联合研究：影像病理组学预测直肠癌新辅助治疗新进展

　　 中科院分子影像重点实验室研究员刘振宇与中山大学第六附属医院、中山大学肿瘤医院、云南省肿瘤医院、北京肿瘤医院合作，开展的多中心“影像病理组学预测直肠癌新辅助治疗效果”的临床研究工作获得重要进展。相关成果近日发表于《外科肿瘤学年刊》。

　　直肠癌是常见的消化道恶性肿瘤之一。据了解，新辅助治疗后行全肠系膜切除术是目前针对局部晚期患者的标准治疗方式，能够达到减少肿瘤转移、降低肿瘤局部复发风险等效果。然后以肿瘤退缩等级为代表的术后病理检查指标显示，患者群体中新辅助治疗的病理学响应存在差异，即疗效差异。约15%~27%患者经证实达到病理学完全缓解，有希望避免手术转而采取等待观察的治疗策略，针对部分治疗收益较低甚至无效的患者需要权衡药物毒副作用，调整治疗策略，避免贻误最佳的手术时机。目前临床尚无法分级预测差异化的病理学响应患者，因此在治疗前分级预测患者的病理学响应对于优化治疗方案实现精准医疗和个性化医疗具有重大意义。

　　在“影像病理组学预测直肠癌新辅助治疗效果”的临床研究工作中，研究团队利用人工智能方法结合了肿瘤的宏观影像学信息和微观病理学信息，从不同观测尺度完善了对肿瘤异质性的描述，能够在新辅助治疗前进行疗效的分级预测，从而辅助医生为患者提供个体化的治疗方案，提高局部晚期直肠癌患者新辅助治疗收益。

　　据了解，在此项研究中，中山六院、中山大学肿瘤医院、云南省肿瘤医院和北京肿瘤医院共收集981例接受标准新辅助治疗的局部晚期直肠癌患者数据，包含治疗前多参数磁共振影像、活检病理染色全景扫描图像和临床信息，采用影像病理组学分析。研究团队分别从多参数磁共振影像中提取1000余个表征肿瘤宏观结构信息的量化影像组学特征，和染色全景扫描图像中提取700余维表征肿瘤微观的病理信息的量化病理组学特征。通过经典统计学方法与基于机器学习算法的极端梯度提升算法结合，构建四级肿瘤退缩等级预测，用于区分四类不同病理学响应的患者。通过在单中心数据上进行模型构建，并采用多个中心的回顾性数据验证模型。

　　根据模型性能评估的结果，研究中基于影像病理组学模型产生的预测指标表现稳定，四个中心的准确率为79.66%~87.66%。受试工作曲线下面积分别为0.98、0.93和0.84。该结果显著高于基于单一尺度信息的模型，多中心回顾性数据验证结果显示预测准确率相比较单纯采用影像提升15%~40%，实现基于多尺度图像的高精度治疗前疗效分级预测。