01文献学习今天分享的文献是由北京大学人民医院王建六教授等团队于2026年3月4日在《MedComm》中科院1区topIF10.7上发表的研究”Non-Invasive Assessment of Complete Regression in Endometrial Cancer Patients Undergoing Fertility Preservation Using MRI-Based Radiomics and Immune Heterogeneity“即基于MRI放射组学与免疫异质性的子宫内膜癌保育治疗患者完全缓解无创评估本研究旨在开发一种基于MRI放射组学的无创预测模型用于评估接受保育治疗的早期子宫内膜癌EC或不典型增生AEH患者的完全缓解CR状态。通过整合影像组学特征、临床病理变量和免疫微环境分析构建并验证了一个高效的预测工具并进一步通过转录组和单细胞测序揭示其生物学基础。创新点①构建多模态影像组学-临床联合预测模型整合影像、免疫组化与代谢指标显著提升完全缓解预测准确性。②首次结合单细胞转录组与影像组学揭示高风险组患者存在CD8 T细胞减少与M2巨噬细胞增多的免疫抑制微环境。③从免疫代谢角度解析影像组学生物学基础发现高风险组富集氧化磷酸化与脂质代谢通路为治疗抵抗提供新视角。临床价值①实现无创、可重复的疗效预测避免反复宫腔镜检查对子宫内膜的损伤保护生育功能。②早期识别激素治疗耐药患者为个体化治疗决策提供依据提高保生育治疗成功率。③影像组学模型具备良好推广性可整合入常规MRI流程推动精准医学在妇科肿瘤中的落地应用。图 1研究整体工作流程图样本与特征提取阶段纳入患者后采集T2加权MRI影像手动勾画肿瘤感兴趣区ROI并三维重建通过PyRadiomics提取放射组学特征同时收集患者临床特征年龄、BMI、代谢指标等、病理特征、IHC评分、代谢风险评分MRS等数据。模型构建与验证阶段将患者按2:1分为训练集n97和验证集n49通过LOOCV、LASSO回归构建放射组学评分模型CARS整合独立预测因子构建多模态列线图采用ROC曲线、C-index、生存分析、校准曲线等方法验证模型性能。机制探究阶段对49例患者行RNA测序、CIBERSORT免疫细胞浸润分析通过GO/KEGG/GSEA分析挖掘差异通路对4例患者行单细胞RNA测序scRNA-seq结合热图、tSNE聚类分析验证放射组学评分与肿瘤免疫微环境的关联最终完成放射组学-免疫的关联分析。02研究背景和目的研究背景子宫内膜癌EC在全球范围内发病率不断上升尤其影响寻求保留生育功能的年轻女性。对于早期EC或不典型增生AEH患者采用高效孕激素进行保守治疗是标准方案尽管约70%的患者可获得完全缓解CR但仍有约30%存在原发性孕激素抵抗且复发率高。目前评估CR的金标准是反复进行宫腔镜检查但这种侵入性操作每三个月就需要重复一次不仅可能造成子宫内膜损伤还会对未来生育潜能构成潜在威胁因此在临床实践中迫切需要开发一种无创、精准的监测手段。近年来影像组学作为从医学图像中高通量提取定量特征的非侵入性工具在表征肿瘤异质性、评估肿瘤微环境TME以及预测治疗反应方面展现出巨大潜力。MRI影像组学能够捕捉传统影像学难以识别的肿瘤生物学信息并与免疫相关基因表达特征相关联。基于此背景研究者提出假设即MRI影像组学特征不仅能预测EC患者对保留生育功能治疗的完全缓解情况还能反映潜在的免疫细胞浸润模式从而为理解治疗反应的生物学基础提供新视角。研究目的本研究旨在开发和验证一种基于多参数MRI的影像组学模型用于非侵入性地预测接受保留生育功能治疗FPT的非典型子宫内膜增生AEH或早期子宫内膜癌EC患者的完全缓解CR状态。具体而言研究者计划通过机器学习方法构建一个影像组学特征CARS并进一步将其与临床病理变量如代谢风险评分、免疫组化评分整合建立一个多模态诺模图以提升个体化预测效能。