直肠癌新辅助放化疗疗效预测的放射病理组学模型

1. 项目背景与临床意义

直肠癌是我国常见的消化道恶性肿瘤之一，其中局部晚期直肠癌（LARC）约占新发病例的30%-40%。新辅助放化疗（nCRT）已成为这类患者的标准治疗方案，能使10%-30%的患者达到病理完全缓解（pCR）。准确预测pCR对临床决策至关重要——达到pCR的患者可能适合"等待观察"策略，避免不必要的手术创伤；而未达pCR者则需及时手术干预。

传统预测方法主要依赖临床病理特征和影像学评估，但存在明显局限性：

• MRI等常规影像检查对治疗后纤维化与残留肿瘤的鉴别困难
• 活检取样误差大，无法反映肿瘤全域异质性
• 临床指标（如CEA）特异性不足

我们团队开发的放射病理组学模型，通过深度整合多模态数据，为解决这一临床难题提供了新思路。这种创新方法已在《柳叶刀》数字健康子刊发表，验证集AUC达0.91，显著优于传统评估手段。

2. 模型构建核心技术解析

2.1 多中心数据采集与标准化

研究纳入了中山六院等5家三甲医院2015-2020年的628例LARC患者数据，所有病例均满足：

• 经病理确诊的直肠腺癌
• 临床分期cT3-4或N+
• 完成标准长程放化疗（50.4Gy/28f+卡培他滨）
• 治疗后6-8周行全直肠系膜切除术

影像数据采集采用统一协议：

• 3.0T MRI（西门子Skyra）
• 序列包含T2WI、DWI（b=0,1000s/mm²）、动态增强
• 扫描层厚3mm，FOV 200×200mm

病理标本处理标准：

• 手术标本甲醛固定24-48小时
• 全瘤取材，切片厚度4μm
• HE染色+免疫组化（CD3/CD8/Ki-67）

2.2 放射组学特征提取

使用PyRadiomics（v3.0）从治疗前MRI提取1892个特征：

1. 图像预处理：

   • N4偏场校正
   • 灰度归一化（μ±3σ）
   • 体素重采样（1×1×1mm³）

2. 肿瘤分割：

   • 由2名5年以上经验的放射科医师独立勾画
   • 包含原发灶及转移淋巴结
   • 使用ITK-SNAP进行三维ROI标注

3. 特征类别：

   • 一阶统计量（Skewness、Kurtosis）
   • 纹理特征（GLCM、GLRLM）
   • 形态学特征（Compactness、Sphericity）