聯合研究：影像病理組學預測直腸癌新輔助治療新進展

　　 中科院分子影像重點實驗室研究員劉振宇與中山大學第六附屬醫院、中山大學腫瘤醫院、云南省腫瘤醫院、北京腫瘤醫院合作，開展的多中心“影像病理組學預測直腸癌新輔助治療效果”的臨床研究工作獲得重要進展。相關成果近日發表于《外科腫瘤學年刊》。

　　直腸癌是常見的消化道惡性腫瘤之一。據了解，新輔助治療后行全腸系膜切除術是目前針對局部晚期患者的標準治療方式，能夠達到減少腫瘤轉移、降低腫瘤局部復發風險等效果。然后以腫瘤退縮等級為代表的術后病理檢查指標顯示，患者群體中新輔助治療的病理學響應存在差異，即療效差異。約15%~27%患者經證實達到病理學完全緩解，有希望避免手術轉而采取等待觀察的治療策略，針對部分治療收益較低甚至無效的患者需要權衡藥物毒副作用，調整治療策略，避免貽誤最佳的手術時機。目前臨床尚無法分級預測差異化的病理學響應患者，因此在治療前分級預測患者的病理學響應對于優化治療方案實現精準醫療和個性化醫療具有重大意義。

　　在“影像病理組學預測直腸癌新輔助治療效果”的臨床研究工作中，研究團隊利用人工智能方法結合了腫瘤的宏觀影像學信息和微觀病理學信息，從不同觀測尺度完善了對腫瘤異質性的描述，能夠在新輔助治療前進行療效的分級預測，從而輔助醫生為患者提供個體化的治療方案，提高局部晚期直腸癌患者新輔助治療收益。

　　據了解，在此項研究中，中山六院、中山大學腫瘤醫院、云南省腫瘤醫院和北京腫瘤醫院共收集981例接受標準新輔助治療的局部晚期直腸癌患者數據，包含治療前多參數磁共振影像、活檢病理染色全景掃描圖像和臨床信息，采用影像病理組學分析。研究團隊分別從多參數磁共振影像中提取1000余個表征腫瘤宏觀結構信息的量化影像組學特征，和染色全景掃描圖像中提取700余維表征腫瘤微觀的病理信息的量化病理組學特征。通過經典統計學方法與基于機器學習算法的極端梯度提升算法結合，構建四級腫瘤退縮等級預測，用于區分四類不同病理學響應的患者。通過在單中心數據上進行模型構建，并采用多個中心的回顧性數據驗證模型。

　　根據模型性能評估的結果，研究中基于影像病理組學模型產生的預測指標表現穩定，四個中心的準確率為79.66%~87.66%。受試工作曲線下面積分別為0.98、0.93和0.84。該結果顯著高于基于單一尺度信息的模型，多中心回顧性數據驗證結果顯示預測準確率相比較單純采用影像提升15%~40%，實現基于多尺度圖像的高精度治療前療效分級預測。