本研究由Wei Cai、Yongjian Zhu、Dengfeng Li、Bingzhi Wang、Xiaohong Ma及Xinming Zhao等学者共同完成，第一作者和通讯作者分别来自中国医学科学院北京协和医学院国家癌症中心/国家癌症临床医学研究中心/肿瘤医院诊断放射科与病理科。该研究成果发表于*Abdominal Radiology*（2026年第51卷第2932–2945页），于2025年12月1日在线发表，论文题目为“Baseline dual-layer spectral CT-based habitat analysis for preoperative prediction of recurrence in pancreatic cancer after radical resection and its association with tumor-stroma ratio”。

胰腺导管腺癌（pancreatic ductal adenocarcinoma, PDAC）是恶性程度最高、预后最差的实体肿瘤之一，尽管根治性切除术是可切除PDAC唯一可能的治愈手段，但术后复发率仍高达约40%，且患者的无复发生存期（recurrence-free survival, RFS）存在显著个体差异。对于高危复发患者，术前新辅助治疗可能改善预后，因此准确、无创地在术前对PDAC复发风险进行分层具有迫切临床需求。目前常用的生物标志物如糖类抗原19-9（CA19-9）虽有一定预后价值，但易受胆道梗阻、炎症及Lewis抗原状态干扰；病理肿瘤-间质比（tumor-stroma ratio, TSR）虽然被证实能反映肿瘤微环境并预测多种实体瘤的复发风险，但其评估依赖术后病理标本，无法在术前提供决策依据。已有研究表明，基于双层光谱探测器CT（dual-layer spectral detector CT, DLCT）的碘密度图像可计算细胞外容积（extracellular volume, ECV）分数和动脉增强分数（arterial enhancement fraction, AEF），二者分别反映组织间质容量及动脉期血供比例，在多种肿瘤中显示出预测预后和疗效的潜力。然而以往研究多将肿瘤视为整体进行分析，忽视了PDAC显著的瘤内异质性。栖息地分析（habitat analysis）采用无监督聚类算法将肿瘤划分为具有相似影像特征和生物学行为的亚区域，能够较全面地反映肿瘤空间异质性。基于此，本研究旨在利用基线DLCT衍生的ECV和AEF参数图进行栖息地分析，构建并验证术前预测PDAC根治术后复发风险的模型，并探索栖息地定量参数与病理TSR之间的关系。

本研究为单中心回顾性研究，共纳入2019年1月至2021年12月期间在中国医学科学院肿瘤医院接受根治性手术且术前2周内完成多期相增强DLCT检查的136例PDAC患者，以7:3比例随机分为训练队列（95例）和验证队列（41例）。所有患者均接受包含平扫、动脉期（arterial phase, AP）、门静脉期（portal-venous phase, PVP）及平衡期（equilibrium phase, EP）的DLCT扫描。研究首先在专用工作站上基于光谱基图像（spectral base images, SBI）逐像素生成ECV图和AEF图，ECV由平衡期组织与主动脉碘密度比值并校正红细胞压积计算得出，AEF由动脉期与门静脉期碘密度主动脉标准化后的比值表示。随后采用开源软件对两种参数图进行配准以减轻图像空间错位。两名具有13年和8年腹部影像经验的放射科医师使用ITK-SNAP软件在平衡期图像上沿肿瘤边缘逐层勾画容积感兴趣区（volume of interest, VOI），并自动复制到ECV和AEF图中，VOI分割的一致性通过Dice相似系数（DSC）评估，平均DSC为0.88±0.06，表明分割具有良好可重复性。基于Python的scikit-learn包，研究使用K-means聚类算法对ECV和AEF图上肿瘤全部体素进行聚类，通过轮廓系数（silhouette coefficient）确定最优聚类数为4，将肿瘤划分为4个空间上不同的栖息地亚区域，并计算各栖息地占总体积的百分比（fraction of habitat, F1–F4）。临床-影像学特征由同一两位放射科医师独立评估，包括肿瘤大小、位置、坏死、边缘强化（rim-enhancement）、胰管扩张、上游胰腺实质萎缩及可疑淋巴结转移等。病理评估由一名具有15年胰腺病理经验的医师完成，包括TSR、分化程度、神经侵犯、淋巴血管侵犯及病理T/N分期，其中TSR以肿瘤成分在肿瘤成分与间质成分总和中的百分比表示，并间隔1个月重复评估取均值，组内相关系数为0.92。随访终点为2024年12月31日，RFS定义为手术至局部复发、远处转移或肿瘤相关死亡的时间。

