《MedComm》:Development and Validation of an Artificial Intelligence-Driven Multigene Assay Decision-Support System for Personalized Management of T1 High-Grade Bladder Cancer
编辑推荐:
T1高级别(T1HG)膀胱癌呈现治疗困境,因当前风险分层无法指导早期膀胱切除术与膀胱保留治疗之间的选择。在研究人员近期工作中,定义了由失巢凋亡抵抗(anoikis resistance)和免疫逃逸驱动的多组学高危亚型,并开发了T1HG-UCBguider框架用
T1高级别(T1HG)膀胱癌呈现治疗困境,因当前风险分层无法指导早期膀胱切除术与膀胱保留治疗之间的选择。在研究人员近期工作中,定义了由失巢凋亡抵抗(anoikis resistance)和免疫逃逸驱动的多组学高危亚型,并开发了T1HG-UCBguider框架用于风险分层;然而,其对多组学测序的依赖限制了临床实施。在此,研究人员将该框架转化为Guider,一种人工智能(AI)驱动的逆转录定量聚合酶链反应(RT-qPCR)决策辅助工具,专为常规病理工作流程中的成本敏感型使用而设计,整合了30基因TaqMan检测与临床病理变量以预测进展和复发,并包含针对无灌注、卡介苗(BCG)和膀胱内化疗的探索性治疗情境模块。在一项纳入1198例患者的多中心双向性队列中,Guider在该中国T1HG队列中相较指南推荐的风险分组和已发表的12基因进展评分(PS)实现了>10%的绝对预测性能提升。重分类识别出82.5%的指南定义高危且实际进展的患者,以及45.1%的极高危(VHR)未进展患者可考虑膀胱保留。Guider可能支持29.7%患者的治疗降级和12.9%患者的治疗升级。这些发现建立了一个可扩展的转化框架,桥接多组学发现与临床决策支持,值得在地理、民族和人口学多样化人群中进行前瞻性干预验证。
T1高级别(T1HG)膀胱癌是非肌层浸润性膀胱癌(NMIBC)中侵袭性最强的亚型,约占新发病例的20%,5年复发率约40%、进展率约21%,临床上面临过度治疗与延迟根治性治疗之间的根本矛盾。现有指南将NMIBC分为高危(HR)和极高危(VHR)组,推荐大多数HR患者接受长期膀胱内卡介苗(BCG)灌注,VHR患者行早期根治性膀胱切除术(RC),但这种二元框架难以捕捉T1HG肿瘤内部的生物学异质性,加之全球BCG短缺、治疗毒性及RC对生活质量的影响,临床决策常陷入两难。已有预后模型如EORTC/CUETO评分、2021年欧洲泌尿外科学会(EAU)模型等主要基于临床病理因素,对T1HG的预测准确性有限,无法反映驱动疾病进展和治疗反应的分子异质性。分子标志物方面,高肿瘤突变负荷、DNA损伤修复基因突变、UROMOL转录组预测因子、23基因预后指数、循环肿瘤DNA及基于RT-qPCR的12基因进展评分(PS)等虽有报道,但因技术复杂性、成本壁垒或外部验证表现不佳,尚未纳入常规临床实践。研究人员此前定义了由失巢凋亡抵抗和免疫逃逸驱动的HR多组学亚型并开发了T1HG-UCBguider框架,但其依赖多组学测序。本研究旨在将该框架转化为Guider——一种AI驱动的分子决策支持系统,整合30基因TaqMan RT-qPCR检测(成本<$10),利用多中心1198例患者数据,以解决当前风险分层策略的局限性。研究结论表明,Guider在多中心队列中验证,相较指南分层和现有分子检测在复发和进展预后性能上表现更优,通过解析指南定义风险组内的异质性并提供治疗相关风险估计,为个性化治疗讨论提供了实用的临床决策支持框架,辅助而非替代医师判断和指南评估;在更广泛临床实施前需进一步前瞻性临床验证,以确定Guider支持的治疗决策能否改善真实世界管理和患者结局。