此外为了揭示影像组学评分的生物学基础本研究还设计了深入的转录组学探索一方面通过批量RNA测序分析高低评分组间的差异表达基因及富集通路另一方面创新性地采用单细胞RNA测序scRNA-seq技术直接解析不同风险评分患者的肿瘤免疫微环境TME特别是CD8 T细胞和M2型巨噬细胞的浸润差异。最终目标是为早期EC患者提供一种精准、无创的风险分层工具以指导临床决策并为理解孕激素治疗抵抗的免疫学机制提供新的见解。03数据和方法研究数据样本来源: 北京大学人民医院2012年1月—2025年1月样本量: 146例患者AEH或早期EC分组: 训练组97例、验证组49例数据类型: T2-weighted MRI影像、临床病理数据、IHC评分、代谢指标、转录组49例、单细胞转录组4例技术方法影像组学特征提取: 使用PyRadiomics从T2-MRI中提取1731个特征。特征筛选与建模: 采用LOOCV框架和LASSO回归筛选7个关键特征构建CARS评分。模型构建: 结合CARS、IHC评分、代谢风险评分MRS构建多模态诺模图。验证: 使用ROC曲线、C-index、校准曲线、KM生存分析等进行模型评估。机制探索: 使用CIBERSORT分析免疫浸润单细胞RNA测序验证免疫细胞分布。04实验结果模型性能: 多模态诺模图在训练集和验证集中AUC分别为0.963和0.986优于单一模型。风险分层: 高评分组CR率显著低于低评分组。免疫特征: 高评分组呈现免疫抑制微环境表现为CD8 T细胞减少、M2巨噬细胞增多。转录组分析: 高评分组富集氧化磷酸化、脂代谢、JAK-STAT3等通路提示代谢活跃与免疫抑制相关。图 2子宫内膜癌放射组学相关风险模型的构建与验证图 3多模态列线图对保留生育功能治疗获益的预测价值图 4多模态列线图在不同患者队列中的性能评估图 5基于放射组学特征的转录组分析揭示生物学模式图 6放射组学高低评分组的肿瘤免疫特征分析05研究结论该研究成功构建并验证了一种基于MRI影像组学的无创预测模型用于评估接受保留生育功能治疗的子宫内膜癌患者能否实现完全缓解。研究结论表明该影像组学特征CARS与患者的代谢风险评分、免疫组化评分共同构成的多模态列线图在预测CR方面表现出极高的准确性训练集AUC达0.963验证集达0.986。更重要的是研究通过转录组和单细胞测序揭示了影像组学评分的生物学基础高风险评分即CR可能性低的患者其肿瘤微环境呈现显著的免疫抑制状态具体表现为CD8 T细胞浸润减少、M2型巨噬细胞富集同时氧化磷酸化和脂质代谢通路上调。这证实了影像组学特征不仅能无创预测治疗效果还能反映潜在的肿瘤免疫异质性和代谢重编程。因此该影像组学模型作为一种非侵入性“虚拟活检”工具有望指导临床为希望保留生育功能的早期子宫内膜癌患者制定个体化治疗方案避免不必要的反复宫腔镜操作具有重要的临床转化潜力。参考文献Li X, Shang K, Wang J, Zhu A, Wu Y, Qi Y, Bi X, Wang Y, Wang J. Non-Invasive Assessment of Complete Regression in Endometrial Cancer Patients Undergoing Fertility Preservation Using MRI-Based Radiomics and Immune Heterogeneity. MedComm (2020). 2026 Mar 4;7(3):e70666. doi: 10.1002/mco2.70666.MedCommIF10.7北京大学人民医院王建六教授等团队基于MRI放射组学与免疫异质性的子宫内膜癌保育治疗患者完全缓解无创评估
