基于多时相MRI的Delta-Radiomics模型预测局部晚期直肠癌全量新辅助治疗后严重急性放射性肠炎风险

本研究针对局部晚期直肠癌(LARC)患者全量新辅助治疗(TNT)后严重急性放射性肠炎(SARE)的早期预测难题，创新性地构建了基于治疗前后双时相磁共振成像(MRI)的delta-radiomics模型。研究团队通过融合四种特征计算策略（绝对差值、百分比变化、比值和特征拼接），结合临床变量开发出支持向量机(SVM)分类器，在独立验证集中取得AUC=0.711的优异性能。该研究首次证实delta-fusion策略在毒性预测中的优越性，为个体化TNT方案制定和毒性管理提供了影像学生物标志物。

　　

在全球每年新增的190万直肠癌病例中，约30%属于局部晚期直肠癌(LARC)，这类患者常需接受全量新辅助治疗(TNT)。然而盆腔放疗导致的严重急性放射性肠炎(SARE)发生率高达20-30%，可能造成治疗中断甚至住院，严重影响患者生活质量。传统预测方法依赖单一时相影像和静态临床指标，难以捕捉放疗过程中肠道组织的动态变化。苏州大学附属第一医院放射肿瘤科Ma Chen-ying团队在《Radiation Oncology》发表的研究，开创性地将多时相MRI delta-radiomics与临床指标结合，建立了精准的SARE预测模型。

研究团队回顾性分析了92例接受TNT的LARC患者数据，所有患者在放疗前(T0)和放疗第二周(T2)接受盆腔T2加权MRI检查。通过提取肿瘤区域影像组学特征，定义四种delta特征计算策略（Δ_RF=RF_post-RF_pre、Δ_%RF、比值和特征拼接），最终开发出基于支持向量机(SVM)的预测模型。研究采用CTCAE v5.0标准定义SARE（综合症状评分≥3），并通过SHAP算法实现模型可解释性分析。

主要技术方法

1. 影像采集：使用3.0T MRI获取治疗前后双时相T2WI图像
2. 特征工程：采用PyRadiomics提取1318个影像组学特征
3. 特征选择：通过ICC≥0.75筛选稳定特征，LASSO回归进一步降维
4. 模型构建：比较六种SVM模型（Pre/Post/Delta/临床及组合模型）
5. 验证方法：70%训练集+30%独立测试集验证

研究结果

特征选择与模型性能
仅delta-fusion策略的特征通过稳定性筛选，包含一阶统计量（均值、峰度）和纹理特征（GLCM的Imc1/Imc2、NGTDM的strength等）。SVM_Combined1模型（delta-fusion+临床）表现最优，测试集AUC=0.711，灵敏度达88.9%，显著优于单时相模型（SVM_Pre AUC=0.478，SVM_Post AUC=0.589）。

关键临床预测因子
多因素分析确定三个独立风险因素：

• 放疗后中性粒细胞淋巴细胞比值(NLR_post)>4.455（OR=5.331）
• 白蛋白下降>26.5 g/L（OR=4.697）
• 肛门坠胀评分≥1（OR=12.995）

SHAP可解释性分析
峰度(kurtosis)是最重要的预测特征，较高值对应较低SARE风险。Joint Entropy和NLR_post的正向贡献最显著，而Dependence Variance和强度(strength)呈现负向关联。

讨论与意义
该研究首次证明delta-radiomics在预测放疗毒性方面的独特价值：

1. 时序特征优势：delta-fusion策略通过保留治疗前后特征上下文，克服了简单差值易受基线影响的局限
2. 临床转化价值：模型灵敏度88.9%可有效识别高风险患者，NPV=80%有助于避免过度干预
3. 机制提示：纹理特征变化反映放疗引起的肠道微结构改变，与炎症指标(NLR)和营养指标（白蛋白）形成多维度预测体系

研究局限性包括单中心回顾性设计和较小样本量，未来需通过多中心前瞻性研究验证。该成果为LARC患者个体化放疗方案制定提供了重要决策工具，特别是对TNT时序选择和毒性预防具有直接临床指导意义。