《Cancers》：Fibrosis of Periprostatic Adipose Tissue: A Potential Marker of Prostate Cancer Aggressiveness
Yiling Jin,
Jinyue Hu,
Gang Wang,
Yu Zhang,
Zhiming Bai,
Mengxing Huang and
Jing Chen
编辑推荐：
本研究首次揭示了前列腺周脂肪组织（PPAT）纤维化与前列腺癌（PCa）侵袭性（Grade Group分级）及肿瘤原发位置（外周带）的显著相关性，并通过MRI影像组学（Radiomics）特征成功构建了预测模型（AUC=0.86），验证了其作为无创评估PCa侵袭性潜在生物标志物的可行性，为PCa的早期诊断和个体化治疗提供了新视角。
引言
随着全球人口老龄化趋势加剧，前列腺癌已成为男性最常见的恶性肿瘤之一。尤其在发展中国家，大部分病例诊断时已处于中晚期，总体预后较差。近年来，前列腺周脂肪组织（PPAT）因其与前列腺癌侵袭性的潜在关联而受到关注。在肿瘤微环境（TME）中，PPAT纤维化已成为一个关键的组织学特征。然而，PPAT在前列腺癌中的功能作用仍存在争议。有研究认为，PPAT在早期可能发挥保护作用，而另一种观点则将其病理重塑与肿瘤侵袭性加速相联系。PPAT纤维化与前列腺癌侵袭性之间的机制联系尚未完全阐明，其作为无创预测标志物的转化潜力也有待验证。目前，PPAT纤维化的评估主要依赖于手术标本的有创组织学分析。因此，本研究旨在系统性地探究PPAT纤维化的定量指标与前列腺癌侵袭性的相关性，表征PPAT纤维化与前列腺内原发肿瘤位置的关系，并探索基于MRI影像组学特征无创评估PPAT纤维化和预测前列腺癌侵袭性的可行性。
材料与方法
研究人群
本研究是一项回顾性、单中心、横断面研究，纳入了2020年10月至2023年5月期间在中南大学湘雅医院（海口）接受机器人辅助腹腔镜前列腺癌根治术（RALP）的患者。最终共有51名患者符合纳入标准。所有患者均接受了临床评估、前列腺特异性抗原（PSA）检测、盆腔MRI和RALP手术。为了确保客观性和准确性，影像科医生对病理结果设盲，病理科医生对多参数MRI（mpMRI）结果设盲。
队列分层
为减少偏倚并确保组间平衡，根据侵袭性对纳入病例进行分层。采用前列腺癌分级分组（Grade Group, GG）系统，将病例分为低侵袭性组（14例，27.45%）、中侵袭性组（19例，37.25%）和高侵袭性组（18例，35.29%）。
PPAT纤维化数据的定量获取
手术中收集的PPAT样本经石蜡包埋、切片后，进行天狼星红染色，并使用尼康激光共聚焦显微镜成像。利用Imaris软件（版本9.0.1）中的Filament Tracer模块对胶原纤维网络进行三维重建，自动量化了12个不同的纤维化指数，以全面评估PPAT的纤维化程度。这些指标包括：
- •
整体结构状态：纤维长度（μm）、纤维面积（μm2）、纤维体积（μm3）。
- •
物理属性：纤维分支平均直径（μm）、纤维分支平直度、纤维分支角度（°）、纤维分支取向角（°）。
- •
结构复杂性：纤维分支点数、纤维分支数、纤维独立段数、纤维终端点数、纤维Sholl交点数。
这些指标综合量化了PPAT纤维化的整体和局部特征，包括结构排列和物理属性变化，其中力学特性是间接替代标志而非直接测量。
MR影像选择与处理
MR影像选择
使用3T MRI系统获取影像。选择轴位T2加权成像（T2WI）序列来标注前列腺癌原发病灶，并记录其最大直径和位置（外周带、中央带）。对于PPAT标注，则使用T1加权成像（T1WI）序列，因其能更好地区分前列腺和PPAT轮廓。
PPAT边界与感兴趣区（ROI）勾画及体积计算
