整合影像组学和基因组学构建肾透明细胞癌肿瘤分级预测模型

田占雨，李霞，李永生，陈家齐

海南医学院生物医学信息与工程学院，海南 海口 571199

肾透明细胞癌(clear cell renal carcinoma，CCRCC)占肾细胞癌的75%～80%，是恶性程度高，预后差，死亡率最高的亚型[1]。世界卫生组织/国际泌尿病理学会(World Health Organization/International Society of Urological Pathology，WHO/ISUP)根据核仁突出情况对CCRCC 进行了分级(I级、Ⅱ级、Ⅲ级、Ⅳ级)，随后根据预后结局进一步将患者分为低级别组(I级、Ⅱ级)和高级别组(Ⅲ级、Ⅳ级)[2-3]。现阶段对肿瘤分级主要依靠经皮穿刺活检，需要面临出血、气胸以及针道转移等并发症的风险。因此，需要一种非侵入性的方法协助判断CCRCC的肿瘤分级。随着医学影像成像技术的发展以及高通量基因组学技术的进步，影像基因组学应运而生。影像基因组学是一个多学科交叉的新兴领域，是影像组学和基因组学的有机结合。在之前的研究中，Celli等[4]结合了影像组学与基因组学，利用多元逻辑回归算法构建机器学习模型，该模型在鉴别诊断低风险子宫内膜癌方面有着出色的分类能力。马佳琪等[5]通过结合影像基因组学信息，在诊断结直肠癌肝转移、预测患者预后和治疗敏感性等方面显示出独特的优势。将预测模型用于临床实践为个性化治疗带来显著优势，可以减少患者后续治疗的时间成本，并为制定临床治疗方案和改善患者总体生存率提供了指导和新的见解。然而，针对恶性程度较高的CCRCC的肿瘤分级仍然具有挑战性。

本研究以影像基因组学为切入点，通过结合医学影像和多组学数据识别不同水平的特征，基于机器学习算法构建多种预测模型，并结合各类算法优势，筛选最优特征组合以达到准确预测CCRCC肿瘤分级的目的。……