肝细胞癌高全身免疫炎症指数患者的预后列线图：在手术和免疫治疗队列中的验证及免疫微环境机制的探索

本文聚焦于肝细胞癌高术前全身免疫炎症指数患者这一预后较差的特定亚群。为解决其风险分层难题，研究者开展了多中心回顾性研究，通过整合影像组学、临床病理特征及转录组学，构建并验证了新型列线图。结果表明，该模型在手术和免疫治疗队列中均表现出优异的预测性能，并能识别出对免疫治疗更可能获益的“高风险”亚型，为肝细胞癌患者的个体化精准管理提供了新工具。

在癌症治疗领域，肝细胞癌依然是一大挑战，手术切除是早期患者获得根治性治疗的重要选择，但术后高达50%-70%的复发率极大地限制了患者预后的改善。与此同时，随着免疫检查点抑制剂的应用，免疫治疗已成为肝癌治疗版图中的关键部分。然而，患者的治疗反应呈现出显著的异质性，如何精准识别哪些患者更可能从治疗中获益，哪些患者面临更高的复发风险，是临床上面临的紧迫问题。近年来的研究发现，一种由血小板、中性粒细胞和淋巴细胞计数计算得出的综合性指标——全身免疫炎症指数，因其整合了炎症与免疫状态，能更全面地反映肿瘤相关的炎症反应和宿主的免疫能力，被认为是肝癌的稳健预后指标。但对于SII高的高危患者群体，临床仍缺乏精确的风险评估工具。传统模型通常缺乏影像学特征的深度整合，也较少在免疫治疗场景下进行验证，其背后的生物学机制也尚不明确。针对这些不足，一项旨在解决这些难题的研究在《Journal of Hepatocellular Carcinoma》上发表了最新成果。

为了开展这项研究，研究人员主要运用了以下几个关键技术方法：首先是回顾性队列设计与多中心数据整合，研究纳入了来自哈尔滨医科大学附属肿瘤医院和济宁医学院附属医院的肝细胞癌患者，并将其分为手术队列、免疫治疗队列以及外部验证队列。其次是影像组学分析与建模，研究者从术前影像中提取特征，结合临床病理因素，通过多变量Cox回归分析构建了包含肿瘤直径、瘤内出血、卫星结节和γ-谷氨酰转移酶的预后列线图模型。第三是模型验证与比较，通过计算C指数、绘制时间依赖性ROC曲线和决策曲线分析等方法，在多个队列中评估模型的预测性能，并将其与传统AJCC、BCLC分期系统进行对比。最后是多组学机制探索，通过对患者样本进行转录组测序，利用差异表达基因分析、KEGG/GO通路富集分析、以及CIBERSORT/quanTIseq算法，探究高风险与低风险组在免疫微环境、信号通路和潜在药物敏感性上的差异。

基线特征与SII分层

研究共纳入783名HCC患者。根据在手术队列中确定的最佳截断值，将患者分为高SII组和低SII组。生存分析显示，高SII组患者的无复发生存期显著短于低SII组，证实了SII与术后复发风险的强相关性。

高SII组的Cox分析与列线图构建

在SII高的患者中，通过单因素和多因素Cox回归分析，确定了肿瘤直径、瘤内出血、卫星结节和GGT是RFS的四个独立风险因素。基于这四个变量，研究者构建了可预测1、2、3年RFS的列线图模型。

模型评估与性能比较

该列线图模型在训练集和测试集中均表现出优秀的区分能力和稳定性。与传统的AJCC第8版和BCLC分期系统相比，该列线图的C指数和时间依赖性ROC曲线下面积均显著优于传统分期系统，表明其对术后复发风险的预测更准确、更稳定。

风险分层与Kaplan-Meier生存分析

根据列线图总分的中位数将高SII患者进一步分为高风险组和低风险组。生存曲线显示，高风险组患者的复发率显著高于低风险组，证明了模型的临床风险分层能力。

列线图在免疫治疗队列中的验证

将模型应用于独立的免疫治疗队列时，观察到一个重要的“逆转现象”：在高SII手术人群中预测为复发风险最高的高风险组患者，在免疫治疗场景下却表现出更好的无进展生存期。这表明该模型能够识别出在免疫治疗中更可能获益的亚型。

转录组差异与KEGG富集分析

转录组分析揭示了高风险与低风险组之间的分子差异。高风险组患者的差异表达基因主要富集在免疫炎症相关通路上，如细胞因子-细胞因子受体相互作用、IL-17信号通路等。同时，免疫浸润分析显示，高风险组中具有免疫抑制功能的调节性T细胞（Tregs）浸润水平显著增加，表明其微环境呈现免疫激活与免疫抑制并存的特征。

1 and FDR < 0.05), a total of 779 DEGs were identified, of which 275 were up-regulated and 504 were down-regulated. (B) KEGG enrichment bubble diagram, significant pathways include Cytokine-cytokine receptor interaction, IL-17 signaling pathway, etc. (C) GO circle diagram (BP / CC / MF): Enrichment items focused on antibacterial humoral immune response, chemotaxis / migration, myeloid leukocyte activation (BP), hemoglobin complex, monomer / homodimer ion channel complex (CC), oxygen carrier activity, ligand-gated ion channel activity, etc. (MF). (D) Immune infiltration analysis (quanTIseq): Tregs - quantiseq infiltration was significantly increased in the high-risk group (Wilcoxon P = 0.013). (E–K) drug sensitivity analysis (oncoPredict/calcPhenotype based on GDSC2 training): There were significant differences in the predictive sensitivity of the following drugs between the high and low risk groups-Teniposide-1809 (P = 0.032), Obatoclax-Mesylate-1068 (P = 0.037), AZD2014-1441 (P = 0.035), Wnt-C59-1622 (P = 0.057), Niraparib-1177 (P = 0.072), Talazoparib-1259 (P = 0.029) and AGI-6780-1634 (P = 0.031).">

药物敏感性分析

药物敏感性预测分析显示，高风险患者对多种靶向或DNA修复相关药物（如PARP抑制剂尼拉帕利、他拉唑帕利，mTOR抑制剂AZD2014等）表现出更高的敏感性，提示其存在可供靶向治疗的分子弱点。

结论与意义

这项研究聚焦于具有高炎症负担的肝细胞癌人群，成功开发并验证了一个整合了影像学和生化特征的稳健、非侵入性列线图。该模型不仅能在手术患者中准确预测术后复发风险，还能在免疫治疗场景中有效识别出更可能从治疗中获益的患者亚型。它超越传统分期系统，将全身性炎症指标、肿瘤侵袭性影像特征及肝功能指标有机整合，提供了更个体化的风险评估工具。尤为重要的是，该模型在免疫治疗队列中揭示的“高风险高获益”逆转现象，为理解炎症免疫轴的临床价值提供了全新视角。转录组学分析从机制上解释，高风险亚型的肿瘤微环境处于一种“既激活又抑制”的复杂状态，这种状态在免疫检查点抑制剂的干预下，可能被重塑为有利于抗肿瘤免疫应答的“炎症免疫”表型。这为“炎症驱动免疫可塑性”的假说提供了有力证据，并为未来探索免疫联合靶向治疗策略提供了潜在的生物学依据。研究结果将炎症状态与免疫反应性联系起来，为高SII肝细胞癌患者的精准管理和个体化治疗决策提供了一个有前景的新框架。