PPAT边界定义如下：前方为耻骨联合，外侧为闭孔内肌，后方为Denonvilliers筋膜（不包括直肠系膜脂肪），上方为膀胱，下方为尿道括约肌。使用3D Slicer软件（版本5.2.2）的Segment Editor模块，在T1WI图像上从前列腺底部到尖部逐层手动勾画PPAT。同样，在T2WI图像上逐层分割肿瘤。所有标注均由经验丰富的影像科医生复核。通过3D Slicer的Models模块计算了51名患者的PPAT体积（mm3），并与PPAT纤维化的预测价值进行比较。
分割一致性验证
通过两名影像科医生独立勾画20个随机病例的PPAT，评估观察者间和观察者内一致性。使用Dice相似系数和Hausdorff距离量化观察者间一致性，并使用组内相关系数（ICC）评估观察者内可重复性。保留ICC > 0.75的稳健影像组学特征。
影像组学特征提取
使用开源Python库PyRadiomics（版本1.2.0）提取影像组学特征。每名患者共提取1409个特征，包括一阶统计特征、形状和大小特征、基于纹理矩阵的纹理特征以及基于滤波器的特征。原始特征数据通过StandardScaler函数进行标准化（均值为0，标准差为1）。随后使用岭回归计算影像组学评分（rad-score）。
前列腺癌侵袭性预测模型的开发
数据集（51例）经随机打乱后，采用XGBoost算法构建模型，并应用五折交叉验证策略（训练集41例，验证集10例）。进行超参数调优以优化模型性能。目标是找到最佳参数组合，以最大限度地提高模型的准确性和整体性能。整个影像组学分析工作流程清晰展示了从数据预处理到模型评估的完整步骤。
统计分析
连续变量以均值±标准差表示，分类变量以频数表示。使用SPSS软件（版本26.0）和Python进行分析。多组连续变量比较采用方差分析（ANOVA），两组比较采用t检验。连续变量间的线性关系采用Pearson相关分析评估，等级数据相关性采用Spearman相关分析。多变量分析采用岭回归。统计显著性定义为p < 0.05，p < 0.01为高度显著。
结果
PPAT纤维化与前列腺癌侵袭性的相关性
Spearman相关分析显示，PPAT纤维化指数与前列腺癌侵袭性之间存在统计学显著关系。以下纤维化指数与侵袭性显著相关（p < 0.01）：纤维长度、纤维面积、纤维体积、分支取向角、分支点数、分支数、独立段数、终端点数和Sholl交点数。此外，平均分支直径、分支角度和分支平直度也与侵袭性相关（p < 0.05）。这些结果表明，随着前列腺癌侵袭性增加：PPAT纤维的面积、长度和体积增加；纤维直径变大；纤维的排列和分布变得更加无序；纤维的结构复杂性增加。相比之下，PPAT体积与前列腺癌侵袭性无显著相关性（p = 0.616）。这些发现表明，与PPAT体积相比，PPAT纤维化可能作为评估前列腺癌侵袭性的更优潜在标志物。进一步分析显示，PPAT体积与部分纤维化指数（纤维长度、面积、体积、终端点数）存在显著相关，但与其余指数无关。这提示PPAT纤维化指数可能是比PPAT体积更优的潜在标志物。
PPAT纤维化与前列腺肿瘤位置的相关性
Spearman相关分析显示，PPAT纤维化指数与前列腺癌患者原发病灶的位置之间存在统计学显著关系。在分析前，评估了外周带（PZ）和中央带肿瘤之间的潜在混杂变量，包括肿瘤分级和原发病灶最大直径，两者在肿瘤分级（p = 0.382）或最大直径（p = 0.415）上均无显著差异。以下纤维化指数与肿瘤位置强相关：纤维长度（r = 0.371, p < 0.01）、纤维面积（r = 0.366, p < 0.01）和终端点数（r = 0.395, p < 0.01）。此外，以下指数与肿瘤位置显著相关：纤维体积（r = 0.352, p < 0.05）、分支取向角（r = -0.315, p < 0.05）、分支点数（r = 0.35, p < 0.05）、分支数（r = 0.28, p < 0.05）、独立段数（r = 0.35, p < 0.05）和Sholl交点数（r = 0.278, p < 0.05）。这些发现表明，原发肿瘤位于前列腺外周带的患者往往表现出更高程度的PPAT纤维化，其特征是纤维数量增加、刚度更大、弹性降低以及纤维排列更加紊乱。此外，我们评估了原发病灶最大直径与PPAT纤维化的相关性，但未发现统计学显著结果。这些发现表明，PPAT纤维化的特征更多受肿瘤位置而非大小的影响。位于外周带的肿瘤可能更容易诱发周围脂肪组织的纤维化反应。
