2023人工智能在结直肠癌诊疗中的研究进展及前景展望.docx

《2023人工智能在结直肠癌诊疗中的研究进展及前景展望.docx》由会员分享，可在线阅读，更多相关《2023人工智能在结直肠癌诊疗中的研究进展及前景展望.docx（18页珍藏版）》请在优知文库上搜索。

1、2023人工智能在结直肠癌诊疗中的研究进展及前景展望摘要结直肠癌是全球最常见的恶性肿瘤之一，由于患者对标准治疗方案存在异质性的治疗反应及预后，其个性化诊疗策略一直是备受关注的研究热点。近年来，随着人工智能(AI)技术在医疗领域的迅猛发展，AI在辅助结直肠癌的术前、术中、术后各阶段诊疗方案决策方面均涌现出大量阶段性研究成果，展现出了巨大的应用潜力，为结直肠癌患者的个体化评估和辅助诊疗提供了全新且高效的解决方案。未来,AI系统可能会进一步向多模态、多组学、实时化方向发展。本文旨在探讨AI在结直肠癌诊疗多个方面的辅助应用研究现状，并对AI技术在未来结直肠癌个性化诊疗中可能带来的创新和面临的挑战予以展

2、望。局部进展期结直肠癌当前的标准化治疗策略是新辅助治疗加手术1-3o由于结直肠癌患者对新辅助治疗的反应呈现较大的异质性，仅有13%22%的患者可以获得病理完全缓解(pathologiccompleteresponse,pCR),而且新辅助治疗联合全直肠系膜切除(totalmesorectalexcisionJME)后,远处转移和局部复发率仍较高4-6。人工智能(artificialintelligence,Al)技术的出现和发展，为结直肠癌患者的个体化诊疗提供了新的思路。AI起源于20世纪50年代，经过数十年的演进，已经发展成包括深度学习等多个专业子领域在内的广泛技术体系7-8。随着数据获取和

3、处理能力的不断提升以及AI算法的逐渐成熟,AI在结直肠癌辅助诊疗领域的研究进展日新月异9。近年来，AI在结直肠癌领域的应用逐渐深入，覆盖了诊疗全流程，包括术前分期自动诊断、新辅助疗效评估、术中导航、淋巴结清扫决策、识别手术阶段和器械、解释荧光信号，手术预后预测等阶段口0-15；见图1。研究表明，AI还有望进一步优化术中导航，提高手术精确度，并协助医生评估手术效果和吻合口并发症风险16o本文重点总结AI在结直肠癌术前、术中以及术后诊疗全流程中的应用研究，评价AI在这些研究中的作用及潜在优势，并就Al对未来临床实践的影响和价值作一展望。一、术前肿瘤T分期和pCR的精准预测AI在结直肠癌术前的临床应

4、用研究主要集中在作为术前诊断工具方面，包括肿瘤分期、生物标志物检测和新辅助疗效预测等，这些应用为临床决策、风险评估以及提高诊疗的精确性提供支持，同时有助于实现个性化的精准医疗。其目前的研究热点主要集中在结直肠癌分期与新辅助疗效预测。1.分期预测：结直肠癌术前T分期，即评估肿瘤的局部侵3再呈度,对于临床治疗方案决策、预测患者预后及评估治疗反应至关重要。然而，T分期的准确性受限于诸多因素，包括成像技术的分辨率、医生的经验与主观判断以及肿瘤的生物学特性等。这些限制因素可能导致肿瘤T分期的不准确，从而影响治疗决策和患者的预后。而AI算法可以通过学习大量的影像数据，识别并量化影像中的微妙变化，实现提高T

5、分期的准确性。Sun等17探讨了从T2加权成像(T2weightimage,T2WI)提取的影像组学特征对T分期的预测价值，共提取256个特征，通过聚类分析及最小绝对收缩和选择算子(leastabsoluteshrinkageandselectionoperatorzLASSO)进行统计测试，结果显示，T分期与影像组学特征之间有显著相关性。受试者工作特性曲线下面积(areaunderthecurve,AUC)为0.852,灵敏度和特异度分别为79%和82%,表明从MRI提取的影像组学特征在直肠癌T分期的识别中是可行的。但该研究为单中心研究，缺乏独立验证，且样本量相对较小，可能对研究结果的普适性

