对于局部晚期直肠癌（LARC）患者而言，新辅助放化疗（NAT）后接受全直肠系膜切除术（TME）是标准治疗方案。然而，约有15%至27%的患者在接受NAT后可达到病理完全缓解（pCR），这意味着肿瘤被完全清除，预后极佳。这部分患者或许可以避免手术及其带来的并发症，选择保肛及功能保全策略，从而显著提升生活质量。因此，如何在术前精准识别出这些pCR患者，成为了临床决策的关键难点。目前，高分辨率磁共振成像（MRI）虽是直肠癌分期和疗效评估的金标准，但在区分治疗后残留肿瘤与治疗反应（如纤维化）方面仍力有不逮，导致视觉评估存在局限性。尽管影像组学技术的发展带来了超越视觉解读的客观评估新希望，但先前的研究模型多面临前瞻性验证缺乏、临床可解释性不足（即“黑箱”问题）等挑战，阻碍了其临床转化应用。
为了破解这一难题，一项发表在《International Journal of Radiation OncologyBiology Physics》的研究报道了名为RAPIDS-II的可解释人工智能模型，该模型旨在基于NAT后/TME前的多参数MRI影像组学特征，结合临床病理因素，精准预测LARC患者的pCR状态，并在一项前瞻性、多中心、人机交互临床研究（NCT04278274）中验证了其有效性和临床辅助价值。
研究人员开展此项研究主要运用了几个关键技术方法：首先，他们回顾性收集了823例LARC患者的临床资料和NAT后/TME前MRI图像（包括T2加权成像T2WI、扩散加权成像DWI和动态对比增强DCE序列），并手动勾画肿瘤区域提取大量影像组学特征，经过特征筛选和可重复性评估后，利用深度残差收缩网络（DRSN）构建放射组学模型并生成Radscore。接着，通过多变量分析筛选出显著的临床病理因素（临床T分期cT、临床N分期cN、治疗前癌胚抗原pre-CEA和治疗后癌胚抗原post-CEA），与Radscore整合，采用极端梯度提升（XGBoost）算法构建了多模态的RAPIDS-II预测模型。最后，研究在一个前瞻性收集的207例患者队列中验证了模型的性能，并评估了该模型辅助六名不同年资放射科医生进行视觉评估的效果。此外，研究利用SHapley Additive exPlanations（SHAP）方法对模型的预测结果进行解释和可视化，以增强其临床可接受性。
结果
患者特征
回顾性队列的823例患者被随机分为训练集（n = 575）和测试集（n = 248）。前瞻性验证队列纳入207例符合标准的患者。各组患者的基线特征，如年龄、性别、cT分期、cN分期、癌胚抗原水平等，在pCR与非pCR患者间的分布在训练集、测试集和前瞻性队列中基本均衡。
RAPIDS-II模型在测试集中的性能
基于19个筛选后影像组学特征构建的DRSN模型（仅影像组学）在测试集中预测pCR的曲线下面积（AUC）为0.806。结合了Radscore和临床病理因素（cT分期、cN分期、pre-CEA、post-CEA）的RAPIDS-II多模态模型表现更优，在训练集和测试集中的AUC分别达到0.930和0.813，显著优于单纯的DRSN模型。
RAPIDS-II模型在前瞻性验证中的性能
在前瞻性验证队列中，RAPIDS-II模型依然表现出稳健的预测能力，AUC为0.795，显著高于DRSN模型（AUC = 0.754）。与放射科医生的视觉评估相比，RAPIDS-II模型的AUC高于所有初级放射科医生（整体AUC = 0.673），并与部分高级放射科医生（整体AUC = 0.829）表现相当或更优。值得注意的是，放射科医生的视觉评估特异性较高但敏感性相对较低，而RAPIDS-II模型具有相对较高的敏感性，提示两者具有互补性。
人机交互临床验证
当放射科医生参考RAPIDS-II模型的预测结果对判断不一致的病例进行重新评估后，其诊断性能得到提升。特别是初级放射科医生，其诊断的AUC和敏感性均有显著提高。例如，初级医生R1的敏感性从0.390提升至0.576。高级放射科医生在保持高特异性的同时，敏感性也有所改善。这表明RAPIDS-II模型能够有效辅助临床医生，尤其是经验较少的医生，做出更准确的判断。
RAPIDS-II模型的解释与可视化
通过SHAP分析，研究对模型的预测逻辑进行了解释。结果显示，Radscore对RAPIDS-II模型的最终预测贡献最大。在影像组学特征中，“DWI_wavelet.LLH_GLSZM_LGLZE”（f15 ）、“DCE_wavelet.LLH_GLRLM_LRLGLE”（f13 ）和“DCE_wavelet.HHL_GLSZM_SALGLE”（f10 ）是影响Radscore最重要的三个特征。SHAP力力图可以直观展示每个特征（包括Radscore和临床因素）如何影响个体患者的pCR预测概率，从而为临床医生理解模型的每一个决策提供了透明窗口。
RAPIDS-II模型的预后意义
中位随访40个月的生存分析显示，被RAPIDS-II模型预测为pCR的患者，其总生存期（OS）、无病生存期（DFS）、局部无复发生存期（LRFS）和远处无转移生存期（DMFS）均显著优于被预测为非pCR的患者。进一步分析发现，在病理证实为非pCR的患者中，被模型错误预测为pCR的患者，其5年内局部复发和远处转移的风险似乎低于被模型正确识别为非pCR的患者，提示模型预测可能蕴含了超越病理诊断的预后信息。
讨论与结论
RAPIDS-II研究成功开发并前瞻性验证了一个整合NAT后/TME前MRI影像组学和临床病理因素的可解释AI模型，用于预测LARC患者的pCR状态。该模型表现出良好的预测性能，并能有效提升放射科医生（尤其是初级医生）的诊断准确性。通过SHAP方法实现的模型可解释性，大大增强了其结果在临床实践中的可信度和可接受度。这项研究标志着可解释AI在精准肿瘤学，特别是直肠癌个体化治疗决策支持领域迈出了坚实的一步。RAPIDS-II模型有望成为一种实用的临床辅助工具，帮助医生更准确地识别出可能从非手术“等待观察”策略中获益的pCR患者，同时也为误判病例的预后分层和后续治疗策略调整提供了潜在线索。未来，通过融入更多模态数据（如内镜、肛指检查）以及实现自动化图像分割，模型性能和应用便捷性有望得到进一步提升。
打赏