在模型构建方面，单因素及多因素Cox回归分析显示，训练队列中CA19-9>180 U/ml（风险比[hazard ratio, HR] 5.596，95%置信区间[confidence interval, CI] 3.349–9.351，P<0.001）和边缘强化（HR 8.526，95% CI 4.628–15.706，P<0.001）是RFS的独立临床-影像学预测因子，构成临床-影像学模型。基于整个VOI的参数中，ECV（HR 0.037，95% CI 0.002–0.674，P=0.026）独立预测RFS，构成整体VOI模型。在栖息地参数中，F1（HR 7.400，95% CI 2.832–19.337，P<0.001）和F4（HR 0.048，95% CI 0.017–0.136，P<0.001）为独立预测因子，构成栖息地模型。将临床-影像学独立因子与栖息地参数共同纳入后，F1（HR 15.717，95% CI 4.875–50.676，P<0.001）和F4（HR 0.061，95% CI 0.019–0.197，P<0.001）及CA19-9>180 U/ml、边缘强化构成联合模型并可视化为列线图。

模型性能评估显示，训练队列中临床-影像学模型、整体VOI模型、栖息地模型和联合模型的C指数（concordance index, C-index）分别为0.783、0.684、0.856和0.912，验证队列中分别为0.760、0.657、0.843和0.899。联合模型在训练和验证队列中均显著优于其他模型（均P<0.05），且经1000次bootstrap内部验证后C指数仍分别保持在0.912和0.899，表明模型稳定性良好。净重分类改善指数（net reclassification improvement, NRI）和综合判别改善指数（integrated discrimination improvement, IDI）分析进一步证实联合模型较其他模型具有显著增量预测价值（均P<0.05）。时间依赖性受试者工作特征（receiver operating characteristic, ROC）曲线显示，联合模型在6、12、18和24个月预测RFS的曲线下面积（area under the curve, AUC）均高于0.85。校准曲线显示模型预测的6、12、24个月复发概率与实际复发概率具有良好一致性，Brier评分均低于25%。决策曲线分析（decision curve analysis, DCA）显示联合模型具有最高的临床净获益。列线图总分范围为7.95–314.71，最优截断值为136.32，据此将患者分为预测低风险组和高风险组。训练队列中低风险组中位RFS为21.30个月，高风险组为9.50个月（P<0.001）；验证队列中分别为22.20个月和10.70个月（P<0.001）。事后亚组分析显示该风险分层系统在不同CA19-9水平、不同术式及是否接受辅助化疗的亚组中均保持预后判别能力（均P<0.05）。

在栖息地参数与病理TSR关系方面，Spearman相关分析显示F1与TSR显著正相关（ρ=0.515，P<0.001），F4与TSR显著负相关（ρ=−0.570，P<0.001）。多元线性回归进一步表明F1（β=0.293，95% CI 0.114–0.472，P=0.002）和F4（β=−0.577，95% CI −0.738至−0.416，P<0.001）是TSR的独立预测因子，构建的TSR预测公式为：TSR=F1(%)×0.293−F4(%)×0.577+0.708，模型R²为0.845。训练和验证队列中预测TSR与实际TSR的Spearman相关系数分别为0.822和0.769，Bland-Altman分析显示二者具有较强一致性。

本研究结论认为，基于DLCT衍生的ECV和AEF图的基线栖息地参数F1和F4可在术前无创预测可切除PDAC根治术后的复发风险，联合栖息地参数、血清CA19-9水平和边缘强化所构建的列线图模型具有良好的预测性能与临床实用性。同时，栖息地定量参数F1和F4与病理TSR显著相关，可用于术前对TSR进行定量预测，从而间接反映肿瘤微环境特征。

本研究的主要亮点在于：第一，利用DLCT一次性获取的能谱数据直接生成ECV和AEF参数图，避免了传统CT需要额外平扫和图像减影带来的复杂性与不确定性，提高了临床可操作性。第二，通过栖息地分析将肿瘤划分为具有不同ECV和AEF特征的亚区域，较传统全肿瘤分析更充分地反映PDAC瘤内异质性，其中F1代表低ECV和AEF区域，提示低间质含量和低灌注，F4则代表高ECV和AEF区域，提示高间质含量和较高血管化。第三，研究证实栖息地参数与病理TSR之间存在定量关系，为无创评估肿瘤间质成分和微环境提供了影像学替代指标。第四，联合模型在训练和验证队列中均表现出约0.90的C指数及高于0.85的时间依赖性AUC，且经bootstrap验证及亚组分析证实具有稳健性，为临床术前个体化治疗决策提供了有价值的工具。研究也存在一定局限：回顾性设计可能引入选择偏倚，仅纳入可切除PDAC患者，样本量有限且缺乏多中心外部验证，随访期较短未能评估总生存期，栖息地参数与组织学或免疫组化特征之间的生物学机制尚待进一步阐明。