《Advanced Science》：Artificial Intelligence-Based Body Composition Analysis Reveals Sex-Specific Prognostic Markers and Their Clinical Value in Gastric Cancer: A Multicenter Study
编辑推荐：
背景与目的：传统的身体成分评估无法捕捉其在胃癌（gastric cancer, GC）中的多维复杂性。本研究旨在系统评估多维身体成分及其在GC中的临床相关性。方法：研究人员回顾性纳入了1196例GC患者和983例健康对照。使用nnU-Net对身体成分进行分割。
背景与目的：传统的身体成分评估无法捕捉其在胃癌（gastric cancer, GC）中的多维复杂性。本研究旨在系统评估多维身体成分及其在GC中的临床相关性。方法：研究人员回顾性纳入了1196例GC患者和983例健康对照。使用nnU-Net对身体成分进行分割。采用倾向性评分匹配（propensity score matching, PSM）比较患者与健康对照之间的身体成分差异。研究人员评估了不同治疗队列中的预后价值，并整合了TCGA的病理和转录组学数据进行探索性分析。研究人员开发了性别特异性预后模型并进行了外部验证。结果：AI驱动的身体成分参数显示出与生存的性别特异性关联。在手术患者中，较高的肌肉/脂肪面积/指数和较低的脂肪密度与更长的生存期相关（L1肌肉面积：HR = 0.438，校正后p = 0.001）。在接受免疫检查点抑制剂（immune checkpoint inhibitor, ICI）治疗的女性中，较高的皮下脂肪面积（subcutaneous fat area, SFA）改善了生存期（L2 SFA：HR = 0.972，校正后p = 0.045）。研究人员观察到身体成分与肿瘤微环境特征（包括间质组成、上皮-间充质转化（epithelial-mesenchymal transition, EMT）相关通路和免疫浸润）之间存在潜在关联。性别特异性预后模型在测试队列中达到了C指数0.723（男性）和0.705（女性），优于传统预测因子。结论：多维身体成分与GC的预后相关，并可能作为风险分层的补充生物标志物。
### 论文解读：基于人工智能的身体成分分析在胃癌预后评估中的性别特异性价值与临床意义
#### 研究背景与问题
胃癌（gastric cancer, GC）是全球高发恶性肿瘤，尤其在东亚地区负担沉重。尽管手术、化疗、靶向治疗及免疫治疗不断进步，晚期GC患者的总体生存率（overall survival, OS）仍不理想，且存在显著的个体间预后异质性。当前预后评估主要依赖TNM分期、组织学类型及肿瘤标志物等临床病理因素，但这些指标难以全面反映患者综合生理状态，对治疗反应和长期结局的预测能力有限。营养不良与代谢紊乱在GC患者中普遍存在，并被认为是疾病进展和治疗应答的关键决定因素。身体成分（body composition）作为肌肉、脂肪等组织分布与质量的量化指标，不仅影响体能状态和治疗耐受性，还可能通过调节炎症、免疫和内分泌通路参与塑造肿瘤微环境。然而，传统研究多依赖体重指数（body mass index, BMI）或单一层面（主要为L3层面）的骨骼肌面积，忽视了身体成分的空间异质性与三维体积特征，且缺乏与健康人群的系统比较及外部验证。此外，身体成分改变与GC预后之间的潜在生物学机制，尤其是与肿瘤微环境的内在联系尚待阐明。为此，研究者建立了健康筛查队列和多中心GC队列，系统评估多维身体成分的临床价值，并构建可解释的性别特异性预后模型。
#### 研究内容与结论
本研究通过深度学习方法从CT图像中全自动提取多维身体成分参数，系统分析了GC患者与健康对照的身体成分差异、多维参数在不同治疗队列中的预后意义，并整合病理与转录组数据探索其生物学关联。研究得出以下核心结论：（1）GC患者表现出性别特异性的身体成分改变：男性以皮下脂肪和内脏脂肪减少为主，女性以骨骼肌和内脏脂肪减少为主。（2）多维身体成分与OS独立相关：手术队列中，较高的肌肉/脂肪面积及指数、较低的脂肪密度预示更长的生存期；免疫检查点抑制剂（ICI）治疗队列中，较高的皮下脂肪面积与女性患者生存改善相关。（3）身体成分参数与肿瘤微环境特征存在潜在关联，包括间质密度、上皮-间充质转化（epithelial-mesenchymal transition, EMT）通路及免疫细胞浸润。（4）整合多维身体成分的性别特异性预后模型在外部验证中均优于传统临床模型（男性平均C指数0.723，女性0.705），并能进一步细化临床分期亚组的风险分层。该研究发表在《Advanced Science》，为GC的精准预后评估提供了新工具，并为探索基于身体成分的干预策略奠定了基础。
