作者：马文珊，蒋常琴，冯 强，山东省潍坊市益都中心医院影像科
1. 影像组学技术概述
影像组学这一概念最早于2012年由荷兰学者Lambin提出，其通过定量影像分析、机器学习和计算机视觉技术从医学影像中提取深入的定量信息，是一种新兴的医学图像分析方法。影像组学的大致工作流程如下（1）数据采集；（2）感兴趣区域标定和分割；（3）影像特征提取；（4）特征筛选和降维；（5）构建模型与分析。
直肠癌的MRI影像组学除基于常规T2加权成像（T2 weighted imaging，T2WI）、T1加权成像（T1 weighted imaging，T1WI）外，还包含表观扩散系数（apparent diffusion coefficient，ADC）、扩散加权成像（diffusion weighted imaging，DWI）、扩散峰度成像（diffusionkurtosis imaging，DKI）及动态对比增强MRI（dynamic contrast-enhanced MRI，DCE-MRI）等功能MRI序列。目前，影像组学在多个医学领域中展现出广泛的应用潜力。这种技术超越了传统的影像学分析，能够揭示影像中不易被肉眼察觉的微观和宏观模式。
2. 影像组学技术在直肠癌诊疗中的应用
直肠癌的治疗方法包括手术切除、化学治疗、
2.1 诊断与鉴别诊断
直肠腺瘤是一种起源于直肠黏膜上皮的良性肿瘤性病变，具有一定癌变风险但与直肠癌的治疗方式大不相同。两者临床症状相似，致使部分患者被误诊，错失最佳治疗时机。Sun等研究了直肠癌进展过程中血液和粪便中代谢产物的变化，通过靶向代谢组学和三个独立验证队列证实了血浆代谢物在直肠癌、直肠腺瘤中的诊断潜能。除代谢组学外，MRI影像组学技术同样可以无创性评估直肠占位性病变。
李厚颖等于直肠病变患者T2WI、DWI及T2WI+DWI图像中提取特征并分别构建影像组学模型，结果表明，三个模型均能良好地鉴别直肠隆起性腺癌和直肠腺瘤，其中Model T2WI的准确率最高，达87%。
2.2 预测术前TNM分期
T分期：临床对早期直肠癌（T1-2和N0）建议行全直肠系膜切除术（total mesorectal excision，TME）治疗，对于LARC（T3-4和/或N1）建议先行nCRT后再行TME。因此，术前准确评估直肠癌患者的分期是精准治疗的关键。MRI是无创性评估直肠癌局部分期的重要手段，但研究发现常规MRI评估难以准确区分早期T3肿瘤与伴有促纤维增生反应的T1/T2肿瘤。
Sun等提取直肠癌患者的HR-T2WI图像的纹理特征，发现相较于常规MRI影像评估，基于HR-T2WI图像建立的预测模型在评估T分期方面具有更高的辨别性能，其AUC值为0.852。Lin等采用最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）算法筛选特征并构建影像组学评分（radiomics score，Rad-score）模型，发现联合Radscore与癌胚抗原水平的组合列线图模型能有效识别LARC，对直肠癌患者治疗方案的制定具有指导意义。
Ma等基于直肠癌患者的HR-T2WI图像，建立多个影像组学模型，发现多层感知器分类器在评估直肠癌T分期中性能最佳（其在训练集和验证集的AUC 值分别为0.824、0.809）。此外，Hou等使用深度迁移学习网络以增强HR-T2WI图像的z分辨率，获得术前超分辨率图像（super-resolution T2WI，SR-T2WI），发现SR-T2WI模型预测T分期的能力优于HR-T2WI模型及单纯视觉评估。HR-T2WI是MRI影像学评估原发性直肠癌T分期的关键序列，研究发现其他MRI序列对直肠癌T分期同样具有预测价值。You等发现基于直肠癌患者的术前表观扩散系数（ADC）图像构建的影像组学模型较HR-T2WI能够更准确地评估T分期，两者联合能进一步提高术前预测T分期的准确率。
N分期：淋巴结转移是直肠癌常见的转移方式，是否存在淋巴结转移直接影响到治疗方案的选择及患者的预后。目前主要依据淋巴结的形态、大小和信号来确定是否存在淋巴结转移，但这种方法的误诊率和漏诊率较高。一项系统回顾和荟萃分析共纳入36项研究，发现在预测直肠癌患者术前淋巴结分期方面，基于人工智能的放射组学具有稳健的综合预测性能，显著优于传统影像学评估，其在指导治疗策略和改善患者预后方面有潜在的临床价值。
Niu等发现同CT放射组学模型相比，基于MRI影像特征建立的放射组学模型对直肠癌患者术前发生淋巴结转移具有更优的预测效能（验证队列AUC 0.785 vs.0.721，P<0.05）。Meng等提取直肠癌患者的多参数MRI（multiparametric MRI，mp-MRI）放射组学特征，通过最小冗余最大相关法和Wilcoxon 秩和检验进行特征排序，使用RF、支持向量机（support vector machine，SVM）、LASSO三种分类器及Logistic 回归法建立结合放射组学特征和临床特征的综合评估模型，发现该模型可优化对淋巴结状态的评估。