在评估的51例患者中，有40例可获得T分期数据，分布如下：≤T2期（n = 27）和≥T3期（n = 13）。基于根治性前列腺切除术标本的病理评估，24例外周带肿瘤患者中有8例（33.3%）存在包膜外侵犯（ECE）。我们还评估了外周带亚组中ECE状态与PPAT纤维化指数的相关性。尽管在ECE阳性病例中观察到纤维化指数有增加趋势，但这些差异未达到统计学显著性。同时，分析了PSA水平、体重指数（BMI）与PPAT纤维化的相关性，以及根据T分期和N分期（非转移性：N0；转移性：≥N1）的PPAT纤维化严重程度差异。结果显示无统计学显著相关性。这些结果表明，与PSA水平、BMI和TNM分期相比，前列腺癌侵袭性的进展可能更早、更显著地反映在PPAT纤维化程度的增加上。PPAT纤维化受这些因素影响较小，反而可能作为前列腺癌侵袭性比这些常规参数更敏感的早期标志物。
PPAT影像组学特征与纤维化程度关系的验证
为了探索利用无创影像数据评估PPAT纤维化的可能性，本研究尝试在病例的T1WI图像上勾画PPAT，提取影像组学特征，并验证其与PPAT纤维化指数的相关性。从每位患者的T1WI图像中提取了总共1409个影像组学特征。在应用方差分析过滤掉组间无显著差异的特征后，最终确定了16个在不同风险水平组间具有统计学显著差异的特征（p < 0.05）。这些显著特征涵盖了来自不同图像处理技术的多种指标。这些结果表明，影像组学特征可能为PPAT纤维化程度提供有意义的、无创的见解，有望成为临床评估的有价值工具。
该模型展示了每个影像组学特征对rad-score的贡献，rad-score是预测PPAT纤维化及其与前列腺癌侵袭性关联的综合指标。Pearson相关分析结果显示，前列腺癌患者的PPAT影像组学评分与纤维分支的平均直径之间存在统计学显著正相关（p = 0.042）。这一发现表明，随着影像组学评分的增加，纤维直径变得更粗，提示纤维结构可能变得更粗糙。此外，我们尝试使用PPAT影像组学特征开发前列腺癌侵袭性预测模型。验证集的评估显示，该预测模型性能良好，曲线下面积（AUC）为0.86，表明其具有很高的区分能力。该模型的准确率为0.66，召回率为0.72，精确率为0.74。该预测模型在评估前列腺癌侵袭性方面的有效性和可靠性，突显了PPAT影像组学特征可以部分反映前列腺癌患者的癌症侵袭性。这些发现支持了这些特征在无创诊断应用中的潜在效用。
讨论
本研究初步验证了PPAT纤维化与前列腺癌侵袭性的相关性。首次证明了纤维化与外周带肿瘤之间的显著关联。此外，我们还提出了一种从纤维数量、直径、刚度和弹性等多角度量化纤维化的方法。并探索了利用基于MRI的T1WI无创数据结合影像组学分析评估PPAT纤维化程度的可行性。本研究旨在为理解PPAT在前列腺癌进展中的作用提供新见解，并为前列腺癌的早期诊断和治疗提供新方法。
与先前研究相比，我们的发现进一步证实，作为TME的一部分，PPAT纤维化在前列腺癌细胞行为中发挥调节作用。PPAT纤维化的定量组织学指数与病理纤维化的核心生物学特征高度一致。纤维长度、面积和体积的增加反映了胶原沉积的增强，这是由过度细胞外基质（ECM）合成和沉积驱动的纤维化组织重塑的典型特征。同时，树突状分支点、段和端点数量的增加对应于病理性纤维化特有的无序和高度分支的胶原纤维结构，表明PPAT中有序纤维排列的丧失。这种对正常生理组织结构的偏离破坏了脂肪组织的生理功能，并为前列腺癌进展创造了允许的微环境，这为PPAT纤维化与肿瘤侵袭性的优越关联提供了机制依据：与PPAT体积（它仅代表前列腺周脂肪组织的结构形态参数，不反映功能或病理重塑）不同，PPAT纤维化指数量化了TME的病理结构和力学改变，这些改变与肿瘤细胞侵袭、迁移和转移潜力的生物学过程（癌症侵袭性的关键标志）直接相关。在前列腺癌侵袭性增加的早期阶段，PPAT可能已经表现出结构复杂性，包括纤维数量增加和分布模式改变。本研究还揭示了PPAT纤维化程度与原发肿瘤位置之间的显著相关性，表明位于外周带的肿瘤可能更容易诱发周围脂肪组织的纤维化反应。这些发现突显了PPAT纤维化在重塑TME中的作用。PPAT纤维化的增加可能作为前列腺癌侵袭性增加的早期生物标志物。这些发现支持了肿瘤通过TME重塑周围组织的假说，并表明PPAT纤维化可能成为比PPAT体积更敏感的早期诊断前列腺癌的生物标志物，从而促进早期检测和及时干预。