研究人员开展的研究及意义:本研究为多中心双向性队列研究,由北京大学第一医院协调,联合解放军总医院第一和第三医学中心开展,纳入1198例中国T1HG膀胱癌患者(最终735例具备合格qPCR数据用于模型开发与验证),开发并验证了AI驱动的30基因RT-qPCR决策支持系统Guider。该系统整合27个预后基因、3个参考基因及4个临床变量(年龄、性别、多发性、乳头状形态),通过深度学习与传统机器学习架构生成风险分层和治疗指导两大功能模块。研究得出,Guider在交叉验证和外部验证中均显示稳健的预后分层能力,预测性能优于指南风险分组和12基因PS,AUC绝对提升平均14.46%;能有效解析指南风险组内异质性,识别可能受益于早期RC或膀胱保留的亚组;探索性治疗情境模块可在他观察治疗背景下分层结局风险。其重要意义在于建立了一个可扩展、成本敏感的转化框架,桥接多组学发现与临床决策支持,为T1HG膀胱癌个性化管理提供了临床可行的分子决策辅助工具。
主要关键技术方法:研究采用多中心双向性队列设计,纳入北京大学第一医院、解放军总医院第一和第三医学中心2009年1月至2023年12月诊断的T1HG NMIBC患者,所有患者均接受经尿道膀胱肿瘤电切术(TURBT)并具备合格FFPE肿瘤标本。从59个候选基因中经稳定性、特异性质控和单因素Cox回归筛选出27基因特征,联合3个参考基因(GAPDH、RPL13A、Beta-Actin)构建30基因TaqMan RT-qPCR检测,采用?Ct法量化基因表达。模型开发采用原型注意力神经网络为骨干,整合原型相似性学习与门控融合机制,集成HGB、CatBoost、XGBoost算法优化回归(生存时间)和分类(生存状态)任务,通过五折交叉验证训练,以Youden指数确定截断值。模型性能以AUC、C-index、校准曲线、Brier评分和决策曲线分析评估,并与12基因PS及CSCO、CUA、NCCN、EAU指南风险分层比较。研究采用TRIPOD+AI报告框架。
研究结果:(1)参与者人口学、临床特征与生存结局:共纳入1198例患者(中位年龄67岁,男性970例),483例(40.3%)复发、302例(25.2%)进展、87例(7.3%)死亡;多因素Cox回归确定年龄、多发性、非乳头状形态为进展独立预测因子,BCG灌注显著延缓进展、减少复发并改善总生存(OS),既往多组学模型为进展、复发和OS的独立预测因子。(2)生物标志物选择与AI驱动30基因qPCR检测技术开发:735例(61.4%)具备合格qPCR数据,从59个候选基因中精选27基因特征,11个源自既往多组学模型的基因显示强预后潜力,NFKB2为两个终点的最强预测因子;通路富集分析将27基因集与免疫反应、细胞周期调控、凋亡和代谢过程相关联。(3)Guider系统风险分层模块预测疾病进展和复发的性能评估:高风险进展(HPR)/高风险复发(HRR)组与多发性、非乳头状、BCG治疗、HER2高表达、T1HG1亚型、12基因PS高危组、复发、进展至肌层浸润性膀胱癌(MIBC)和死亡显著相关(p<0.001);Kaplan-Meier分析证实稳健预后分层(p<0.0001);Guider在AUC上优于锁定12基因PS,平均绝对差异14.46%(0.67–0.79 vs. 0.54–0.58);消融研究证实多模态数据与先进算法设计的协同价值;20次重复分层随机拆分中Guider取得最高平均性能(RFS外测AUC 0.741,PFS 0.679),优于正则化Cox基准;可解释性分析揭示NFKB2、PIK3CA、GNAI2、PARP3等关键基因富集。