Liu等比较了临床、单区域放射组学和多区域放射组学模型对直肠癌患者发生淋巴结转移的预测能力，其中多区域影像组学模型性能最佳。Jia等提取直肠腺癌患者的T2WI和体素内不相干运动扩散加权成像（intravoxel incoherent motion diffusion-weighted imaging，IVIM-DWI）的影像学特征并分析，发现转移组的伪扩散系数（pseudo-diffusion coefficient，D*）值显著低于非转移组（P<0.05），转移组的灌注分数（perfusion fraction，f）显著高于非转移组（P<0.05），由T2WI和IVIM-DWI的影像组学特征联合IVIM-DWI的D*值和f值的列线图模型对直肠癌患者术前发生非肿大淋巴结转移有较高的诊断效能。M分期：直肠癌早期症状隐匿，部分患者在确诊时或确诊前已发生肝脏转移，即发生同时性肝转移，导致5年生存率显著下降。
因此，早期发现直肠癌患者发生同时性肝转移是提高直肠癌患者生存率的重点。近年来，影像组学技术在预测直肠癌伴同时性肝转移方面得以应用，一定程度上弥补了传统影像学在此方面的盲区和不足，有利于患者的精准个体化诊治。
Ding等发现相较于非同步转移组，同步远处转移组的f值的第90百分位数显著降低，糖类抗原19-9（carbohydrate antigen19-9,CA19-9）显著增高，且低位和高位直肠癌较中位直肠癌更容易发生同步远处转移，三项参数联合构建的列线图模型可以很好地预测直肠癌患者发生同步远处转移的风险。
Liu等对早期直肠癌患者的HR-T2WI图像进行特征提取，通过LASSO回归筛选出5个特征构建放射组学模型来预测同时性肝转移，纳入癌胚抗原和CA19-9后构建列线图模型，发现列线图模型的预测性能优于单纯影像组学模型。Shu等采用主成分分析（principal component analysis,PCA）、LASSO 两种方法对直肠癌患者的T2WI图像进行特征筛选，决策曲线分析（decision curve analysis,DCA）显示LASSO法的净收益高于PCA，通过多因素Logistic 回归分析发现Rad-score和MRI肿瘤分期是直肠癌伴同时性肝转移的独立预测因子。
异时性肝转移是指在结直肠癌根治术后发生的肝转移，准确预估直肠癌患者的肝转移发生几率，及时调整治疗及随诊方案，是目前直肠癌临床诊疗中的重点与难点。研究发现通过影像组学技术，可以有效地筛查直肠癌远处转移的高危患者，从而改善预后和生存。Liang等提取并分析了直肠癌患者的T2WI和增强扫描静脉期图像的影像学特征，分别采用SVM和Logistic 回归构建模型用于预测直肠癌患者发生异时性肝转移，结果表明MRI放射组学模型对异时性肝转移有很高的预测价值，其中使用Logistic 回归算法基于22个最优特征构建的预测模型最优。
Li等基于原发性直肠癌患者术前的T2WI、DWI建立影像组学模型，发现结合壁外血管侵犯(extramural vascular invasion，EMVI)、肿瘤下缘与肛缘的距离、MRI T/N分期等临床特征构建的融合模型可以有效预测直肠癌患者的异时性肝转移，有助于临床医师制定个性化的监测和治疗方案，但应用于临床前还需要进一步验证。
2.3 预测KRAS基因状态
KRAS是恶性肿瘤中最常见的易突变致癌基因之一，超过三分之一的直肠癌患者存在KRAS突变。KRAS基因突变与直肠癌的不良预后密切相关，研究发现KRAS突变型直肠癌患者相较于KRAS野生型直肠癌患者的预后更差。因此，明确KRAS基因状态成为直肠癌患者免疫治疗的要点。
Zhang等基于LARC患者的T2WI图像的纹理特征构建模型来预测患者行新辅助放化疗（nCRT）前的KRAS状态，结果显示该模型的预测效能良好，有望成为靶向治疗的无创指导工具。Xu等发现由DWI衍生的参数，特别是ADC平均值、D*在区分直肠癌患者的KRAS突变状态（突变型/野生型）方面表现出中等的诊断性能。一项多中心回顾性研究通过LASSO、SVM筛选放射组学特征，计算Rad-score并建立预测模型，该模型在训练集和验证集中均有出色的诊断效能（AUC分别为0.983和0.814），并且该研究还发现Rad-score高的患者发生肺转移的风险更高。
