肿瘤恶病质多模态图谱研究纳入五万余例癌症患者
A health-system-scale, episode-resolved multimodal atlas of cancer cachexia
研究者基于 52,236 例癌症患者的纵向数据构建了肿瘤恶病质多模态图谱,发现体重丢失发作与系统性血清学特征及特定肿瘤基因型相关。整合临床与分子数据可用于预测体重丢失发作,从而实现早期识别。DOI: 10.1038/s41591-026-04689-9
癌性恶病质长期缺乏统一的操作性定义,直到国际共识将其界定为骨骼肌质量持续丢失、常规营养支持无法完全逆转的多因素综合征,并以体重丢失超过5%(或BMI低于20 kg/m²、肌少症者超过2%)为诊断阈值,划分前恶病质、恶病质与难治性恶病质的渐进阶段 [1];这一定义的效度随后在多中心晚期肿瘤患者中得到验证,符合定义者炎症水平更高、摄食与体能状态更差、生存更短 [3]。但单凭体重丢失并不足够:在晚期胰腺癌中,体重丢失、低摄食与系统炎症(CRP≥10 mg/L)构成的三因子谱比单一体重丢失更能识别功能损害与预后风险 [5],慢性系统炎症也被视为进行性营养与功能衰退的核心驱动,CRP及Glasgow预后评分等指标已能提示哪些患者将发展为恶病质 [6]。卡点在于,上述认识多来自横断面的阈值判断,动物模型揭示的炎症驱动机制(如IL-6介导的白色脂肪褐变)[4] 与宿主-肿瘤细胞交互 [2] 在真实人群和真实病程中如何展开,尤其是一次次体重丢失事件背后是否对应可测的血清学改变与肿瘤基因特征,长期缺乏系统刻画。
这项新研究利用52,236例肿瘤患者的纵向数据,构建了卫生系统尺度、以事件为解析单位的恶病质多模态图谱,工作于2025年10月投稿、2026年8月接收,10月12日在线发表于《自然·医学》[7]。核心结果显示:体重丢失事件与系统血清学特征及特定肿瘤基因型相关联;整合临床与分子数据后,可对这些事件进行预测,从而有望实现更早识别。
就推进而言,它把恶病质从横断面的阈值式诊断 [1] 推向随病程动态展开、可被预测的事件序列,并把此前相对分散的两条线索——炎症指标的预警价值 [6] 与宿主-肿瘤交互的分子基础 [2]——在人群尺度上同具体的体重丢失事件对接起来。这一步恰好对着临床痛点:按共识框架,恶病质一旦进入难治阶段,干预空间即极为有限 [1],早期识别正是改变病程轨迹的前提,而此前的患者分层呼吁 [2] 一直缺少可规模化的数据底座。
需要指出的是,摘要层面尚未给出预测性能的具体指标、外部验证或干预获益的结果;血清学特征、肿瘤基因型与体重丢失之间的因果方向也仍待厘清。更早识别只是第一步,恶病质作为多维问题最终仍需多模式干预 [2],能否转化为功能与生存获益,尚待后续研究回答。
- 1.Definition and classification of cancer cachexia: an international consensus · Lancet Oncol 2011
- 2.Cancer cachexia: developing multimodal therapy for a multidimensional problem · Eur J Cancer 2008
- 3.Validation of the Consensus-Definition for Cancer Cachexia and evaluation of a classification model--a study based on data from an international multicentre project (EPCRC-CSA) · Ann Oncol 2014
- 4.A switch from white to brown fat increases energy expenditure in cancer-associated cachexia · Cell Metab 2014
- 5.Definition of cancer cachexia: effect of weight loss, reduced food intake, and systemic inflammation on functional status and prognosis · Am J Clin Nutr 2006
- 6.Systemic inflammation, nutritional status and survival in patients with cancer · Curr Opin Clin Nutr Metab Care 2009
- 7.A health-system-scale, episode-resolved multimodal atlas ... · nature.com 2026
该研究在五万余例癌症患者队列上构建了多模态图谱,将临床与分子数据整合用于预测恶病质体重丢失,为早期识别提供了可参照的框架。
来源:Nature Medicine · nature.com