MedComm（IF=10.7）北京大学人民医院王建六教授等团队：基于MRI放射组学与免疫异质性的子宫内膜癌保育治疗患者完全缓解无创评估
01文献学习今天分享的文献是由北京大学人民医院王建六教授等团队于2026年3月4日在《MedComm》中科院1区topIF10.7上发表的研究”Non-Invasive Assessment of Complete Regression in Endometrial Cancer Patients Undergoing Fertility Preservation Using MRI-Based Radiomics and Immune Heterogeneity“即基于MRI放射组学与免疫异质性的子宫内膜癌保育治疗患者完全缓解无创评估本研究旨在开发一种基于MRI放射组学的无创预测模型用于评估接受保育治疗的早期子宫内膜癌EC或不典型增生AEH患者的完全缓解CR状态。通过整合影像组学特征、临床病理变量和免疫微环境分析构建并验证了一个高效的预测工具并进一步通过转录组和单细胞测序揭示其生物学基础。创新点①构建多模态影像组学-临床联合预测模型整合影像、免疫组化与代谢指标显著提升完全缓解预测准确性。②首次结合单细胞转录组与影像组学揭示高风险组患者存在CD8 T细胞减少与M2巨噬细胞增多的免疫抑制微环境。③从免疫代谢角度解析影像组学生物学基础发现高风险组富集氧化磷酸化与脂质代谢通路为治疗抵抗提供新视角。临床价值①实现无创、可重复的疗效预测避免反复宫腔镜检查对子宫内膜的损伤保护生育功能。②早期识别激素治疗耐药患者为个体化治疗决策提供依据提高保生育治疗成功率。③影像组学模型具备良好推广性可整合入常规MRI流程推动精准医学在妇科肿瘤中的落地应用。图 1研究整体工作流程图样本与特征提取阶段纳入患者后采集T2加权MRI影像手动勾画肿瘤感兴趣区ROI并三维重建通过PyRadiomics提取放射组学特征同时收集患者临床特征年龄、BMI、代谢指标等、病理特征、IHC评分、代谢风险评分MRS等数据。模型构建与验证阶段将患者按2:1分为训练集n97和验证集n49通过LOOCV、LASSO回归构建放射组学评分模型CARS整合独立预测因子构建多模态列线图采用ROC曲线、C-index、生存分析、校准曲线等方法验证模型性能。机制探究阶段对49例患者行RNA测序、CIBERSORT免疫细胞浸润分析通过GO/KEGG/GSEA分析挖掘差异通路对4例患者行单细胞RNA测序scRNA-seq结合热图、tSNE聚类分析验证放射组学评分与肿瘤免疫微环境的关联最终完成放射组学-免疫的关联分析。02研究背景和目的研究背景子宫内膜癌EC在全球范围内发病率不断上升尤其影响寻求保留生育功能的年轻女性。对于早期EC或不典型增生AEH患者采用高效孕激素进行保守治疗是标准方案尽管约70%的患者可获得完全缓解CR但仍有约30%存在原发性孕激素抵抗且复发率高。目前评估CR的金标准是反复进行宫腔镜检查但这种侵入性操作每三个月就需要重复一次不仅可能造成子宫内膜损伤还会对未来生育潜能构成潜在威胁因此在临床实践中迫切需要开发一种无创、精准的监测手段。近年来影像组学作为从医学图像中高通量提取定量特征的非侵入性工具在表征肿瘤异质性、评估肿瘤微环境TME以及预测治疗反应方面展现出巨大潜力。MRI影像组学能够捕捉传统影像学难以识别的肿瘤生物学信息并与免疫相关基因表达特征相关联。基于此背景研究者提出假设即MRI影像组学特征不仅能预测EC患者对保留生育功能治疗的完全缓解情况还能反映潜在的免疫细胞浸润模式从而为理解治疗反应的生物学基础提供新视角。研究目的本研究旨在开发和验证一种基于多参数MRI的影像组学模型用于非侵入性地预测接受保留生育功能治疗FPT的非典型子宫内膜增生AEH或早期子宫内膜癌EC患者的完全缓解CR状态。