AI驱动的身体成分动态监测：揭示mCRPC患者RLT治疗的预后新标志物

身体成分的微妙波动，或成为mCRPC患者放疗效果和生存的新“晴雨表”

转移性去势抵抗性前列腺癌（mCRPC）是前列腺癌的终末阶段，预后极差。近年来，以[¹⁷⁷Lu]Lu-PSMA为代表的放射性配体疗法（RLT）已成为mCRPC的标准治疗方案之一，显著改善了患者预后。然而，临床实践中观察到明显的个体差异，并非所有患者都能从RLT中获益，约有四分之一的患者甚至表现为原发性疾病进展。因此，迫切需要开发准确、便捷的生物标志物来预测治疗反应和总生存期（OS），以指导个体化治疗决策。尽管肿瘤恶病质、肌肉减少症等身体成分（BC）指标被认为与肿瘤患者的不良结局密切相关，但以往研究大多集中于治疗前的静态BC评估，而这些基线指标在预测RLT疗效方面的价值尚未得到证实。

近期在EJNMMI RESEARCH上发表的一项研究，系统探讨了人工智能（AI）在监测mCRPC患者治疗反应中的预后价值[1]。该研究通过对92名接受[¹⁷⁷Lu]Lu-PSMA RLT（放射性配体疗法）的mCRPC患者进行回顾性分析，旨在评估一个关键问题：在mCRPC的RLT治疗中，BC的动态变化能否作为OS的可靠预测因子。该研究的核心思路在于，利用一种集成于PACS系统的AI软件，定量分析从基线到第二次治疗后（中期）BC参数（如内脏脂肪VAT）的相对变化，并使用Cox回归模型评估其与OS的关联性。这种从“静态基线”转向“动态监测”的研究思路，为RLT的疗效评估和患者分层管理提供了新的生物标志物。

研究设计

本研究是一项单中心、回顾性分析，纳入在2015年9月至2023年12月间接受[¹⁷⁷Lu]Lu-PSMA RLT的mCRPC患者。纳入标准严格规定了影像时间点：患者必须在RLT开始前（≤6周）进行基线检测[⁶⁸Ga]Ga-PSMA-11 PET/CT，并在第二个RLT周期后（6-8周）进行一次中期扫描，以实现纵向评估。研究的核心方法是使用一种基于卷积神经网络、并已集成到PACS系统的AI软件，对基线和中期的CT图像进行BC自动分割，以量化VAT、皮下脂肪（SAT）和骨骼肌指数（SMI）等参数。研究的重点是计算这些BC参数从基线到中期的相对变化值。在统计分析上，研究采用单变量和多变量Cox回归模型来评估BC基线值和相对变化值对OS的预测作用，并使用log-rank检验和Charité cutoff finder确定VAT变化的最佳截断值

研究结果

该研究共纳入92名mCRPC患者，中位年龄69岁，中位初始Gleason评分为9分。在基线特征中，93.5%的患者有骨转移，83.7%有淋巴结转移，10.9%有肝转移。在随访期间，78名患者（84.8%）死亡，整个研究队列的OS为16.3个月。

图1 总研究人群总生存率的Kaplan-Meier曲线

在单变量Cox回归分析中，研究人员评估了临床、实验室及AI-BC参数的预后价值。结果显示，基线BC参数均未显示出对OS的显著预测价值。然而，一些临床和实验室指标显示出显著相关性，例如存在肝转移（HR=2.63）、既往接受过Ra-223治疗（HR=2.39）和既往接受过任何类型的化疗（HR=2.50）均与较差的OS相关。此外，基线PSA水平、血红蛋白水平和De Ritis比率（HR=1.54）也是显著的预测因素。

本研究的核心发现来自于动态变化的分析。在单变量分析中，从基线到第二次RLT治疗后（中期），骨骼肌指数（SMI）、皮下脂肪组织（SAT）和内脏脂肪组织（VAT）的相对变化均是OS的显著预测因子。在随后的多变量Cox回归分析中，仅有四个因素保留了其作为OS独立预测因子的地位：存在肝转移（HR=2.42；p=0.018）、既往接受过任何类型的化疗（HR=2.43；p=0.003）、较高的基线De Ritis比率（HR=1.40；p<0.001），以及VAT的相对变化（HR=0.26；p=0.006）。

表1 单变量和多变量Cox回归

为了具象化VAT变化的影响，研究确定-20%为最佳截断值。基于此，患者被分为VAT高度减少组（<-20%）和VAT低度减少/增加组（≥-20%）。Kaplan-Meier生存分析显示，两组的OS存在显著差异：VAT高度减少组的中位OS仅为10.2个月，而VAT低度减少/增加组的中位OS为18.5个月（log-rank test: p=0.008）。这一发现的重要性在于其独立性。在单独的Cox模型中，VAT的相对变化被证实其预后价值独立于治疗1-2个周期后的最佳PSA反应（p=0.005，而PSA反应p=0.09），且两者之间没有显著的交互作用（p=0.09）。

图2 由VAT的相对变化分隔的总生存率Kaplan-Meier曲线

此外，VAT的快速消耗似乎是全身分解代谢状态的标志。数据显示，与VAT低度减少/增加组相比，VAT高度减少组（<-20%）的患者在同一时期内也经历了更显著的BMI和SAT下降。这表明，在RLT治疗早期通过AI监测到的VAT快速流失，可能是提示肿瘤恶病质（Tumor Cachexia）发展的一个客观指标，为临床提供了超越传统PSA反应的额外预后信息。

表2 身体成分参数以VAT的相对变化分组

总结

本研究通过一项单中心的回顾性分析，利用AI技术有效评估了在RLT治疗中监测BC的预后价值，清晰地揭示了基线BC参数在预测OS方面的局限性。研究结果显示，治疗前的BC指标（如BMI、SMI或VAT）均未显示出显著的预后价值，然而，治疗期间的动态变化，特别是VAT的相对减少，却展现出强大的独立预测能力。该动态变化指标的预后价值独立于传统的最佳PSA反应，表明其提供了额外的预后信息。尽管本研究（作为一项回顾性研究）的结果可能受到单中心设计和潜在选择偏倚（如肝转移患者分布不均）的干扰，但其揭示的“动态监测”优于“静态基线”的理念具有重要临床指导意义。随着未来对营养干预（如高热量饮食）是否能改善VAT消耗并延长生存期的深入研究，这种AI驱动的动态监测有望在mCRPC的精准分层和个体化治疗中发挥关键作用。

参考文献：

[1] Ruhwedel T, Rogasch J, Galler M, et al. AI-driven body composition monitoring and its prognostic role in mCRPC undergoing lutetium-177 PSMA radioligand therapy: insights from a retrospective single-center analysis[J]. EJNMMI Research, 2025, 15(1): 112.

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。