综述：基于图像的结肠癌形态学与分期分析进展：一项全面综述

本综述系统回顾了基于图像的结肠癌（CRC）形态学与分期分析的最新进展，重点探讨了结肠镜、CT、MRI、EUS、组织病理学及人工智能（AI）与机器学习（ML）算法的整合应用。研究表明，AI辅助成像技术显著提升病变检测灵敏度（88%–94%）和分期准确性，深度学习算法在5年生存预测中准确率超90%。尽管面临观察者间变异、数据偏差等挑战，多学科合作与标准化AI验证将推动结肠癌诊断和管理的精准化发展。

　　

引言

结直肠癌（CRC）是全球发病率和死亡率最高的癌症之一，2020年占所有癌症相关死亡的9.4%。预计到2040年，全球CRC年新增病例将超过320万，中低收入国家因人口老龄化、饮食结构变化和医疗资源差异而面临更高风险。CRC早期检测可将5年生存率提高至90%以上，而晚期仅为14%，因此早期诊断和精准分期至关重要。

结肠镜

结肠镜是CRC筛查和诊断的金标准，可直接观察结肠黏膜并切除息肉。AI辅助结肠镜将息肉检测灵敏度提升至88%–94%，内镜下黏膜切除术（EMR）对无蒂息肉完全切除率达80%–90%。但结肠镜存在肠道准备不充分、患者不适和成本较高等挑战。未来方向包括改进肠道准备方案、整合AI实时息肉检测以及开发非侵入性筛查替代方案。

计算机断层扫描（CT）

CT结肠成像（CTC）作为非侵入性替代方案，对>10 mm息肉的检测灵敏度达90%，特异性为86%。CT在CRC分期中广泛用于评估肿瘤大小、局部侵犯和远处转移，但对淋巴结转移的鉴别能力有限（灵敏度74.4%，特异性83.6%）。辐射暴露和偶发发现是其局限，但AI算法正在优化图像分析以减少辐射剂量并提高诊断一致性。

磁共振成像（MRI）

MRI凭借优异软组织对比度，在直肠癌局部分期中不可或缺，尤其用于评估壁外侵犯和淋巴结状态。扩散加权MRI（DW-MRI）和动态增强MRI（DCE-MRI）可早期检测治疗反应，预测细胞死亡和血管变化。MRI对淋巴结转移的检测灵敏度为85%，特异性78%，高于CT。但扫描时间长、成本高和幽闭恐惧症限制了其应用。未来需开发加速协议和AI驱动分析以提升可及性。

超声内镜（EUS）

EUS结合内镜和超声成像，对早期直肠癌T分期准确率达90%，优于CT和MRI。其引导下的细针穿刺（FNA）可获取病理样本，但操作者依赖性较强。对比增强EUS和弹性成像等新技术提高了病变表征能力。EUS在成本效益方面表现良好，尤其适用于直肠癌术前评估，但主要限于解剖可及区域。

组织病理学分析

组织病理学是CRC诊断的基石，通过显微镜评估肿瘤分级、淋巴血管侵犯（LVI）和分子标志物（如KRAS、BRAF突变）。AI驱动的数字病理学模型对结直肠息肉分类准确率达93.5%，减少了观察者间变异。挑战包括样本误差和肿瘤异质性，而AI整合与分子分析正推动个性化治疗策略发展。

人工智能与机器学习

AI和ML通过卷积神经网络（CNN）等模型自动化检测和分类CRC病变，显著提升诊断一致性。深度学习算法在息肉分割、淋巴结转移预测（AUC 0.61–0.76）和5年生存率预测（准确率90%）中表现突出。然而，算法偏差、数据隐私和伦理问题亟待解决。联邦学习等隐私保护技术正在探索中，以在多样化人群中实现公平应用。

观察者间变异的挑战

影像解读中的观察者间变异影响分期和治疗决策。标准化协议（如ESGAR直肠癌MRI指南）和AI辅助工具（如CAD系统）可将变异降低30%，提高诊断可靠性。多机构校准和持续教育是减少差异的关键。

结论

影像技术和AI的进步正重塑CRC的诊断、分期和管理。结肠镜、CT、MRI、EUS和组织病理学的多模态整合，结合AI算法，显著提升了早期检测、精准分期和个性化治疗能力。未来需通过跨学科合作、标准化协议和伦理监管，将这些创新转化为临床实践，最终改善全球CRC患者的生存和生活质量。