基于放射组学人工智能模型评估局限性结肠癌复发风险：一项多中心回顾性研究

为解决局限性结肠癌(LCC)复发风险预测难题，研究人员整合CT放射组学特征与临床病理数据，开发出C-index达0.68的Cox比例风险模型，创新性提出"风险分级"评分系统，其预测效能显著优于传统TNM分期（HR=14.22），为个体化辅助化疗决策提供新工具。

　　

在肿瘤诊疗领域，局限性结肠癌(LCC)患者术后复发预测始终是临床决策的痛点。尽管TNM分期系统被广泛使用，但高达30%-50%的II/III期患者仍会出现复发，而现有指标难以精准区分高风险人群。尤其对于II期患者，辅助化疗的获益仍存争议，这凸显了开发新型预后工具的迫切性。

西班牙INCLIVA生物医学研究所和IMIM Hospital del Mar研究所的科研团队创新性地将人工智能与放射组学技术相结合，通过分析278例II/III期LCC患者术前CT影像，提取1379个放射组学特征并融合临床数据，开发出具有临床转化潜力的复发预测模型。这项突破性研究近期发表在《ESMO Open》期刊。

研究采用多中心回顾性设计，通过五折交叉验证比较了Cox比例风险模型与梯度提升模型的性能。关键技术包括：1）使用ITK-SNAP进行肿瘤三维手动分割；2）QP-Insights平台提取形态学、灰度共生矩阵(GLCM)等特征；3）结合最小冗余最大相关(mRMR)算法筛选20个关键变量；4）应用SHAP值解析模型可解释性。

研究结果方面：
【患者特征】纳入的278例患者中54.3%为III期，中位随访42.2个月时33.1%出现复发，其中70.7%来自III期人群。
【预后模型】融合临床与放射组学特征的Cox模型表现最优，测试集C-index达0.68，动态AUC均值0.69。3D分形维度（反映肿瘤几何复杂性）成为最具预测力的特征。
【风险评分】新构建的"风险分级"变量在单变量（HR=14.22）和多变量（HR=11.74）分析中均显示最强预测力，显著优于传统病理指标。

讨论部分指出，该研究首次系统验证了放射组学特征在LCC术前复发预测中的增量价值。相比需要术后组织的Immunoscore和成本高昂的ctDNA检测，这种基于常规CT的非侵入性方法更易临床推广。尽管存在样本量限制，但通过严格的特征选择和模型验证，有效避免了过拟合问题。未来在更大队列中验证后，这种"风险分级"系统有望改变临床实践，为个体化治疗决策提供客观依据。