膀胱癌（BCa）作为泌尿系统常见恶性肿瘤，复发率高、预后异质性强，传统病理评估依赖主观人工判读，TNM 分期难以精准区分同一分期内患者的预后差异，且缺乏术前非侵入性预后工具。近日，多中心团队在《Research》（IF=10.9，综合性期刊顶刊）发表重磅研究：开发基于深度学习的混合肿瘤 - 基质比（MTSR）量化工具，经 6 大队列（1432 例患者）验证其独立预后价值，通过多组学锁定 ITGB8-WNT 通路为核心机制，并构建术前 mpMRI 放射组学模型非侵入性预测 MTSR，完美解决膀胱癌预后分层 “主观、滞后、不精准” 的临床痛点！ 

图1 文献信息

文章信息速览

• 原标题：A Deep Learning-Generated Mixed Tumor–Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer

• 期刊：Research（IF=10.9，综合性期刊顶刊，开源获取）

• 关键词：膀胱癌、深度学习、混合肿瘤 - 基质比（MTSR）、多组学、预后模型、ITGB8、mpMRI 放射组学

核心亮点

这篇 IF=10.9 顶刊的成功，核心在于 “深度学习标准化病理评估→多中心验证预后价值→多组学解析机制→术前非侵入性转化” 的完整闭环，4 大创新点直击临床痛点，契合顶刊对 “创新性 + 可靠性 + 转化价值” 的三重要求：

1. 第一步：深度学习赋能病理量化，MTSR 成独立预后指标（图 2-4）

模型开发：基于 ResNet50 构建 CNN 模型，自动分割 H&E 全切片（WSI）为 10 类组织（肿瘤、混合肿瘤 - 基质、间质等），量化混合肿瘤 - 基质比（MTSR）；

模型性能：内部 + 5 个外部队列验证，组织分类准确率 > 90%，Cohen’s kappa>0.95（几乎完美一致），与病理医生手动标注相关性 r=0.917（P<0.001）；

预后价值：MTSR 是唯一显著关联预后的组织比例指标（HR=1.034，P<0.001），高 MTSR 患者总生存期（OS）显著缩短 ——TCGA 队列（P<0.001）、5 个外部队列（均 P<0.001）、合并队列（P<0.001）及 NMIBC/MIBC 亚组（均 P<0.05）均验证该结论；

meta 分析：6 大队列合并 HR=1.04（95% CI=1.03-1.05），证实 MTSR 预后价值的稳定性。

图2

图3

图4

2. 第二步：多组学解码机制，ITGB8-WNT 通路是核心驱动（图 5-8）

bulk RNA-seq：高 MTSR 肿瘤富集 ECM 重塑、TGF-β/WNT 通路，巨噬细胞浸润增加，低 MTSR 肿瘤富集尿路上皮分化通路；

单细胞测序（scRNA-seq）：

识别 16 类细胞群，其中 cluster 8（尿路上皮细胞亚型）为高 MTSR 特征群，位于分化轨迹终末阶段；

核心靶点：ITGB8 在 cluster 8 中高表达，ITGB8-high 细胞凋亡 / 自噬活性低、WNT 通路激活，且为 “信号发送者” 主导细胞间通讯；

调控网络：转录因子 BPTF、SOX4、KLF5 驱动 ITGB8-WNT 通路，促进上皮间质转化（EMT）和肿瘤侵袭。

图5

图6

图7

图8

3. 第三步：临床转化突破，nomogram 提升预后预测（图 9）

独立预后因素：多因素 Cox 分析证实，MTSR 与 N 分期是膀胱癌独立预后因素；

nomogram 构建：整合 MTSR+N 分期的预后模型，1/3/5 年 OS 预测 C-index 显著高于单独 MTSR 或 N 分期（C-index=0.68 vs 0.59/0.62），校准曲线显示预测值与实际值高度一致；

临床价值：决策曲线分析（DCA）证实，该 nomogram 临床净获益优于传统指标，可指导治疗方案选择。

图9

4. 第四步：术前非侵入性预测，mpMRI 放射组学模型落地（图 10）

模型构建：基于术前 mpMRI（T2WI + 动态增强序列）提取 3562 个放射组学特征，经 mRMR 筛选 + 随机森林建模，预测高 / 低 MTSR；

预测效能：训练集准确率 0.701、AUC=0.746；验证集准确率 0.710、AUC=0.657，灵敏度 / 特异度稳定（均 > 0.65）；

临床意义：无需手术标本，术前通过 MRI 即可评估 MTSR，为膀胱癌术前风险分层（如肌层浸润判断、手术方案选择）提供非侵入性工具。

图10

关键结果解读

1. MTSR：病理科的 “客观预后标尺”

通俗说：以前病理医生靠眼睛估测肿瘤和间质比例，现在 AI 自动精准计算 MTSR，数值越高，患者复发转移风险越高，生存期越短；

学术价值：首次将混合肿瘤 - 基质区域量化为预后指标，解决病理评估 “主观化” 难题，为膀胱癌预后分层提供标准化工具。

2. ITGB8：膀胱癌进展的 “关键开关”

通俗说：高 MTSR 肿瘤中，ITGB8 基因高表达的癌细胞 “生命力强”，能激活 WNT 通路，还能和周围细胞 “通讯”，促进肿瘤侵袭；

学术价值：首次揭示 ITGB8-WNT 通路介导肿瘤 - 基质相互作用，为高 MTSR 患者提供潜在靶向治疗靶点（如 ITGB8 抗体、WNT 抑制剂）。

3. 术前 MRI 就能判风险，临床太实用

通俗说：患者术前做个 mpMRI，AI 分析图像特征就能预测 MTSR 高低，提前知道自己的风险等级，医生可针对性制定手术方案（如低风险做保留膀胱手术，高风险做根治术）；

临床意义：打破“术后病理才知预后” 的滞后性，实现膀胱癌 “术前精准分层 + 个体化治疗”。

研究局限性

mpMRI 放射组学模型准确率中等（AUC≈0.7），需扩大样本量优化特征，提升预测效能；

单细胞测序样本量较小（6 例），ITGB8 的促癌机制需在更大样本、动物模型中验证；

外部验证队列均为中国人群，需在其他种族中验证 MTSR 的普适性；

未开展 ITGB8 靶向治疗的临床前 / 临床试验，需进一步探索转化价值。

总结

这篇 IF=10.9 顶刊研究，通过深度学习将膀胱癌病理评估从 “主观定性” 推向 “客观定量”，以 MTSR 为核心构建 “标准化预后指标 + 多组学机制 + 术前非侵入性预测” 的完整体系，既解决了临床预后分层的实际需求，又为高风险患者提供了潜在治疗靶点（ITGB8）。

对于临床医生，MTSR 和 mpMRI 模型可直接落地用于患者分层；对于科研人，该研究的 “深度学习 + 多中心 + 多组学 + 临床转化” 逻辑，是冲击顶刊的绝佳范本！

原文DOI: 10.34133/research.1053

专注期刊投稿、发表十年，任何投稿、写作难题欢迎咨询！