《Research》：A Deep Learning-Generated Mixed Tumor–Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer
编辑推荐：
本研究针对膀胱癌(BCa)病理评估主观性强、预后预测不准确的问题，开发了基于ResNet50的卷积神经网络(CNN)模型，从H&E染色全切片图像(WSI)中量化混合肿瘤-基质比率(MTSR)。研究发现MTSR是独立预后因子，高MTSR与TGF-β/WNT信号通路激活、ITGB8高表达 urothelial 细胞亚型相关，并构建了mpMRI影像组学模型实现无创预测。该研究为BCa精准管理提供了新的生物标志物和分层工具。
膀胱癌作为泌尿系统常见恶性肿瘤，其高复发和进展倾向始终是临床面临的严峻挑战。目前病理诊断主要依赖病理学家对H&E染色玻片的人工判读，这一过程不仅耗时且存在观察者间差异。尽管TNM分期系统为治疗决策提供了基础框架，但相同分期患者预后差异显著，迫切需要更精确的预后标志物。随着数字病理技术的兴起，人工智能在病理图像分析中展现出巨大潜力，但既往膀胱癌研究多受限于小样本量、狭窄的标签定义或缺乏外部验证。
在这项发表于《Research》杂志的研究中，研究人员开发了一种创新的深度学习方法来量化膀胱癌H&E染色全切片图像中的组织架构特征。他们基于TCGA膀胱癌数据集训练了ResNet50卷积神经网络模型，将其定制用于识别9种组织学类别和背景区域。该模型在内部验证和5个外部多中心队列中均表现出超过90%的分类准确率和>0.95的Cohen's kappa值，显示出卓越的识别能力。
研究团队引入了混合肿瘤-基质比率(MTSR)这一新指标，发现其在所有验证队列中均与总体生存率显著相关。通过多变量Cox回归分析，研究人员构建了结合MTSR和N分期的列线图，其预测性能优于传统临床病理指标。分子机制方面，通过批量RNA测序和单细胞RNA测序(scRNA-seq)分析，揭示了高MTSR肿瘤中细胞外基质重塑、细胞粘附和TGF-β/WNT信号通路富集的特征。
尤为重要的是，研究团队发现了一个富含整合素亚基β8(ITGB8)的尿路上皮细胞亚型(簇8)，该亚型表现出终末分化特征、增强的WNT活性和发送者主导的通讯网络。伪时间轨迹分析表明，ITGB8高表达细胞位于分化轨迹的末端，可能通过调节肿瘤微环境促进疾病进展。
为推进临床转化，研究人员还开发了基于多参数MRI(mpMRI)的影像组学模型，通过随机森林算法预测MTSR状态，在训练集和验证集中分别达到0.701和0.710的准确率，为非侵入性风险分层提供了新途径。
主要技术方法
研究利用TCGA数据库的379例膀胱癌患者450张WSI进行模型训练和内部验证，并纳入5个外部中心的1053例患者1271张WSI进行验证。采用QuPath进行图像标注，基于ResNet50架构进行迁移学习。通过批量RNA测序进行基因集富集分析(GSEA)和免疫细胞浸润估计，对6例新鲜肿瘤组织进行单细胞RNA测序分析细胞异质性。基于mpMRI影像组学特征构建随机森林预测模型。
患者队列特征
研究纳入的多个队列在性别、年龄、病理T分期和肿瘤分级方面具有代表性，确保了研究结果的普遍适用性。TCGA队列中74.41%为男性，63.85%患者年龄≥65岁，99.21%为≥pT2期肿瘤，为深度分析提供了充足的高危病例。
神经网络性能
训练的ResNet50模型在组织分类中表现出色，内部验证数据集和5个独立外部数据集的分类准确率均超过90%。t-SNE可视化显示不同组织类别在嵌入空间中形成明显分离的簇群，证实了模型提取特征的判别能力。
