治疗肌层浸润性膀胱癌，医生们手中有一张重要的“术前牌”——新辅助化疗。它能在手术前给予肿瘤系统性打击，以期提高手术效果和患者生存率。然而，这张牌的效果因人而异，并非对所有患者都有效。当前临床上面临一个核心难题：我们缺乏可靠的工具，能够在治疗前精准预测哪些患者能从新辅助化疗中真正获益。如果给了一个可能无效的患者进行高强度化疗，不仅会延误手术时机，还可能带来不必要的毒副作用，严重影响生活质量。因此，寻找能够预测新辅助化疗疗效的“生物标志物”，实现个体化治疗，是改善膀胱癌患者预后的关键一步。
近年来，一个看似与肿瘤不直接相关的指标——肌肉减少症，即与年龄相关的骨骼肌质量和力量的进行性丧失，进入了研究者的视野。越来越多的证据表明，肌肉减少症与多种癌症的不良预后相关，在膀胱癌患者中尤为明显。这背后可能隐藏着复杂的生物学联系，包括药物代谢改变、全身慢性炎症状态等。然而，传统评估肌肉减少症的方法（如双能X线吸收法、MRI、CT手工测量）往往耗时、昂贵且存在观察者间差异。与此同时，人工智能技术在医学影像分析领域飞速发展，为快速、自动化、可重复地评估身体成分（包括肌肉量）提供了新可能。那么，能否利用人工智能这把“利器”，从患者常规进行的CT检查中自动、精准地评估肌肉减少症，并将其作为一个强有力的预测指标，来指导肌层浸润性膀胱癌的新辅助化疗决策呢？发表在《La radiologia medica》上的一项研究，正是为了回答这个问题。
为了探究AI评估的肌肉减少症对NAC疗效的预测价值，研究人员开展了一项单中心回顾性研究。他们纳入了经病理确诊为非转移性肌层浸润性膀胱癌、接受了新辅助化疗并拥有治疗前多参数MRI和基线CT扫描的55名患者。研究使用名为Quantib body composition®的AI软件，自动分析患者治疗前CT图像，在第三腰椎水平计算骨骼肌指数来定义肌肉减少症。同时，利用NacVI-RADS算法评估患者治疗后的MRI，以判断对系统治疗的放射学反应。病理学上的金标准是根治性膀胱切除术后标本的肿瘤回归分级。研究通过多变量逻辑回归分析评估NAC反应的独立预测因子，并通过受试者工作特征曲线分析验证SMI的预测能力。
患者特征
最终研究人群包括55名患者，平均年龄67.2岁，其中男性占84%。AI软件分析显示，36.4%的患者存在肌肉减少症。
肌肉减少症与病理反应
研究数据揭示了一个显著差异：在化疗有反应（TRG 1-2）的患者中，仅有9.09%存在肌肉减少症；而在无反应（TRG 3）的患者中，这一比例高达45.45%，两者关联具有高度统计学意义。虽然反应者的中位骨骼肌面积也高于无反应者，但未达统计学显著性。然而，反应者的中位骨骼肌指数（SMI）显著高于无反应者，这强烈提示更高的肌肉量与更好的治疗反应相关。
放射学反应与临床预测因子
单变量逻辑回归分析发现，共病、较高的NacVI-RADS评分（4-5分组）以及肌肉减少症与较差的治疗反应显著相关。多变量分析在调整了其他因素后，确认了三个独立的NAC反应不良预测因子：肌肉减少症 、共病 以及高NacVI-RADS评分 。值得注意的是，NacVI-RADS评分分组中，将类别3与1-2归为一组（即1-2-3 vs. 4-5）在预测中更具意义，这提示NacVI-RADS 3分可能代表了治疗后不再是肌层浸润的病例。
预测性能：ROC分析
受试者工作特征曲线分析进一步证实了骨骼肌指数在区分治疗反应者与无反应者方面的卓越判别能力，其曲线下面积高达0.952，表明SMI作为一个连续变量具有极高的预测价值。
讨论与结论
本研究证实，由人工智能通过CT分析评估的肌肉减少症，是肌层浸润性膀胱癌患者对新辅助化疗反应不良的一个强有力的独立预测因素 。肌肉减少症患者对化疗反应不佳的风险是非肌肉减少症患者的数倍。这一关联可能源于肌肉减少导致的药物代谢动力学改变、慢性炎症状态及机体代谢储备下降等多重生物学机制。研究同时强化了NacVI-RADS评分系统，特别是其高分（4-5分）在预测不良预后方面的价值。
这项研究的重要意义在于，它将人工智能技术与临床实际需求紧密结合。通过利用患者常规检查（CT）中“沉睡”的影像信息，AI软件能够快速、客观地量化肌肉减少症这一重要的全身状态指标。这为临床医生提供了一个在治疗前即可便捷获取的、强大的预测工具。将AI驱动的肌肉减少症评估整合到肌层浸润性膀胱癌的临床分期和治疗决策流程中，有助于更精准地进行风险分层。对于那些被识别为高风险（如合并肌肉减少症、高NacVI-RADS评分）的患者，临床医生可以提前考虑更积极的监测、调整治疗方案（如考虑替代化疗方案或直接手术），或启动针对性的营养和康复干预，以改善其身体状态和治疗耐受性，最终实现更个体化、更精准的医疗，提升患者整体治疗效果和生存质量。尽管该研究受回顾性设计和样本量所限，其发现为未来开展更大规模的前瞻性研究奠定了坚实基础，并展示了人工智能在优化癌症治疗决策中的巨大潜力。
打赏
