150名淋巴瘤患者、双中心回顾性研究显示：治疗前的一次PET（正电子发射断层扫描）检查，通过分析肌肉和脂肪的影像特征（影像组学），能以0.916的曲线下面积（AUC）预测患者未来会不会发生”恶病质”（癌症导致的进行性消瘦）——在病人还没瘦下来之前，影像就已预告。

如果你是淋巴瘤患者或家属，治疗前医生安排的PET/CT不仅看肿瘤，还可能暗藏”消瘦风险”的线索。影像组学分析目前仍是研究工具，但提前识别高危人群，意味着更早的营养干预窗口——可以主动向医生咨询营养支持方案。

癌症最狠的刀，是”瘦死”

癌症最残酷的画面之一，是病人明明在”正常吃饭”，身体却止不住地消瘦，最后瘦成一把骨头——这叫恶病质（cachexia），约半数癌症患者会经历，也是很多患者”不是死于肿瘤、而是死于消耗”的直接原因。但2026年发表在《欧洲临床营养学杂志》的一项研究揭示了一个前瞻性的信号：这一切，可能在病人瘦下来之前，就被治疗前的一次PET影像预告了。

你注意过治疗期间的体重吗

你或家人治疗癌症时，有没有注意到体重在悄悄往下掉？很多人以为”瘦是癌症的正常现象”，其实恶病质是独立的病理过程，与肿瘤大小、分期都不完全对应，而且一旦发生很难逆转。如果能提前几周甚至几个月知道”你会瘦”，是不是就能在还没瘦之前开始营养干预？这正是这项研究想做的事。

影像里的”身体底子”

150名患者，两个中心：研究回顾性纳入两个中心150名治疗前做了[18F]FDG（氟代脱氧葡萄糖）PET/CT的淋巴瘤患者，按约7:3随机分为训练队列（105人）和测试队列（45人）。训练队列中61人（58%）后来发展为恶病质，测试队列中26人（58%）。

从肌肉和脂肪里”读”出风险：研究者从肝脏、内脏脂肪、皮下脂肪、腰大肌、骶棘肌五种代谢组织中提取影像组学特征，最终模型纳入皮下脂肪、内脏脂肪和腰大肌的5个特征——这些影像特征反映的是身体”能量储备”的状态。

组合模型AUC 0.916：整合影像组学+临床特征的组合模型，训练队列AUC达0.916，显著优于纯临床模型（AUC=0.844，P=0.013）和纯影像组学模型（AUC=0.826，P=0.005）。在独立测试队列，影像组学（0.816）和组合模型（0.759）也都优于临床模型（0.601）。

为什么”瘦”能被预测：恶病质的本质是代谢紊乱：肿瘤释放因子让身体分解肌肉和脂肪。PET影像里的葡萄糖摄取模式、脂肪组织分布，其实早就在记录这种代谢异常的痕迹——只是以前没人把它”读”出来。

训练队列：临床0.844→影像组学0.826→组合0.916；测试队列：临床0.601→组合0.759。前后两组数据共同说明一件事：影像组学给临床判断额外加了一层”透视”。

预告不是判决，是提前行动

1 治疗前PET影像能以0.916的AUC预测淋巴瘤恶病质，肌肉和脂肪的影像特征里藏着代谢异常的预告。

2 影像组学是”加分项”而非”替代项”，它与临床特征结合才能达到最佳预测。

3 提前识别消瘦风险=提前营养干预窗口——如果未来进入临床，患者可能在变瘦之前就获得营养支持：在瘦下来之前，拦住它。

① 回顾性双中心：样本量150人较小，需更大规模前瞻性验证。
② 单一肿瘤类型：仅淋巴瘤，其他癌种（肺癌、胰腺癌等）的适用性未知。
③ 特征可重复性：不同设备、扫描参数可能影响影像组学特征提取的稳定性。
④ 过拟合风险：训练集与测试集AUC差异（0.916 vs 0.759），需外部验证。

参考资料：Jiang Y et al. Pre-therapeutic prediction of cachexia in lymphoma patients using [18F]FDG PET radiomics of muscle and fat. European Journal of Clinical Nutrition（2026）. https://doi.org/10.1038/s41430-026-01797-0