#### 主要关键技术与方法
研究采用预训练的nnU-Net模型对腹部CT图像中的皮下脂肪、骨骼肌、肌间脂肪和内脏脂肪进行全自动分割，提取16个二维（2D）和三维（3D）身体成分参数（包括面积、密度、指数和体积）；使用倾向性评分匹配（PSM）平衡年龄和身高等混杂因素后比较GC患者与健康对照的身体成分差异；整合TCGA-STAD队列的病理全切片图像（WSI）和RNA-seq数据，分别采用CellViT模型进行细胞核识别与分类、CIBERSORT和MCP-counter算法估算免疫浸润丰度，以及DESeq2和基因集富集分析（GSEA）进行差异表达与通路分析；在模型构建中，利用留一法交叉验证（LOOCV）在训练集内优化超参数，综合随机生存森林（RSF）、弹性网络（Enet）、Lasso、CoxBoost等117种算法，选择平均C指数最高的模型作为最终模型，并独立外部验证。本研究的样本来源于中国三家医院的四个GC队列（武汉协和医院WHUH、湖北省肿瘤医院HBCH、温州医科大学附属第一医院WZH）及一个健康对照队列。
#### 研究结果
**3.1 基线特征**
共纳入1196例GC患者（手术队列1042例，ICI队列154例；男性68.0%，女性32.0%）和983例健康对照（PSM后匹配639对男性、344对女性）。手术队列以I–III期为主（96.0%），ICI队列以IV期为主（89.6%）。
**3.2 GC患者身体成分分布**
分析显示，男性患者皮下脂肪体积（subcutaneous fat volume, SFV）和肌间脂肪体积（intermuscular fat volume, IMFV）低于女性，但骨骼肌体积（skeletal muscle volume, SMV）和内脏脂肪体积（visceral fat volume, VFV）更高。SFV、SMV、IMFV和VFV均与BMI正相关；男性中SFV和SMV与年龄负相关，IMFV与年龄正相关，女性趋势类似。
**3.3 GC患者与健康对照的身体成分差异**
PSM后比较：男性GC患者在各椎体层面皮下脂肪面积（SFA）和指数（SFI）显著降低、皮下脂肪密度（SFD）升高，内脏脂肪面积（VFA）和指数（VFI）降低、密度（VFD）升高；女性GC患者骨骼肌面积（SMA）、指数（SMI）、密度（SMD）以及VFA、VFI均显著降低，VFD显著升高。提示性别特异性脂肪和肌肉流失模式。
**3.4 手术队列中多维身体成分的预后价值**
多变量Cox回归（校正肿瘤分期、分级和Her2状态并多重检验校正）显示，男性中17个参数与OS独立相关，如L1 SMA（HR=0.438，校正p<0.001）、L3 SMI（HR=0.513，校正p=0.002）、L5 IMFD（HR=1.666，校正p=0.020）；女性中L4 SMA独立相关（HR=0.514，校正p=0.003）。较高肌肉/脂肪面积和指数、较低脂肪密度预示较好生存。
**3.5 ICI队列中多维身体成分与生存的关联**
在ICI治疗女性中，多变量分析（校正分期、分级、Her2和PD-L1）后，5个参数与生存独立相关，如L3 SFA（HR=0.957，校正p=0.023）、L3 SFI（HR=0.889，校正p=0.023），提示皮下脂肪参数在女性ICI治疗中具有保护作用。
**3.6 多维身体成分与肿瘤病理及分子特征的探索性分析**
基于TCGA-STAD男性数据：病理水平上，T12–L3 SMA与肿瘤间质密度显著负相关，L2 VFD与之正相关。转录组水平上，高SMA组显著抑制EMT和细胞外基质（ECM）受体相互作用通路，同时上调神经活性配体-受体相互作用通路；免疫浸润分析显示高SMA组活化NK细胞浸润增加，高VFD组调节性T细胞（Tregs）浸润增加。
**3.7 预后预测模型的构建**
男性模型中，StepCox[both]+Lasso组合在外部测试集平均C指数最高（0.723），且优于仅含临床变量或传统L3 SMI/SMD的模型；模型在I–II期和III–IV期亚组中均能显著区分风险（p<0.05）。女性模型中，stepCox[forward]模型平均C指数0.705，在III–IV期患者中区分显著（p=0.003），I–II期趋势不显著（p=0.062，可能因样本量有限）。
#### 总结讨论与研究结论
本研究基于多中心大数据，系统揭示了GC患者相对于健康人群存在性别特异性的身体成分改变，并证实多维身体成分参数与OS独立相关。结合病理和转录组数据，初步发现身体成分可能与肿瘤微环境中的间质组成、EMT通路及免疫细胞浸润存在关联。所构建的性别特异性预后模型在独立验证队列中展现出良好的区分能力，并优于传统指标，为临床风险分层提供了潜在补充工具。研究结论部分指出：这项多中心研究利用深度学习系统分析了GC队列CT图像的多维身体成分，发现GC与性别特异性的身体成分改变相关，且骨骼肌和脂肪相关参数与OS显著相关；整合病理和转录组数据的分析进一步提示身体成分与肿瘤微环境特征（包括EMT相关通路和免疫细胞浸润）之间的潜在联系；此外，整合多维身体成分与临床变量的预后模型在独立队列中表现出一致的区分能力，提示其可用于风险分层。本研究从多层面将全身生理状态与GC临床结局联系起来，强调了身体成分作为预后补充生物标志物的潜力，但需进一步前瞻性和机制性研究验证其临床与生物学意义。
