基于CT影像组学的II期结直肠癌术后复发风险精准量化研究

Approximately one quarter of patients with colorectal cancer (CRC) present with stage II disease. Surgery is the first choice for treatment plan, with good prognosis shown in patients after surgery. Nevertheless, 20%-25% of resected stage II CRC patients will have disease recurrence. Stage II CRC patients who are at high risk for disease recurrence may show benefit of long-term survival from adjuvant chemotherapy after surgery. However, there remains an unmet clinical need for the accurate identification of resected stage II CRC patients who are at high risk for disease recurrence. Radiomics, through mining of data from images and subsequent implementation in assessment of therapy response and prediction of prognosis, offers new perspective for quantitative stratification of risk of disease recurrence of resected stage II CRC. Through a radiomics approach, the aim of this project is to: (1) extract and select radiomic features highly related to the risk of disease recurrence of resected stage II CRC based on preoperative CT images and develop a predictive radiomic signature; (2) develop a quantitative model integrating the radiomics signature and clinicopathological predictors to predict risk of disease recurrence of resected stage II CRC; (3) validate and optimize the model. The project intends to develop a radiomics-based prediction model facilitating precise quantification of the risk of disease recurrence of resected stage II CRC, thus enables the identification of individuals who are at high risk of disease recurrence and guides adjuvant chemotherapy after surgery.

II期结直肠癌约占所有结直肠癌的25％，手术切除预后好，是首选治疗方法，但20-25％患者会出现术后复发。术后辅助化疗可使高复发风险者长期生存获益，但临床缺乏精准量化术后复发风险的方法，难以准确识别高复发风险个体。影像组学通过挖掘蕴含于图像中的深层次影像特征信息，可用于肿瘤疗效评价和预后预测，为II期结直肠癌术后复发风险精准量化提供新思路。本项目拟在申请人前期工作基础上，利用影像组学方法，开展：（1）基于术前CT图像提取和筛选与II期结直肠癌复发高度相关的影像组学特征，并构建具有复发预测价值的影像组学标签；（2）融合CT影像组学标签、临床病理因素，构建基于影像组学的结直肠癌术后复发风险量化模型；（3）使用独立样本进行模型的验证和优化。本项目的研究结果，将构建基于影像组学的复发风险量化模型，对II期结直肠癌术后复发风险进行精准量化分层，指导临床医师识别高复发风险个体，指导术后辅助化疗。

针对II期结直肠癌术后复发风险难以精准量化分层的临床挑战，本项目基于结直肠癌大样本数据，利用影像组学方法，开展了预后预测研究。包括：（1）利用结直肠癌历史大样本数据，建立了包括完备影像、病理、临床数据的结直肠癌资料集；（2）开发高通量影像组学特征提取工具，充分挖掘蕴含于肿瘤影像图像中的高维图像特征，为预后风险精准分层提供量化影像依据（3）成功建立影像组学标签与影响II期结直肠癌预后关键病理特征之间的关联映射，包括与结直肠腺癌分化级别、结直肠癌周围神经侵犯（PNI，为AJCC列出的胃肠道肿瘤的独立预后预测因子）之间的映射，为影像组学针对II期结直肠癌患者的术后复发风险分层预测提供病理层面的可解释性证据。（4）积极拓展本项目开发的技术方法在其他肿瘤领域的应用范畴：其一，成功将基于CT 的影像组学分析流程和技术方法运用于乳腺癌、胃癌和肺癌领域的研究；其二，借助全面整理的依托单位结直肠癌历史大样本多源信息数据集（包括临床信息、影像图像、病理资料），基于人工智能方法全面挖掘多源医学图像蕴含的肿瘤异质性，开发出一套针对病理图像的细胞分割方法及系统，挖掘蕴含于病理图像中肿瘤微观尺度的信息， 并将影像组学信息和病理信息结合，全面刻画肿瘤的异质性，为肿瘤预后风险精准量化分层提供全面证据。.本项目共发表课题相关SCI文章10篇，合计影响因子40.306分；计算机软件著作权登记2项；申请专利3项。研究结果为结直肠癌基于CT图像的影像组学研究提供了分析范例， 探讨了影像组学在结直肠癌预后预测方面的效用，为II期结直肠癌术后复发风险的精准量化分层提供了影像依据。本项目研发的基于CT的影像组学技术在肿瘤领域的积极拓展，证明了相关方法技术在肿瘤领域的推广及跨肿瘤泛化应用价值。同时，在本项目的资助下，项目组开发了针对医学图像的信息挖掘流程和软件，可充分挖掘蕴含于包括肿瘤CT、MR影像及病理图像中的高维图像特征，辅助病人的预后风险精准分层，有较高的临床应用价值和科研意义。