👋 欢迎关注我的学习专栏~ 如果觉得文章有帮助，别忘了点赞、关注、评论，一起学习
✍️ 本文为“泌尿肿瘤指南精读”系列，围绕EAU 2025最新版《上尿路尿路上皮癌（UTUC）》指南第4章“分期与分级系统”展开，聚焦于TNM系统与病理分级的更新重点，并探讨其中潜藏的科研选题与转化方向。
⚠️ 内容仅供学习与学术交流，不构成医疗建议。
⚠️ 本文内容基于欧洲泌尿外科学会（EAU）2025年最新版《上尿路尿路上皮癌（UTUC）》指南的整理，仅供学习与学术交流使用，不构成任何临床诊疗建议。指南原文可查阅：uroweb.org。
一、为什么分期分级值得被单独拎出来解读？
在UTUC诊断及治疗中，病理分期和分级决定了后续的管理路径——是选择保肾还是行根治性切除，是观察随访还是需要围手术期治疗。因此，理解EAU指南中关于分层标准的设定逻辑，本身就是科研发现的起点。
尤其在样本量有限、活检信息不完整的UTUC中，“Grade > Stage” 成为当前判断风险的临床重点。
二、TNM分期系统（EAU 2025继续采用 TNM 第8版）
EAU指南沿用 2017版 AJCC TNM（第8版），从 T（原发肿瘤）、N（淋巴结）、M（转移）三个维度进行标准化评估：
▶ T分期（原发肿瘤）
| 分期 | 含义 |
|---|---|
| Ta | 非浸润性乳头状癌 |
| Tis | 原位癌（CIS） |
| T1 | 浸润黏膜下层 |
| T2 | 浸润肌层 |
| T3 | 肾盂/输尿管：侵入肾实质/脂肪组织 |
| T4 | 侵及邻近器官或穿出肾周脂肪 |
▶ N分期（区域淋巴结）
| 分期 | 描述 |
|---|---|
| N0 | 无区域淋巴结转移 |
| N1 | 单个转移 ≤2cm |
| N2 | 单个>2cm 或多个转移淋巴结 |
▶ M分期（远处转移）
| 分期 | 描述 |
|---|---|
| M0 | 无远处转移 |
| M1 | 有远处转移 |
Tips：指南强调“肿瘤是否左右侧”不会改变N分期分类（即“laterality”不纳入N标准）。
三、肿瘤分级系统（Tumour Grade）｜两套标准并存
▶ 当前指南并用两种WHO病理分级系统：
| 系统 | 结构 | 应用场景 |
|---|---|---|
| WHO 1973 | 三级制：G1–G3 | 应用于大量历史研究，临床数据多 |
| WHO 2004/2016/2022 | 双级制：低级别 / 高级别 | 当前诊断与治疗推荐主用系统 |
EAU指南建议在临床评估及研究分析中两者并用，并提示“分级比分期更易获得、也更具现实指导性”。
两套分级系统简要比较
WHO 1973（三级制）
| 分级 | 含义 |
|---|---|
| G1 | 高度分化（well-differentiated） |
| G2 | 中度分化 |
| G3 | 低分化（poorly differentiated） |
➡ 主观性强，分界模糊，但研究中使用广泛。
WHO 2004/2016/2022（双级制）
| 分级 | 病理特征 |
|---|---|
| 低级别（Low grade） | 结构完整、核规则、核分裂象少 |
| 高级别（High grade） | 核异型性重、分裂象多、易进展 |
➡ 更符合临床风险评估逻辑，与治疗策略关联更紧密。
四、小结
- EAU指南建议并行使用TNM分期+WHO双系统分级，并强调病理分级在实际诊疗中的主导作用；
- 分级系统的演变，也为我们提供了机制研究与标志物开发的稳定“参考变量”；
- 未来关于“智能化分层工具”“预测免疫反应模型”“高危UTUC亚群机制解析”等，都是值得深入的方向。
五、结语｜科研的靶点，往往藏在分层逻辑中
临床指南并非只是“标准流程”的体现，更是一张关于疾病理解程度的“热力图”：
哪些分层维度证据充足？
哪些标准缺乏生物基础支撑？
哪些定义过于模糊，急需机制解析补充？
一家之言：从分级/分期出发，找到临床评估的盲区，再通过组学与机制研究加以反哺，是临床科研的闭环逻辑之一。
