本研究基于局部晚期食管鳞状细胞癌患者治疗前的双能量CT定量参数及血液学指标，构建了一种无创预测模型，可较准确地预测患者新辅助放化疗后的病理完全缓解情况。该研究为治疗前识别潜在获益人群提供了新的影像学工具，有助于实现患者精准分层，并为食管癌的个体化治疗和精准决策提供重要依据。

本研究回顾性纳入在山东省肿瘤医院接受新辅助放化疗（nCRT）后行手术治疗的局部晚期食管鳞状细胞癌（ESCC）患者。根据术后病理完全缓解（pCR）状态（原发肿瘤及淋巴结均未见残余癌细胞），将患者分为pCR组（n=25）和非pCR组（n=28）。所有患者在治疗前均接受双能量CT（Dual energy CT, DECT）检查，并从常规CT图像、不同单能量图像（MonoE）、虚拟平扫图像（VNC）、有效原子序数图像（Zeff）、碘浓度图像（IC）及电子密度图像（ED）中提取定量参数。进一步计算能谱曲线斜率（λHU）、标准化碘浓度（NIC）、动脉强化分数（AEF）及细胞外容积分数（ECV）。通过差异性检验及Spearman相关性分析筛选候选参数，并采用多因素Logistic回归分析构建临床模型、DECT模型及联合预测模型。

最终，共纳入53例局部晚期ESCC患者，均在治疗前完成DECT检查并接受nCRT联合手术治疗。经Spearman相关性分析及多因素Logistic回归分析，AEF和ECV在pCR组与非pCR组之间差异显著，并被纳入DECT预测模型。临床变量分析显示，淋巴细胞/单核细胞比值（LMR）及红细胞计数（RBC）为独立预测因素。与单独的临床模型和DECT模型相比，联合模型在敏感度、特异度、阳性预测值（PPV）及阴性预测值（NPV）方面均表现最佳，其受试者工作特征曲线下面积（AUC）为0.893（95%CI：0.802~0.983）。DeLong检验显示联合模型的诊断效能显著优于临床模型（Z=-2.741，P=0.006）。

基于双能量CT获得的ECV和AEF定量参数可有效预测局部晚期食管鳞状细胞癌患者新辅助放化疗后的病理完全缓解。结合DECT定量参数与临床特征构建的预测模型具有较高的预测效能，有望作为一种无创工具，为ESCC患者个体化治疗决策提供重要依据。

食管鳞状细胞癌是我国常见的消化道恶性肿瘤之一，具有发病率高、预后差的特点。对于局部晚期患者，新辅助放化疗联合手术已成为标准治疗模式。然而，在接受新辅助放化疗的患者中，仅有不到一半的患者能够达到病理完全缓解。大量研究表明，达到病理完全缓解的患者往往具有更好的长期生存获益。因此，在治疗前识别可能达到病理完全缓解的患者，对于优化治疗策略、避免过度治疗及推动精准医疗具有重要意义。

传统影像学方法主要依赖肿瘤大小或形态学变化来评估疗效，但这些指标往往难以反映肿瘤内部复杂的生物学特征。近年来，双能量CT作为一种先进的影像技术，可以通过不同能量层面的信息获取组织成分及血流灌注相关参数，从而为肿瘤微环境评估提供更多定量信息。本研究创新性地利用双能量CT技术，系统分析了多种定量参数在预测新辅助治疗疗效中的潜在价值。

研究结果发现，动脉增强分数和细胞外容积分数是与病理完全缓解密切相关的重要影像学指标。动脉增强分数能够反映肿瘤组织的血流动力学特征，而细胞外容积分数则在一定程度上代表肿瘤间质及细胞外空间比例，这些指标可以从侧面反映肿瘤的血供状况及微环境结构变化。此外，本研究还发现淋巴细胞/单核细胞比值和红细胞计数等血液学指标同样具有预测价值，提示肿瘤免疫状态及机体整体生理状态也在疗效预测中发挥重要作用。

基于上述影像学和临床指标，本研究构建了一个联合预测模型，其AUC达到0.893，显示出良好的预测性能，显著优于单独的临床模型。该结果表明，将定量影像参数与临床生物标志物进行整合，可以更全面地反映肿瘤生物学特征，从而提高疗效预测的准确性。

总体而言，本研究为利用DECT定量影像生物标志物预测食管鳞癌新辅助治疗疗效提供了新的证据。该研究提出的无创预测模型有望在治疗前帮助医生识别潜在获益人群，为个体化治疗决策提供重要参考。未来，通过多中心、大样本研究进一步验证，并结合人工智能、多组学等分析技术，有望推动影像学在肿瘤精准治疗中的应用，为食管癌患者带来更加精准和个体化的治疗策略。本研究入选2025年美国放射肿瘤学年会口头汇报，并进行了现场交流。

食管鳞状细胞癌是我国高发的消化道肿瘤之一。近年来，新辅助放化疗联合手术已经成为局部晚期食管癌的重要治疗策略。然而在临床实践中，经常困扰医生和患者的一个问题：并不是所有患者都能从新辅助治疗中获益，只有不到一半的患者能够达到病理完全缓解（pCR）。如果能够在治疗前识别这些患者，就可能帮助医生制定更加精准的治疗方案。

在长期的临床工作中，我们发现传统影像学主要依赖肿瘤大小变化来评价疗效，但肿瘤的生物学变化往往早于形态变化。因此，团队开始思考：是否可以通过更先进的影像技术，从肿瘤内部“读出”更多信息，从而提前预测治疗效果？能量CT技术正是在这样的背景下进入我们的研究视野。

研究的开展并非一帆风顺。一方面，新辅助治疗后能够获得完整病理结果且有完善治疗前DECT扫描信息的患者数量有限；另一方面，我们需要逐例回顾患者影像数据、进行严格的图像参数提取，并与手术病理进行一一对应。在数据整理和模型构建过程中，团队成员反复讨论参数选择、统计方法以及模型稳定性，经历了多轮分析和验证。

最终，我们发现双能量CT中的细胞外容积分数（ECV）和动脉强化分数（AEF）能够有效反映肿瘤的异质性特征，且外周血中的淋巴细胞/单核细胞比值(LMR)、红细胞绝对计数(RBC)与新辅助治疗后的病理完全缓解密切相关。当这些影像学指标与血液学指标相结合时，预测能力进一步提高。

这项研究让我们看到，影像不仅仅可以“看见肿瘤”，更有可能成为理解肿瘤生物学的重要窗口。未来，我们希望通过更多研究，将影像学与人工智能、多组学数据进一步融合，为食管癌患者带来更加精准和个体化的治疗策略。

尹勇 教授

通讯作者

主任医师，研究员（二级），博士研究生导师山东第一医科大学附属肿瘤医院（山东省肿瘤防治研究院、山东省肿瘤医院）放射物理技术科主任山东省“泰山学者”特聘专家主要从事肿瘤放射物理学、肿瘤精确放疗新技术、医学图像处理辅助精确放疗的研究和临床应用工作多次荣获国家及省部级科技进步奖，主持多项国家级课题任中华医学会放射肿瘤治疗学分会常委、中国医师协会放射肿瘤治疗医师分会副会长

崔永斌

第一作者

山东省肿瘤医院医师

每一项临床研究都倾注着研究团队的心血结晶。学习过后，您是否有所收获？或有疑问想与主创团队分享？请在评论区留言，期待与您交流！