结直肠癌是全世界范围内第三大最常见的癌症，也是全世界癌症相关死亡的第二大原因，其中直肠癌占结直肠癌总病例的近30%。对于局部晚期直肠癌（LARC）患者，目前的标准治疗是新辅助化疗（nCRT），然后进行全直肠系膜切除，可减少局部区域的复发率、增加总生存率。nCRT的治疗反应差异很大，可从无肿瘤消退到病理完全反应（pCR）。大约15%-27%的LARC患者在nCRT治疗后获得pCR。以前的研究表明，pCR患者的长期疗效更好、无病生存率更高，对于预期获得pCR的部分患者可以采取积极监测的观望策略。然而，pCR的最终确认有赖于手术标本的组织病理学检查。因此，建立一种非侵入性的方法来确定器官保留策略的候选者是非常重要的。

磁共振成像（MRI），包含形态学和功能成像序列，已经被用来评估pCR。一些研究提出了利用各种治疗前或治疗后的MRI数据，包括T2加权成像（T2WI）、动态对比增强（DCE）成像、扩散加权成像（DWI）和体内不相干运动（IVIM），来确定CRT后的pCR。然而，这些方法显示出不同的诊断性能。由于对哪种方法是评估NCRT后的治疗反应最可靠的方法还没有达成共识，因此对pCR的视觉评估仍然是一个挑战。

放射组学通过高通量的方式从人眼不可见的医学图像中提取大量的非视觉信息，可以反映肿瘤的异质性和生物学特征，可帮助临床决策。MRI放射组学已用于预测nCRT后的治疗反应，使用T2WI或多参数序列；然而，大多数研究由于缺乏与临床变量的结合以及与放射科医生在MRI上的解释的比较而受到限制。

近日，发表在academic radiology杂志的一篇文章建立了一个整合MRI数据和临床因素的联合模型进行LARC的nCRT后的pCR预测，从而实现了无创识别可避免手术患者的识别及评估。

研究共纳入126名在手术前接受nCRT的LARC患者，并随机分为训练集（n = 84）和验证集（n = 42）。研究从nCRT前后MRI的T2加权图像中提取了250个放射学特征。皮尔逊相关分析和AONVA或Relief用来识别与pCR相关的放射学描述符，并比较了五个机器学习分类器，以构建放射组学模型。通过多变量逻辑回归分析建立放射学列线图。两位资深放射科医生独立评定肿瘤回归等级，并与放射组学模型进行比较。通过DeLong检验比较了模型和集合观察者的曲线下面积（AUC）。 

最佳的前、后和delta放射组学模型产生的AUC分别为0.717（95%CI：0.639-0.795）、0.805（95%CI：0.736-0.874）和0.724（95%CI：0.648-0.800）。基于nCRT前cN分期、nCRT前radscore和nCRT后radscore的放射组学列线图取得了0.852（95%CI：0.774-0.930）的AUC，高于单一放射学模型和集合读者（均P<0.05）。 

图 获得pCR的患者的T2加权图像上的肿瘤分割。(a)nCRT前图像；(b)nCRT前感兴趣的体积；(c)nCRT后图像；(d)nCRT前感兴趣的体积

本项研究表明，放射组学列线图是预测LARC患者nCRT后pCR的有效且无创的影像学工具，其性能优于放射科医生。

原文出处：

Lu Wen,Jun Liu,Pingsheng Hu,et al.MRI-Based Radiomic Models Outperform Radiologists in Predicting Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer.DOI:10.1016/j.acra.2022.12.037