Radiology（IF=15.2）北京大学肿瘤医院影像科孙应实教授团队：CT预测微卫星不稳定性高结肠癌区域淋巴结转移

文献信息

本次分享的文献是由北京大学肿瘤医院医学影像科孙应实教授等团队2025年4月在《Radiology》（中科院1区，IF=15.2）上发表的研究"Predicting Regional Lymph Node Metastases at CT in Microsatellite Instability--High Colon Cancer"即基于CT预测微卫星不稳定高（MSI-H）型结肠癌区域淋巴结转移，该研究为两中心回顾性研究，针对微卫星不稳定性高（MSI-H）结肠癌的传统CT淋巴结评估准确率低的问题，本研究提出基于淋巴结分布模式的新型分期系统（dcN），显著提升淋巴结转移诊断准确性（90% vs 46%），并证实其对免疫治疗反应的预测价值。

研究背景及目标

研究背景

结肠癌是全球第三大常见恶性肿瘤，第二大致死原因。

MSI-H型结肠癌占比约15%，由于肿瘤突变负荷高，免疫反应强，手术切除后往往检出较多增生性反应性淋巴结，但真正的转移比例较低。

现有CT基于淋巴结大小、边界、密度等指标的分期方法，准确率低于50%，常出现过度分期（overstaging）。

临床上淋巴结状态决定治疗策略（单纯根治性手术vs.联合辅助治疗/免疫治疗），因此如何提高CT评估准确率是关键问题。

研究目标

探讨CT所见**淋巴结分布模式（distributionpatterns）**是否能提高MSI-H结肠癌淋巴结转移的诊断准确性。

构建并验证一种基于分布的临床淋巴结分期。

数据和方法

一、研究数据（Study Data）

患者来源与分组

总人群： 从 3183 例结肠癌患者中筛选，最终纳入 368 例 MSI-H 结肠癌患者（共 378 个病灶）。
排除标准：
- 微卫星稳定（MSS）癌（n=2412）
- 合并其他恶性肿瘤（n=33）
- CT 图像质量差（n=24）
- 合并远处转移（n=202）
- 临床/病理资料不全（n=42）
- 病理确认为 N1c（n=71）
- 已接受术前化疗（n=31）

具体分组

开发集（Development set）：
- 来源：北京大学肿瘤医院（2017.12 -- 2022.12）
- 患者：230例（239个病灶）
- 病理分期：pN− 184个病灶；pN+ 55个病灶
验证集（Test set）：
- 来源：北京大学首钢医院（2016.1 -- 2024.1）
- 患者：86例（87个病灶）
- 病理分期：pN− 57个病灶；pN+ 30个病灶
治疗集（Treatment set）：
- 来源：北京大学肿瘤医院（2017.8 -- 2024.2）
- 患者：52例（52个病灶）
- 均接受 新辅助免疫治疗（PD-1/PD-L1单药或联合方案）

患者特征

中位年龄：60岁（IQR 50--70）
性别比例：男 211例，女 157例
临床分期：
- 早期（T1--T2）均无淋巴结转移
- 进展期（T3--T4b）淋巴结转移率较高，但转移概率与浸润深度并非线性关系
病理特点：
- pN+患者肿瘤分化程度更差
- 淋巴管侵犯、神经侵犯比例更高（均 P<0.05）

图 1：研究队列纳入与排除标准流程图

二、技术方案（Technical Methods）

1. CT 成像与评估

成像条件： 增强 CT（腹盆腔），扫描层厚、参数详见附录（未在正文完全展开）。
评估团队： 6 名放射科医生（资深、中级、规培医生各2人），独立阅片；若有分歧，由具有30年经验的专家（孙颖实教授）裁定。
传统 cN 判定标准（clinical N stage）：
- 转移性淋巴结：短径/长径比 >0.8，密度不均或边界不规则
- 非转移性淋巴结：短径/长径比 <0.8，密度均匀、边界规则

2. 淋巴结分布模式（Distribution Patterns）

通过三维 CT（轴位、冠状位、矢状位）综合判定：

血管分布（Vascular distribution）：

- 所有淋巴结边界清楚，沿供应动脉或静脉排列

拥挤簇集（Jammed cluster）：

- ≥3个淋巴结边界模糊，彼此紧密簇集
- 至少有一个淋巴结远离血管

部分融合（Partial fusion）：

- 多个边界不清的淋巴结聚集，并部分融合成团

3. 新模型构建（dcN：distribution-based cN）

诊断流程：
- 所有淋巴结均表现为"血管分布" → 定义为 dcN−（无转移）
- 出现"拥挤簇集"或"部分融合" → 定义为 dcN+（有转移）
模型建立方法：
- 在开发集中，用单变量 & 多变量 Logistic 回归分析
- 结果显示"拥挤簇集"和"部分融合"是独立预测因子，而"血管分布"与转移无关
- 最终纳入 dcN 模型

4. 病理与临床验证

病理标准：AJCC/UICC 第八版 TNM 分期，病理学确认 pN 状态
新辅助免疫治疗疗效判定：
- 病理完全缓解（pCR）： 切除标本中无残余癌细胞
- 临床完全缓解（cCR）： CT示肿瘤缩小 ≥75%，镜下活检阴性

5. 统计学方法

组间比较： Mann-Whitney U 检验（连续变量），χ²检验（分类变量）
预测因子筛选： Logistic 回归（单变量、多变量）
相关性分析： Kendall τ-b
模型性能验证： 计算准确率、敏感性、特异性、PPV、NPV，组间差异用 McNemar 检验
观察者一致性： Fleiss κ（0--0.49差，0.50--0.75中等，0.76--0.90良好，>0.90极佳）
显著性标准： P < 0.05

实验结果图

图 2：CT 检测的区域淋巴结分布模式示意图与代表性图像

包含三类模式：

Vascular distribution（血管分布）：

淋巴结边界清楚，沿血管排列。

CT示例：多发清晰淋巴结分布于血管周围。

Jammed cluster（拥挤簇集）：

≥3个边界模糊的淋巴结紧密簇集。

CT示例：多位患者表现为团簇样分布。

Partial fusion（部分融合）：

多个淋巴结边界不清，部分融合为一团。

CT示例：显示典型淋巴结融合征象。

图 3：dcN 分期诊断流程示意图

首先判断CT上是否检测到区域淋巴结。

如果所有淋巴结都表现为血管分布 ，则定义为 dcN- （无转移）。

如果存在 拥挤成簇 或 部分融合 中的任何一种模式，则定义为 dcN+ （转移）。

图 4：dcN 分期临床案例示例

案例A（dcN −）： 26岁女性，血管分布 → 病理证实pN−

案例B（dcN+）： 54岁男性，拥挤簇集 → 病理证实pN+

案例C（dcN+）： 66岁女性，部分融合 → 病理证实pN+

讨论

创新方向

提出淋巴结分布模式的影像学新指标，而非单一依赖大小、边界等传统形态学特征。

构建了dcN模型，显著提升诊断准确性与特异性。

将CT评估与免疫治疗疗效预测相结合，具备转化医学意义。

局限性

回顾性研究，部分转移淋巴结无法一一对应病理验证。

未纳入PET/CT，可能影响综合评估。

免疫治疗方案不统一，存在一定干扰因素。

研究对象仅限MSI-H结肠癌，是否适用于MSS（微卫星稳定型）结肠癌需进一步研究。

临床价值

提高术前影像学评估的准确性，避免过度分期和不必要的治疗。

为选择合适患者接受新辅助免疫治疗提供参考。

有助于指导更精准的外科切除与个体化治疗。