编辑推荐：
为解决直肠癌（RC）淋巴结转移（LNM）评估难题，研究人员开展基于临床因素和多参数 MRI（mpMRI）的深度学习（DL）模型预测 LNM 状态的研究。结果显示，DLRS 和列线图模型预测准确性更高，为临床决策提供了可靠工具。
直肠癌，这个在全球癌症发病率中占比 9.6% 且呈逐年上升趋势的疾病，已然成为威胁人类健康的一大 “杀手”，在男性和女性群体中均位列第三大常见癌症，更是癌症相关死亡的第二大主因 。对于直肠癌患者来说，准确判断淋巴结转移（Lymph Node Metastasis，LNM）情况至关重要，因为它直接关系到手术局部复发率以及后续治疗方案的制定。然而在临床实践中，想要精准评估 LNM 却困难重重。
目前，磁共振成像（Magnetic Resonance Imaging，MRI）虽在直肠癌分期中起着关键作用，但仅依靠其形态学标准（如大小、形状、边界和信号等）来评估淋巴结特征，存在主观性强的问题，容易导致癌症分期过高或过低，准确性难以保证。而传统的基于 CT 或 MRI 的影像组学方法，大多需要手动勾勒肿瘤边界进行特征提取，这不仅给医生带来沉重负担、耗时久，还因不同医生的操作差异影响特征提取的一致性。在这样的背景下，开发一种高效、准确且操作简便的直肠癌 LNM 预测方法迫在眉睫。
浙江省同德医院和同济大学附属普陀人民医院的研究人员勇挑重担，开展了一项极具价值的研究。他们致力于开发基于临床因素和 mpMRI 的深度学习模型，以预测直肠癌患者的 LNM 状态，并对这些模型进行了内部和外部数据验证，深入探索其在直肠癌临床应用中的价值 。最终，研究成果发表在《Scientific Reports》上，为直肠癌的诊疗带来了新的曙光。
为了实现这一目标，研究人员采用了多种关键技术方法。首先是数据收集，从浙江省同德医院（330 例）和同济大学附属普陀人民医院（100 例）收集了 2016 年 1 月至 2021 年 9 月期间共 430 例直肠癌患者的数据。接着，运用 Siemens Verio 3.0T 和 Siemens Avanto 1.5T MRI 扫描仪，通过 DWI、T2WI 和 T1C 三个序列进行扫描。然后，借助 Pycharm Community Edition 和 Python 3.9 软件对图像进行预处理，利用 resnet101 深度转移神经网络学习模型进行特征提取，再通过 minimum redundancy maximum relevance（mRMR）和 least absolute shrinkage and selection operator（LASSO）回归进行特征筛选和降维，构建预测模型。
下面来看看具体的研究结果：
- 一般数据：对训练队列、内部验证（In-Vad）集和外部验证（Ex-Vad）集的患者数据进行分析，发现不同队列的 LNM 发生率有所差异。同时，训练队列中 LNM 阳性和阴性患者在癌胚抗原（Carcinoembryonic Antigen，CEA）水平、最大肿瘤直径（Largest Tumor Diameter，LD）、MRI 报告的环周切缘（mrCRM）、MRI 报告的壁外血管侵犯（mrEMVI）等多个指标上存在显著差异 。
- DL 和列线图模型的构建：利用 ResNet-101 网络从每个图像中提取 2048 个特征，通过 mRMR 和 LASSO 方法筛选出每个序列中最显著的 30 个 DL 特征，计算出 DWI_RS、T2WI_RS 和 T1C_RS，并通过逻辑回归构建 DLRS。之后，将医生模型与 DLRS 模型整合，创建了包含 mrEMVI、mrN 和 DLRS 等变量的列线图模型 。
- 模型评估：从多个方面对不同模型进行评估。结果显示，医生模型的 AUC 值在训练、In-Vad 和 Ex-Vad 队列中分别为 0.75、0.77 和 0.67；而 DWI_RS、T2WI_RS 和 T1C_RS 模型的 AUC 值在 0.8 - 0.89 之间；DLRS 模型的 AUC 值分别为 0.96、0.97 和 0.93；列线图模型的 AUC 值分别为 0.97、0.99 和 0.94。Delong 检验表明，DLRS 和列线图模型的预测性能优于医生模型，且这两个模型之间无显著差异 。决策曲线分析（Decision Curve Analysis，DCA）显示，DLRS 和列线图模型的净效益更高；雷达图则表明这两个模型的预测性能最为全面 。
研究结论和讨论部分指出，DLRS 和列线图模型在预测直肠癌 LNM 状态方面表现出卓越的准确性，其稳定性和可靠性得到了充分验证。这两个模型为临床提供了一种无创且使用便捷的方法，对患者的个体化管理和决策制定具有重要意义。同时，研究也存在一定局限性，如基于回顾性数据分析可能存在选择偏倚，未对淋巴结进行深度学习分析，样本量不足未进行不同 LNM 分期的多类分析等 。但这也为后续研究指明了方向，未来可通过前瞻性数据收集和外部验证等方式进一步完善相关研究。
总体而言，这项研究为直肠癌 LNM 的预测提供了新的有力工具，有望推动直肠癌临床诊疗的发展，帮助医生更精准地制定治疗方案，改善患者的预后情况 。