6、和准确性造成影响。在HOU等18的另一项研究中，基于深度学习的三维超分辨率MRl影像组学模型被应用于706例结直肠癌患者的术前T分期预测。研究使用深度迁移学习网络对T2WI进行分辨率增强，创建了两个影像组学模型高分辨率模型HRT2和超分辨率模型SRT2,其预测性能均高于放射科专家的评估,其中SRT2在直肠癌术前T分期的预测中表现出更高的准确性和临床价值。该研究表明深度学习可以显著提高T分期的准确性，为未来结直肠癌患者的个性化治疗方案制定提供了科学依据。但该研究中影像组学模型基于手动勾画构建，虽然模型SRT2表现更佳，但使用超分辨率技术增加了分割工作量。未来，自动分割与影像组学分析的结合可能为超

7、分辨率模型提供更高的稳健性。以上研究提示,AI对结直肠癌术前T分期预测准确性表现出较传统方法更优的性能。AI能够有效识别和量化医学影像中的细微变化，能够减少成像技术分辨率、医生经验和主观判断的限制，从而提高肿瘤分期的精确度，对临床治疗方案的制定和患者预后评估具有重要意义。2.新辅助治疗效果预测：新辅助治疗旨在缩小肿瘤大小、降低肿瘤分期、提高手术切除率和生存率19opCR状态是评估患者长期预后的重要指标之一，通常与较低的复发率和较好的生存率有关，而非pCR则可能意味着更高的复发风险和较差的预后。由于肿瘤的异质性，患者能否达到pCR是新辅助治疗的一大挑战，同一分期的患者接受相同的新辅助治疗也会出现

8、不同的反应。一部分患者不仅无法从新辅助治疗中获益，而且遭受了不必要的不良反应，延误了手术时间；另一部分患者虽然达到了pCR,但存在过度治疗的风险。因此，术前pCR的准确预测可以指导等待观察策略的选择，在适当的时候予以治疗，对个体化的精准治疗具有重要意义。为了实现在术前准确识别可达到pCR的患者群体Zhang等20基于383例局部进展期结直肠癌患者的弥散峰度和T2WI搭建深度学习模型预测患者对新辅助治疗的反应，结果显示，在测试组中，神经网络模型的AUC为0.99,显著高于两名影像科医生的AUC1(0.66和0.72IP0.001);与仅使用弥散峰度的模型相比，深度学习模型预测pCR表现更好(AU

9、C值从0.76提高到0.99该研究突显了AI在医学影像分析中的潜力。尽管该研究受限于单一中心的样本，可能限制了模型在不同来源样本下的普适性，但这种局限性是初步研究常见的，并不会降低研究的创新性及其结果的初步指导价值。除了使用MRl之外，近期作者团队与中山大学附属第六医院合作，进一步纳入病理数据，构建了一个预测PCR的影像病理组学模型21。该模型集成了与pCR相关的3个特征集影像学MRI特征、病理学核特征和病理学微环境特征。验证队列1和验证队列2的AUC分别为0.860和0.872o在前瞻性验证研究中,模型AUC为0.812,显著优于单模态预测模型（病理学微环境模型的AUC为0.630,影像组学

10、MRI模型的AUC为0.716,病理学MRI模型的AUC为0.733;均P0.001该研究进一步表明，数字病理特征可以提供反映分子特征或遗传模式的信息，进而补充肿瘤的异质性信息，增强现有模型的预测能力。尽管该研究存在一些局限性，如图像来源的质量依赖、跨机构扫描设备的参数差异未加以处理以及人口统计变量的缺失，但前瞻性研究已证实了其在临床环境中的有效性。以上研究表明，高质量的多模态、多组学数据可以推动结直肠癌预后预测向精细化和个体化方向发展。尽管一些研究面临数据收集的标准化和跨设备差异性处理等挑战，上述研究仍验证了AI系统的有效性，也为未来的自动化图像分析系统提供了技术基础。此外，上述研究对人口统

11、计变量的潜在价值的认识，为后续的研究开辟了新的道路，可能会进一步优化预后预测模型。二、手术治疗方案决策AI技术正在逐渐成为结直肠癌手术中一个重要的辅助工具，辅助应用包括手术导航、实时微循环分析、自动光学活检与高光谱成像、淋巴结清扫决策支持等方面，尽管这些技术仍处于发展阶段，但它们展现了在手术实践中实现精准医疗的巨大潜力。1.肿瘤识别与血液灌注评估：常规手术很大程度上依赖于手术视野的直接暴露，结直肠位置深入,手术空间受限，这会加大对于大型肿瘤或位置复杂的肿瘤的手术难度。因此，使用荧光成像和实时血管解剖图像的手术导航技术，为结直肠癌手术提供实时的视觉和定位辅助至关重要22-23。在结直肠癌手术中，