尽管我们的研究结果表明PPAT纤维化增加与肿瘤侵袭性相关，但有研究报道，PPAT可能在疾病早期发挥抗肿瘤作用，这很可能是由脂肪因子介导的。相反，随着疾病进展，TME经历广泛重塑，导致缺氧诱导的改变，从而驱动脂肪组织纤维化。这种纤维化转变的特征是胶原沉积增加和组织硬化，为癌细胞的侵袭和转移创造了有利的生态位。我们的研究为后一种假说提供了证据支持，并有助于调和这些相互矛盾的观察结果。这表明，PPAT从保护性作用转变为促肿瘤作用，可能以纤维化的发作为标志，这可能代表了疾病进展的关键转折点。未来的研究应侧重于阐明引发这种纤维化转变的分子触发因素，以更好地理解这些相反功能之间的转换。前列腺癌具有高度异质性，经常表现出多灶性生长并伴有持续性慢性炎症，这导致局部组织损伤和解剖结构破坏，最终促进淋巴结（LN）侵犯。尽管本研究未直接测量队列中的特定血液炎症标志物，但进一步研究炎症标志物与PPAT纤维化之间的相关性，对于阐明TME背后的病理生理机制至关重要。全身炎症指标升高通常表明促炎性TME的建立，这可以进一步上调促纤维化细胞因子如转化生长因子-β（TGF-β）和白介素-6（IL-6）的表达，从而加速纤维化进程。这些发现为前列腺周脂肪纤维化的潜在机制提供了新的见解。未来的研究应整合全身炎症标志物的多维分析与定量组织学纤维化指数，以更精确地描绘局部炎症、PPAT纤维化和前列腺癌侵袭性之间的因果关系和分子通路。
我们进一步证明了前列腺周脂肪组织纤维化的影像组学特征与已确立的病理预后因素（包括更高的Gleason评分和更晚的病理T分期）之间存在显著关联。这些发现共同表明，这种影像学生物标志物在基于疾病侵袭性对患者进行无创风险分层方面具有相当大的前景。此外，这些结果也为未来的研究提供了一个新方向，特别是探索影像学量化的纤维化与前列腺周脂肪微环境中关键促纤维化和上皮-间质转化（EMT）相关蛋白的组织表达之间的关系。
局限性
本研究存在几个重要的局限性，必须予以承认。首先，本研究的影像组学部分目前应被视为有前景的概念验证工作。模型是使用有限的单中心数据集（仅51名患者，其中41名用于训练，10名用于验证）开发和验证的。尽管XGBoost模型的AUC达到了0.86，但由于验证队列规模小，未报告置信区间。重要的是，未进行外部验证。因此，报告的模型性能应被视为初步结果。模型的稳定性以及对更广泛独立人群的普遍适用性仍有待确认，这是临床转化的一个主要限制。其次，为降低假阳性结果（I型错误）的风险，在模型构建前应用了方差分析来过滤不显著的影像组学特征。然而，在纤维化指数的相关性分析中，未使用正式的多重比较校正方法，如错误发现率（FDR）校正。因此，所识别的显著相关性应谨慎解释。未来的工作应侧重于扩大队列规模、进行严格的多重检验校正和外部验证。此外，我们承认分析未完全控制所有潜在的混杂因素，例如精确的肿瘤体积、包膜外侵犯状态或外周带内的详细亚区域分层。虽然这种位置特异性关联背后的生物学机制尚属推测，但可能与前列腺外周带包膜与PPAT的解剖邻近性有关。未来的研究有必要进一步探究驱动这种位置特异性纤维化反应的分子机制。
结论
前列腺癌局部TME的变化可能会加剧PPAT纤维化的程度，进而促进肿瘤细胞的侵袭和转移。这一方面在以往的研究中探索不足。本研究的发现有助于更深入地理解前列腺癌微环境在肿瘤进展中的作用，从而为PPAT在前列腺癌发展中的作用提供了新的视角。这项工作旨在为前列腺癌的诊断和治疗提供新的见解，并为前列腺癌患者的个体化治疗方案提供科学依据。
