基于再分期MRI的影像组学分析用于检测局部进展期直肠癌的病理完全缓解

《European Journal of Radiology Open》：Radiomics analysis of restaging MRI for detection of pathological complete response in locally advanced rectal cancer

目的：基于磁共振成像（MRI）的影像组学（Radiomics）已成为直肠癌治疗反应无创预测的一种有前景的方法。本研究旨在基于局部进展期直肠癌（LARC）患者新辅助治疗后再分期MRI提取的影像组学特征，开发和验证一个机器学习模型，以识别达到病理完全缓解（pCR）的患者。方法：在这项单中心回顾性研究中，纳入2017年至2022年间治疗的组织学确诊直肠癌患者，条件是他们接受了新辅助治疗、分期和再分期MRI以及手术。在斜轴位T2加权图像上进行肿瘤分割。使用PyRadiomics在图像重采样和强度离散化后提取影像组学特征。使用最小绝对收缩和选择算子（LASSO）进行特征选择，并训练了一个带有弹性网络（Elastic Net）正则化的逻辑回归模型。使用重复分层5折交叉验证评估模型性能。性能指标包括受试者工作特征曲线下面积（AUC-ROC）、准确率、灵敏度和特异度。结果：最终队列包括86例患者（平均年龄为63±12岁；65%为男性），其中33例达到pCR（38.37%），53例未达到（61.63%）。该模型表现出中等的区分性能，平均AUC-ROC为0.74，准确率为67.4%，灵敏度为60.1%，特异度为71.0%。在识别非应答者方面比识别达到pCR的患者表现出更高的性能。结论：来自再分期MRI的基于MRI的影像组学显示了预测LARC治疗反应的潜力，特别是在识别新辅助治疗的非应答者方面。尽管性能仍然中等，但这种方法可能支持治疗分层和个性化管理。需要在更大的多中心队列中进一步验证。

该研究发表于《European Journal of Radiology Open》。局部进展期直肠癌（LARC）的临床管理面临巨大挑战，目前标准治疗包括新辅助放化疗（CRT）或全程新辅助治疗（TNT）后行全直肠系膜切除术（TME）。然而，患者对新辅助治疗的反应差异很大，约20%–40%的患者可达到病理完全缓解（pCR）。准确识别pCR患者对于实施“观察等待（watch-and-wait）”等保器官策略至关重要，而识别无应答者则有助于强化治疗。尽管MRI是再分期评估的核心手段，但治疗引起的纤维化、水肿等改变使得区分残留肿瘤与完全缓解十分困难，且传统的肿瘤退缩分级（TRG）存在主观性和观察者间变异。因此，研究人员开展了一项基于再分期MRI影像组学（Radiomics）的机器学习研究，旨在构建模型以无创预测LARC患者的pCR状态，得出结论认为该方法在识别非应答者方面具有潜力，有助于患者分层和个性化治疗，但需在更大规模多中心队列中验证。

研究人员用到的主要关键技术方法包括：回顾性收集2017年至2022年单中心86例LARC患者队列，所有患者均完成了新辅助治疗及再分期MRI并接受了手术；由两名盲法放射科医师使用ITK-SNAP软件在斜轴位T2加权（T2-weighted）再分期MRI图像上手动勾画肿瘤区域感兴趣体积（ROI），并应用N4偏置场校正；利用PyRadiomics库提取107个影像组学特征（包括一阶统计、形状、灰度共生矩阵GLCM、灰度游程长度矩阵GLRLM等），图像统一重采样并离散化为70个灰度级；采用z-score标准化，通过最小绝对收缩和选择算子（LASSO）进行特征降维，构建带弹性网络（Elastic Net）正则化的逻辑回归模型，并使用重复分层5折交叉验证（重复20次）评估模型性能。

研究结果

1. 3.
   Results
   最终研究队列由86例个体组成（65%为男性；平均年龄63±12岁）。其中33例（38.37%）达到病理完全缓解（pCR），53例（61.63%）未达到。通过重复分层5折交叉验证（共100个独立验证折）评估模型，结果显示模型的平均受试者工作特征曲线下面积（AUC-ROC）为74.0%，准确率为67.4%，灵敏度为60.1%，特异度为71.0%。模型在识别非应答者（未达pCR）方面表现优于识别pCR者。
2. 4.
   Discussion
   研究人员指出，该机器学习模型在识别未达pCR的LARC患者方面表现出良好的特异度（71%），这对临床制定强化治疗策略具有重要意义；但在识别pCR患者方面灵敏度相对较低（60.1%），而准确识别pCR是实施保器官策略的前提。与其他一些使用多参数MRI或CT的研究相比，本研究采用单一斜轴位T2加权序列，虽可能限制性能，但有助于提高模型的稳健性和可重复性，并减少小样本下的过拟合风险。研究人员也承认本研究的局限性，包括回顾性单中心设计、样本量较小、缺乏外部验证、未评估分割可变性的特征稳定性以及MRI采集协议差异可能影响特征鲁棒性。结论部分总结道，尽管存在局限性，但基于再分期MRI的影像组学模型在识别未达pCR的患者方面显示出潜力，支持其在改善患者分层和指导个性化治疗策略中的作用，最终旨在减少治疗相关发病率并提高生活质量。