影像组学技术助力直肠癌预后预测：国家自然科学基金项目重要突破
影像组学技术助力直肠癌预后预测：国家自然科学基金项目重要突破
局部进展期直肠癌（LARC）是临床常见的恶性肿瘤之一，其预后评估和治疗决策一直是医学研究的重点。近年来，影像组学技术的发展为肿瘤预后预测提供了新的思路和方法。本文介绍了一项国家自然科学基金面上项目的研究成果，该研究通过构建影像组学模型，成功解决了新辅助治疗后肿瘤间质含量（TSR）评估的难题，并为直肠癌个体化精准治疗提供了重要指导。
项目背景与意义
局部进展期直肠癌（LARC）患者在接受标准化治疗后，大部分患者均未能达到病理完全缓解，且部分患者在术后五年内出现无可避免的远处转移。肿瘤间质比（TSR）是肿瘤微环境的量化指标之一，已被证实可作为结直肠癌预后评估的有效危险因素，并可用于指导治疗决策。因此，开发LARC患者的治疗前TSR评估方法尤为必要。
本研究通过构建影像组学模型，解决了新辅助治疗破坏肿瘤微环境而使TSR无法在LARC患者中评估的难题，并且基于影像组学及临床及影像组学联合模型所评估的TSR可以预测LARC患者的预后，以辅助治疗决策。
研究方法与结果
TSR影像组学模型构建
研究团队对本单位149例直接手术直肠癌患者进行人工TSR病理诊断，通过基于T2WI、DWI、ADC及T1增强图像的多参数影像进行特征库构建，对5650个影像组学特征进行LASSO、多因素逻辑回归进行降维，并运用十折交叉验证法进行模型构建，成功构建影像组学模型rad-score。同时对全肿瘤平均ADC值（mean ADC）进行测量。
结果显示在训练集及验证集中，rad-score诊断效能优于mean ADC（训练集 AUC=0.917 vs AUC=0.776，验证集 AUC=0.787 vs AUC=0.764）。
在此基础上，研究团队对本单位178例直接手术直肠癌患者进行自动化TSR评分，并对小FOV T2WI图像进行全肿瘤特征提取，通过包含留一法交叉验证的递归消除支持向量机模型进行特征降维筛选及模型构建，得到影像组学模型MR-TSR，通过纳入临床危险因素构建融合模型Fusion-TSR。
TSR评估与预后预测
研究团队纳入243例2012至2017年间于本单位行新辅助治疗并接受根治术的LARC患者，分别运用上述两种模型对患者进行TSR评估并与患者的DFS与OS进行统计检验，结果表明，MR-TSR为LARC患者DFS的不良预后因素（HR=1.662，95% CI=1.077 - 2.565，p=0.02），而Fusion-TSR为LARC患者OS的不良预后因素（HR=2.373，95% CI=1.281 - 4.396，p=0.005）。
影像组学技术在不同结直肠癌患者中的应用
研究团队还运用影像组学技术构建了早期直肠癌及发生远处转移结直肠癌预后预测模型。通过回顾性收集本单位2014年至2020年间直肠癌常规MR中包含RS-EPI DWI序列的直接手术直肠癌患者195例，其中训练组158例，外部验证组37例。运用包含留一法交叉验证的递归消除支持向量机模型分别及同时进行影像组学特征及临床危险因素降维筛选，并构建用于预测无病生存期的影像组学模型、临床危险因素模型及联合模型，借此将接受直接手术的直肠癌患者分为高、低风险组。
结果显示联合模型预测复发转移的效能最高，分别预测术后第1年、第3年及第5年复发及转移的AUC为0.887、0.813及0.794，临床模型对应的AUC为0.704、0.689及0.711，而单纯影像组学模型对应的AUC为0.814、0.785及0.790。
多尺度融合模型预测结直肠癌肺转移预后
研究团队通过回顾性收集本单位103例接受结直肠癌肺转移灶切除术的患者数据，开展了一系列分析与模型构建工作，旨在预测结直肠癌可切除性肺转移的预后情况。通过构建病理深度学习模型、影像组学模型和免疫评分模型，并将这些模型与临床病理危险因素相结合，成功构建出能够预测患者总生存期（OS）及无病生存期（DFS）的多尺度列线图模型。
模型效能评估结果显示，列线图模型在预测效能上表现最佳：在OS方面，列线图模型的AUC为0.860，而其他单独模型的AUC范围在0.655 - 0.743之间；在DFS方面，列线图模型的AUC为0.875，其他单独模型的AUC范围在0.637 - 0.718之间。
此外，通过计算校准曲线及决策曲线，进一步验证了列线图模型具有较高的准确度及临床实用价值。