MTSR预后价值评估
在TCGA膀胱癌数据集中，单变量Cox回归确定MTSR是唯一与预后显著相关的组织学亚型(HR=1.034)。Kaplan-Meier生存分析显示，无论是在WSI水平还是患者水平，高MTSR患者的总生存期均显著缩短(P<0.001)。这种趋势在5个外部验证数据集中得到一致证实。
MTSR一致性分析
ResNet50衍生的组织分类与病理学家手动注释之间具有高度一致性，Pearson相关系数达0.917(P<0.001)。组内相关系数(ICC)为0.90，Bland-Altman分析显示两种方法间系统偏差极小，证实了测量方法的高度可重复性。
临床预后模型构建
多变量Cox分析确定MTSR和N分期是膀胱癌患者的独立预后因素。基于这两个变量构建的列线图在C指数和时间依赖性ROC曲线分析中表现出最优的预测性能。校准曲线显示列线图在1年、3年和5年生存预测中具有良好校准度，决策曲线分析证实其临床实用性。
高低MTSR分子特征
高分MTSR肿瘤中，男性、高龄、高级别和晚期TNM分期更为常见。基因组学分析显示，低MTSR肿瘤中FGFR3突变更常见，而高MTSR肿瘤在核糖体生物合成和缺氧适应通路中突变频率更高。通路富集分析表明，高MTSR肿瘤中WNT、TGF-β和mTOR信号通路显著激活。免疫微环境特征显示，高MTSR肿瘤中naive B细胞和巨噬细胞亚群(M0、M1、M2)浸润增加。
单细胞水平分子特征
单细胞RNA测序揭示了高低MTSR样本间明显的细胞群体差异。UMAP聚类识别出16个主要细胞群体，其中簇8被鉴定为关键的尿路上皮细胞亚型。功能状态评估显示，簇8细胞凋亡和自噬活性降低，而WNT信号通路活性显著升高。细胞通讯分析表明，簇8细胞在APP、层粘连蛋白和WNT信号通路中发挥重要作用。
基因模块相关性分析
加权基因共表达网络分析(WGCNA)显示，MTSR状态与多个基因模块存在显著相关性。通过比较TCGA和整合数据集的核心基因与单细胞测序差异表达基因，鉴定出21个重叠候选基因。随机森林模型特征重要性排名中，PTPRS、ITGB8和ABO位列前三位预测因子。SHAP分析进一步证实ITGB8对MTSR预测结果贡献最大。
ITGB8高表达尿路上皮细胞分析
伪时间分析显示簇8位于轨迹末端，代表尿路上皮细胞的终末分化状态。ITGB8和WNT3A表达水平沿伪时间逐渐升高。与低表达组相比，ITGB8高表达细胞表现出更低的凋亡和自噬通路活性，但WNT信号通路活性更高。细胞通讯分析显示ITGB8高表达细胞更可能作为信号网络中的"发送者"。转录因子分析发现BPTF、SOX4、KLF5和POU3F1是ITGB8高表达细胞中的主要调节子。
mpMRI影像组学模型预测MTSR
从每位患者的mpMRI序列中提取1781个定量影像组学特征，ICC在0.756-0.916之间，表明测量一致性良好。基于10个最 informative 特征构建的随机森林分类器在训练集和验证集中的准确率分别为0.701和0.710，AUC分别为0.746和0.657。
研究结论与意义
该研究开发的深度学习生成MTSR在多中心队列中表现出一致的可重复性和预后独立性，与ITGB8富集的基质-致癌通路存在机制联系。通过mpMRI影像组学进行无创估计，为膀胱癌精准管理提供了整合性风险分层工具。研究不仅证实了MTSR作为膀胱癌独立预后因子的价值，还通过多组学分析揭示了其潜在的分子机制，特别是ITGB8高表达尿路上皮细胞亚型在肿瘤进展中的关键作用。这些发现为开发针对肿瘤微环境的治疗策略提供了新思路，有望改善膀胱癌患者的临床管理。