Oh等从直肠癌患者的T2WI图像中提取出3个与KRAS突变状态显著相关（P<0.05）的放射组学特征，通过建立DT模型来预测直肠癌患者的术前KRAS突变状态，结果显示该模型预测性能良好（AUC值为0.884）。此外，Wang等基于直肠癌患者T2WI图像开发了一个多分支交叉注意网络模型，对KRAS突变型、野生型予以区分，其预测的准确率高达88.92%。为进一步优化模型的预测性能，Liu等将影像学模型与临床模型相结合构建联合模型，其训练集AUC为0.878、测试集为0.841。上述研究均证实MRI影像组学在预测直肠癌患者的KRAS基因方面的性能可观，对患者的治疗具有一定临床意义。
2.4 预测LARC患者的nCRT疗效
nCRT能有效缩小肿瘤体积，提高局部疗效，部分患者可达病理完全缓解（pathological complete response，pCR），即经病理学检查显示肿瘤完全消退。但由于肿瘤异质性，也有一部分患者在nCRT后会出现不良反应以及肿瘤退缩不佳。De等通过过滤直方图技术提取LARC患者的T2WI图像的纹理特征，发现治疗前峰度是预测肿瘤反应的最佳参数，检测pCR的灵敏度和特异度分别为100%和77.8%，可将pCR患者与部分缓解/未缓解患者进行分层，以利于及时有效地调整治疗方案，减少不必要的治疗。
为探究最佳预测模型，秦思源等从LARC患者治疗前的HR-T2WI图像中提取影像组学特征并筛选，分别采用LR、二次判别分析、SVM分类器建立多种预测模型，其中联合病灶与系膜脂肪特征的LR模型的预测效能最佳，其在训练集和测试集中的AUC 分别为0.946、0.857。Feng等基于LARC 患者治疗前的预处理盆腔MRI图像（T2WI、增强T1WI、DWI）以及全视野数字病理切片图像，开发并验证了RAdioPathomics 综合预测系统，用来预测LARC患者的nCRT后的pCR。
此由病理学和影像学组构建的双模态预测模型在两组独立大规模外部验证队列及一组前瞻性验证队列中均表现出良好的预测性能，且优于传统单模态预测模型。Wan等研究表明基于T2WI和DWI的Delta影像组学可预测nCRT疗效且性能优于磁共振肿瘤退缩分级（magnetic resonance tumor regression grade，mrTRG），然而Crimì等研究却发现基于T2WI的纹理分析并不能有效预测LARC患者在nCRT后的pCR，也无法替代mrTRG。因此，目前仍需要更加深入的研究来探索、验证MRI影像组学在预测LARC患者的nCRT疗效方面的潜在价值。
2.5 预测直肠癌患者的预后及生存
尽管直肠癌综合的治疗体系日益完善，但患者的生活质量及预后仍不容乐观，精准的预后评估对指导个体化的治疗和护理方案至关重要。Li等发现临床-影像组学联合模型（瘤体+瘤周3 mm+临床因素）预测淋巴结结外侵犯的性能最好，其在训练组和验证组中的AUC分别为0.799和0.723，在此基础上进一步结合EMVI参数构建的预后模型，对直肠癌患者3年内无复发生存期有良好的预测性能。
Nie等对IIIII期直肠癌患者的mp-MRI进行纹理分析，从中筛选了8个纹理特征构建放射组学模型预测患者的5 年总体生存期（overall survival,OS），测试队列中的AUC为0.89，整合临床-组织学-影像学特征后开发了一列线图模型，C-index及校正曲线显示该复合模型有很好的区分度、校准度，可帮助有潜在的较短OS的患者接受更积极的治疗计划。DKI用于无创性检测非高斯分布水分子扩散运动，提供更深入和精确的组织结构信息。
孙轶群等对LARC 患者的DKI 图像进行后处理，生成校正后的扩散系数（corrected diffusion coefficient,D）参数图并进行直方图分析，发现DSkewness 高低组间OS差异明显，可由此将患者进行风险分层。Knuth等发现动态磁敏感对比增强MRI显示的低肿瘤血流量与较短的无进展生存期、OS显著相关，基于定量MRI的影像学特征的预测潜力优于HR-T2WI。
3. 总结与展望
综上所述，相较于其他影像组学方法，MRI影像组学不但无创，而且能够从整体上对病灶进行分析，从而有效地避免活检过程中的采样误差。目前，在各个方面均有不少研究成果，但仍存在一定的不足：（1）大部分为回顾性研究且样本量较少，未来应开展大规模多中心前瞻性研究来进一步验证；（2）扫描设备、扫描参数、分割方法及应用工具不一，导致可重复性差，难以准确评估模型效能，后期应建立标准规范的影像组学工作流程来消除差异。虽然MRI影像组学的应用和推广面临一定的挑战，但其在直肠癌治疗中的巨大潜力不可否认。相信随着科技水平的不断进步，MRI影像组学会真正走进临床，为直肠癌的精准诊疗做出贡献。
来源：马文珊,蒋常琴,冯强.MRI影像组学在直肠癌中的应用进展[J].临床放射学杂志,2025,44(07):1354-1358.DOI:10.13437/j.cnki.jcr.2025.07.031.
我要投稿
