European Radiology：可预测局部晚期直肠癌病理完全缓解的放射组学模型

据统计，结直肠癌是全世界最流行的癌症之一，也是癌症死亡的第三大原因，其中大约30%的病例源自直肠。对于局部晚期直肠癌（LARC）来说，术前新辅助化疗（nCRT）和全直肠系膜切除术（TME）被推荐为标准治疗策略。一些LARC患者在接受nCRT后获得了病理完全反应（pCR），即手术切除的标本显示没有残留的恶性细胞，从而实现完全切除并改善手术效果。研究表明，与没有pCR的患者相比，有pCR的患者在局部和远处无复发的生存率、5年总生存率和5年无病生存率（DFS）方面有良好的预后本项。此外，在nCRT后获得完全临床反应的患者可以接受被称为观察和等待策略的器官保留治疗，作为手术的替代方案。然而，只有15-27%的LARC患者从nCRT中获益，并最终获得pCR。因此，在手术前准确评估nCRT的治愈效果并适当判断预后，从而确保治疗更加个体化和有效是非常重要的。

磁共振成像（MRI）是直肠癌患者的一个标准检查程序。高分辨率的T2加权图像（T2WI）和传统的扩散加权成像（DWI）可以提供更详细的直肠癌的解剖和功能交替的信息。基于磁共振的放射组学可提取广泛的定量特征，在监测治疗效果、肿瘤诊断和分期方面有很高的潜力。一些研究已经证明了基于MR的放射组学在LARC患者接受NCRT后的治疗反应评估中的能力。然而，尽管在ML方面取得了可喜的成果，但大多数关于放射组学的研究都是基于单中心的，既没有经过标准化，也没有经过外部验证。正因为如此，放射组学分析的可重复性和再现性是目前重要的问题。一个理想的、可复制的、强大的放射组学模型应该适用于多种数据源和不同的设备。

放射组学分析的预测性能受到建模算法的影响。根据偏好、数据特征、假设的特征依赖性、模型的可解释性和研究人员的经验来选择建模方法。不同的ML分类算法具有不同的预测性能。尽管许多研究探讨了ML在预测LARC患者pCR方面的能力，但对分类器的结果仍有争论。

近日，发表在European Radiology杂志的一项研究开发并从外部验证了基于MR的多参数放射组学方法在多厂商环境下预测pCR的通用性，并比较了不同分类算法在pCR结果预测中的鉴别能力。

本项回顾性研究纳入了151名LARC患者，分为内部（A中心，n = 100）和外部验证集（B中心，n = 51）。得出临床和MR放射组学特征，并构建临床、放射组学和临床-放射组学模型。使用随机森林（RF）、支持向量机（SVM）、逻辑回归（LR）、K近邻（KNN）、贝叶斯（NB）和极端梯度提升（XGBoost）作为分类器，并使用接收器操作特征（ROC）曲线评估预测性能。

11个放射组学特征和4个临床特征被选为pCR相关的特征。在放射组学模型中，RF算法的准确率为74.0%（AUC为0.863），在内部和外部验证集中的准确率为84.4%（AUC为0.829）。在临床放射学模型中，RF算法在内部和外部验证数据集中表现出较高和稳定的预测性能，AUC分别为0.906（灵敏度87.3%，特异性73.7%，准确性76.0%）和0.872（灵敏度77.3%，特异性88.2%，准确性86.3%）。在三个模型的外部验证数据集中，RF显示出比其他分类器更好的预测性能。

图 临床模型中六个分类器在训练（a）、内部验证（b）和外部验证集（c）中预测pCR的ROC曲线

本项研究比较了不同分类器的诊断性能，并证明了临床-放射组学模型在预测LARC患者pCR方面的可行性。临床-放射组学模型结合了基于MR的多参数放射组学特征和临床变量，有助于对能从nCRT中获益的LARC患者进行分层并实现个体化医疗管理。

原文出处：

Qiurong Wei,Zeli Chen,Yehuan Tang,et al.External validation and comparison of MR-based radiomics models for predicting pathological complete response in locally advanced rectal cancer: a two-centre, multi-vendor study.DOI:10.1007/s00330-022-09204-5