具体而言研究者计划通过机器学习方法构建一个影像组学特征CARS并进一步将其与临床病理变量如代谢风险评分、免疫组化评分整合建立一个多模态诺模图以提升个体化预测效能。此外为了揭示影像组学评分的生物学基础本研究还设计了深入的转录组学探索一方面通过批量RNA测序分析高低评分组间的差异表达基因及富集通路另一方面创新性地采用单细胞RNA测序scRNA-seq技术直接解析不同风险评分患者的肿瘤免疫微环境TME特别是CD8 T细胞和M2型巨噬细胞的浸润差异。最终目标是为早期EC患者提供一种精准、无创的风险分层工具以指导临床决策并为理解孕激素治疗抵抗的免疫学机制提供新的见解。03数据和方法研究数据样本来源: 北京大学人民医院2012年1月—2025年1月样本量: 146例患者AEH或早期EC分组: 训练组97例、验证组49例数据类型: T2-weighted MRI影像、临床病理数据、IHC评分、代谢指标、转录组49例、单细胞转录组4例技术方法影像组学特征提取: 使用PyRadiomics从T2-MRI中提取1731个特征。特征筛选与建模: 采用LOOCV框架和LASSO回归筛选7个关键特征构建CARS评分。模型构建: 结合CARS、IHC评分、代谢风险评分MRS构建多模态诺模图。验证: 使用ROC曲线、C-index、校准曲线、KM生存分析等进行模型评估。机制探索: 使用CIBERSORT分析免疫浸润单细胞RNA测序验证免疫细胞分布。04实验结果模型性能: 多模态诺模图在训练集和验证集中AUC分别为0.963和0.986优于单一模型。风险分层: 高评分组CR率显著低于低评分组。免疫特征: 高评分组呈现免疫抑制微环境表现为CD8 T细胞减少、M2巨噬细胞增多。转录组分析: 高评分组富集氧化磷酸化、脂代谢、JAK-STAT3等通路提示代谢活跃与免疫抑制相关。图 2子宫内膜癌放射组学相关风险模型的构建与验证图 3多模态列线图对保留生育功能治疗获益的预测价值图 4多模态列线图在不同患者队列中的性能评估图 5基于放射组学特征的转录组分析揭示生物学模式图 6放射组学高低评分组的肿瘤免疫特征分析05研究结论该研究成功构建并验证了一种基于MRI影像组学的无创预测模型用于评估接受保留生育功能治疗的子宫内膜癌患者能否实现完全缓解。研究结论表明该影像组学特征CARS与患者的代谢风险评分、免疫组化评分共同构成的多模态列线图在预测CR方面表现出极高的准确性训练集AUC达0.963验证集达0.986。更重要的是研究通过转录组和单细胞测序揭示了影像组学评分的生物学基础高风险评分即CR可能性低的患者其肿瘤微环境呈现显著的免疫抑制状态具体表现为CD8 T细胞浸润减少、M2型巨噬细胞富集同时氧化磷酸化和脂质代谢通路上调。这证实了影像组学特征不仅能无创预测治疗效果还能反映潜在的肿瘤免疫异质性和代谢重编程。因此该影像组学模型作为一种非侵入性“虚拟活检”工具有望指导临床为希望保留生育功能的早期子宫内膜癌患者制定个体化治疗方案避免不必要的反复宫腔镜操作具有重要的临床转化潜力。参考文献Li X, Shang K, Wang J, Zhu A, Wu Y, Qi Y, Bi X, Wang Y, Wang J. Non-Invasive Assessment of Complete Regression in Endometrial Cancer Patients Undergoing Fertility Preservation Using MRI-Based Radiomics and Immune Heterogeneity. MedComm (2020). 2026 Mar 4;7(3):e70666. doi: 10.1002/mco2.70666.MedCommIF10.7北京大学人民医院王建六教授等团队基于MRI放射组学与免疫异质性的子宫内膜癌保育治疗患者完全缓解无创评估
