 vs. 3–4–5分类相比,该方法被发现更有意义,因为3类可能代表不再为肌层浸润性的病例,而非持续存在或恶化疾病的病例。将NacVI-RADS 3类纳入非肌层浸润组与新出现的临床证据一致,后者提示这些病例不具有与4类和5类相同的侵袭性特征[17]。

Nac-VIRADS(1–2–3 vs. 4–5)在单因素和多因素分析中均具有统计学显著性,强化了其作为治疗反应不佳和不良预后独立预测因素的价值。相反,替代截断值(1–2 vs. 3–4-5)在多因素分析中未保持显著性。可能是因为3类包括已对治疗产生反应且不再为肌层浸润性的病例。这些发现提示,修订当前分类框架以将3类反映为缓解指标,可增强其临床实用性并改善风险分层。

总体而言,本研究强调了肌少症作为治疗反应预测因素的重要性,尤其是在使用基于AI的技术进行评估时。

使用人工智能来量化肌肉减少症可能为患者耐受治疗的能力提供有价值的见解,并比传统方法更准确地预测结局。鉴于越来越多的证据支持肌肉减少症的预后价值,将基于人工智能的评估纳入临床实践可显著改善个性化治疗策略,最终带来更好的患者管理和结局。

未来研究应进一步探索人工智能在评估肌肉减少症和其他预测因素中的整合应用,以及为治疗反应不佳高风险患者制定量身定制的干预措施。

局限性

虽然本研究对治疗反应的潜在预测因素提供了重要见解,但也并非没有局限性。首先,其回顾性设计和单中心设置可能引入偏倚并限制研究结果的验证。

其次,相对较小的样本量,尽管与该领域的其他研究相当,可能降低分析的统计效能并限制检测组间细微差异的能力。此外,我们分析中使用的人工智能工具不允许手动校正分割错误,这一局限性进一步限制了数据集并导致了相对较小的样本量。

此外,排除未完成新辅助化疗或CT扫描无法分析的患者,可能引入了偏向身体状况较好个体的选择偏倚,可能影响观察到的关联。

我们仅关注SMI评分;然而,营养状态也可通过生物标志物(如白蛋白水平、中性粒细胞与淋巴细胞比值、营养风险指数)或功能指标(如体能评估、呼气峰流量)进行评估。比较并纳入这些额外标志物可提供对营养状态多维性质的更全面理解[26]。

未进行内部和外部验证,这是本研究的另一项局限性。

此外,在更长随访后评估对生存的影响将是有意义的。最后,我们的结果需要在前瞻性和更大规模系列研究中得到证实,然后才能影响目前对肌肉减少症患者的管理,以尝试优化这一脆弱患者群体的结局。

结论

总之,本研究强调了使用先进人工智能驱动技术测量的肌肉减少症作为新辅助治疗反应的稳健且独立预测因素的重要作用。这些发现具有强烈的临床意义,突显了人工智能辅助肌肉减少症评估在指导个性化治疗策略、最终改善患者结局方面的潜力。将人工智能驱动的肌肉减少症评估整合到治疗前工作流程中,可显著优化MIBC患者的治疗决策。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 23 kb)

引用

  1. Borrelli A, Novelli S, Messina E, et al. AI-assessed sarcopenia as an independent predictor of neoadjuvant chemotherapy outcomes in muscle-invasive bladder cancer. Radiol Med. 2026. PMID: 41915371. doi:10.1007/s11547-026-02203-2
  2. 全文:PMC13369673(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13369673/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。