(4)Guider系统治疗指导模块预测膀胱内治疗反应的性能评估:开发Naive-Guider、Chemo-Guider和BCG-Guider三个治疗情境模型,在交叉验证(AUC 0.5721–0.8555)和外部验证(AUC 0.5909–0.7669)中显示强判别性能;Kaplan-Meier分析显示各治疗组模型定义的高低风险组间结局分离显著;时间至事件预测指标Correct@24m>0.6、RMSE<2年。(5)Guider系统平台部署与临床实施:开发网站平台(https://t1hg-ucbguider.site/),包含数据上传、AI模型推理和自动报告生成三个模块,以匿名方式处理数据,分析后不存储患者信息;回顾性应用于不良结局患者展示其潜在临床影响,Guider识别出132例进展高危个体,捕获82.5%指南定义高危且进展的患者,并在151例VHR未进展患者中识别46例(45.1%)为低风险。(6)Guider系统临床整合优化指南风险分层与治疗选择:Guider模型在进展(p<0.0001)和复发(p<0.0001)预测上C-index均优于标准指南;在CSCO指南HR或VHR同层内识别出结局迥异的亚组(log-rank p<0.0001);Guider+CSCO联合四层分类(G1–G4)预测准确性最高;重分类将29.7%患者降级以保留膀胱治疗、12.9%患者升级建议即刻膀胱切除术;提出整合指南与AI辅助的两步临床工作流程。
讨论部分总结:T1HG膀胱癌是NMIBC中异质性强的高危亚组,当前指南在平衡过度治疗与疾病进展风险方面存在显著局限。本多中心研究开发并验证了Guider——AI驱动的多基因qPCR检测,通过整合分子特征与常规临床变量,较现有风险分层系统展现更优的预后准确性,为膀胱保留与RC之间的治疗模糊性提供更精细的预后估计。12基因PS作为主要在欧洲Ta和T1 NMIBC队列开发的qPCR外部基准,未经再训练应用于中国T1HG-only队列时判别力较低(进展AUC约0.58),而Guider在同一队列AUC为0.687–0.796;该差异可能反映人群、疾病谱、分析前或平台效应,不构成固有优越性证明,应解读为对外部分子基准的可移植性评估。锁定340例队列提供独立的时间和 multicenter 验证,重复随机拆分进一步证实模型稳健性。模型的关键进展在于优化指南分层,在指南定义VHR患者中标记可能需要早期RC讨论的HPR亚组,在HR组中识别可能适合膀胱保留策略的LPR患者。治疗情境模块因治疗分配非随机,不能识别内在耐药或估计反事实获益,正式预测性生物标志物声明需前瞻性干预验证。Guider临床部署遵循可信AI原则,基于FFPE来源qPCR数据,兼容常规病理工作流程,每检测成本<$10,在资源有限环境中可扩展。研究局限性包括:外部验证队列仅提供中心层面和时间分离而非独立地理、民族或国际验证(所有机构位于北京、所有患者为中国人);回顾性设计反映真实世界治疗异质性,非随机治疗分配可能引入适应证混杂和残余混杂;治疗指导和重分类分析源自回顾性/双向性观察数据,应解读为决策支持证据而非治疗获益证明;检测依赖标准化RNA提取和质控,去中心化实施需稳健实验室流程。已启动前瞻性多中心实施研究以评估模型在异质临床环境中的性能及AI支持风险分层对常规实践中治疗决策的影响。必须强调该系统仅作为辅助临床治疗决策的参考工具,不能替代临床专业知识。总之,研究人员呈现了Guider——用于T1HG NMIBC的AI驱动30基因RT-qPCR分子决策辅助系统,在多中心队列中验证,较指南分层和现有分子检测展现更优的复发和进展预后性能,通过解析指南定义风险组内异质性并提供治疗相关风险估计,为个性化治疗讨论提供实用临床决策支持框架,辅助而非替代医师判断和指南评估;更广泛临床实施前需进一步前瞻性临床验证。