12、吻合口并发症直接影响患者的生活质量和生存期，其诊断主要依赖于临床表现和影像学检查，但这些方法不够灵敏或特异。通过使用深度学习和图像识别技术，AI可以自动识别和评估吻合口的结构和功能，从而及时发现并预测吻合口并发症，为临床提供有价值的辅助信息24-25为了在结直肠癌手术中实现更准确的肿瘤定位，Kok等26探讨了实时肿瘤跟踪的可行性。该研究应用了一种术中导航系统，通过实时肿瘤跟踪技术，能够以高中位目标配准精度（3mm）实时准确地获取肿瘤位置和关键解剖信息。虽然该研究为外科医生提供实时准确的肿瘤定位信息，可能有助于减少切缘阳性的概率进而改善患者预后，但该研究中所有患者都是在接受了新辅助放疗后较长时间

13、才进行手术的，这种延迟可能影响了手术前影像的准确解释。为了在术中实时区分肿瘤组织和正常组织，Cahill等27基于AI和口引珠菁缜indocyaninegreenJCG灌注技术提供一个新的术中决策支持方法。该研究基于24例患者的术中荧光图像构建了肿瘤检测模型，通过分析24例患者手术视频，利用ICG对感兴趣区域(regionofinterest,ROI)进行跟踪和分析，成功开发了一个基于梯度提升树模型的AI工具。该模型在留一验证中展现出86.4%的准确率，并在患者级别诊断中正确诊断出了20例癌症中的19例，灵敏度达100%,特异度为92%该研究进一步展示了AI在辅助结直肠癌手术中识别和分类组织的

14、潜力,为未来实时的术中决策提供了有价值的参考。但该研究未考虑纳入术前影像，术前影像学数据对于规划手术和理解病理解剖结构至关重要。这可能对该模型的全面性和准确性造成一定影响。在吻合口并发症风险评估方面，Park等28开发了基于AI的腹腔镜结直肠手术实时微循环分析系统，更好地理解和评估手术过程中的血流情况,结果显示，传统参数和基于AI的分析在预测吻合口并发症风险上具有可比性，基于AI的分析在统计性能验证上表现更好。通过AI分析，F1分数在T12max.固定时间比率(timeratio,TR)和上升斜率方面分别提高了31%、8%和8%,展现了AI技术在推动临床手术技术创新与优化方面的重要潜力。尽管该

15、研究采用了预处理方法来减小外部影响，但外部环境因素仍可能影响AI系统性能。上述研究通过实现组织分类、实时的手术导航、肿瘤定位与监测，显著提升了手术的准确性与安全性，为改善患者预后提供了有力支持，可以为吻合口并发症的早期诊断与管理提供高效、敏感和特异的解决方案，促进了临床决策的优化。上述研究一定程度上推动术中导航、实时监控和并发症管理等方面的技术进步，同时也指出了实时手术导航技术面临的挑战和未来的发展方向，为相关领域的研究提供了参考。2.淋巴结转移预测:淋巴结转移被认为是影响预后和治疗决策的关键因素，在术前准确识别出患者淋巴结转移情况将指导术中选择最合适的淋巴结清扫方式。常规的淋巴结转移判断主要

16、依赖于病理检查，但病理数据术前无法获取,且病理检查主观性较强,其准确性受限于样本的质量和数量29。影像组学在评估淋巴结转移风险方面已经展现出较高预测性能30-31。然而，影像组学缺乏可解释性，限制了其临床应用。为此,Guan等32探讨了机器学习模型在预测淋巴结转移状态中的应用。该研究对6578例结直肠癌患者的一系列临床病理特征进行数据开发，并在两个外部验证集共3016例患者验证了基于隐私保护计算平台(privacy-preservingcomputationplatform,PPCP)的机器学习模型，采用了包括逻辑回归、支持向量机、EXtremeGradientBoosting和随机森林在内的机器学习模型来建立预测模型，经由特征筛选，筛选出11个与淋巴结转移相关的关键特征.ExtremeGradientBo。Sting模型为最佳模型其AUC高达0.84,显著高于其他机器学习模型和NCCN指南中的预测