📎 来源参考：EAU-Guidelines-on-Upper-Urinary-Tract-Urothelial-Carcinoma-2025.pdf
如果你只是希望系统了解UTUC的临床指南内容，以上已涵盖2025版EAU第4章“分期与分级”的关键信息，足以用于临床参考与知识储备。
但如果你希望进一步思考——能否基于这些“分层标准”挖掘机制、优化模型、转化科研？
那么以下内容，或许会扩展一些研究视角，也欢迎交流探讨。
六、科研启发：从“分层”走向“标志物与机制研究”
精读指南内容，不只是背诵推荐等级，而是发现“知识盲区”与“证据缺口”，从而提出真正有价值的科研问题。分期与分级系统看似基础，实则蕴含着深入理解UTUC进展机制、建立预测模型和设计联合治疗的关键切入点。
1. 如何提升UTUC早期T分期的准确性？（特别是在活检组织有限的前提下）
背景问题：
- 影像学容易低估肿瘤浸润深度（尤其T1 vs T2之间难以区分）
- 活检样本往往片段小、无肌层组织，分期信息严重不足
可行方向：
-
联合CTU影像、肿瘤体积、尿液学指标建立机器学习预测模型；
-
探索尿液ctDNA/尿外泌体表达谱在非侵入式T分期预测中的应用；
-
以单细胞/空间转录组重建T1-T2肿瘤局部结构进展图谱，识别早期浸润相关细胞状态（如EMT启动、微环境重塑等）；
-
研究肿瘤边缘免疫细胞构成与T分期之间的潜在联系（“免疫轮廓辅助分期”思路）；
关键词：non-invasive staging, liquid biopsy, deep learning radiomics, peritumoral immune infiltration
2.高级别UTUC的分子基础还有哪些未解？
背景问题：
- 高级别（high-grade）UTUC具有更高的复发/转移风险，但其分子特征异质性大；
- 指南提到 TP53、CDKN2A、RAS 等通路异常较常见，但具体机制仍缺乏系统研究；
可行方向：
- 高级别UTUC的多组学聚类分析，重新定义可转化的“分子等级子型”；
- 挖掘与高分级状态关联的代谢紊乱、染色质重塑或RNA调控机制；
- 比较“FGFR3高突变低级别UTUC”与“TP53/RB1异常高级别UTUC”的免疫微环境构成，识别免疫治疗机会窗口；
- 构建“高级别转移倾向”动物模型，追踪其演化路径与关键节点；
关键词：molecular subtyping, transcriptomic grade predictor, chromatin remodeling, tumor immunogenicity
3.是否有构建“智能化分级/分期预测模型”的可能性？
背景问题：
- 分级依赖于病理医生经验，分期依赖影像+组织片段，均具有主观性；
- 近年来图像+组学+AI融合趋势明显，可作为辅助工具开发方向；
可行方向：
- 结合HE图像（数字病理）+ WES/RNA-seq数据，开发可解释的机器学习模型预测Grade；
- 建立“病理片+GSVA通路活性”关联模型，量化“潜在分级因子”；
- 构建低级别–高级别的连续谱预测评分系统（如分子转化评分MTS）；
- 构建用于“病理分级一致性评估”的决策辅助工具，提高病理质控标准化水平；
关键词：digital pathology, AI-based grading, molecular-grading concordance, interpretability in AI
拓展：从“Grade/Stage”走向“Risk-Based Stratification Biology”
当前临床路径仍依赖病理分期分级 + 经验判断。但未来可以基于“生物学风险”重构分层系统，用组学与功能特征直接预测风险等级，而不依赖传统分期。
欢迎关注“指南精读 × 临床科研结合”系列内容，后续持续更新！
👋 欢迎关注我的学习专栏~ 如果觉得文章有帮助，别忘了点赞、关注、评论，一起学习
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
