基于MRI肿瘤微环境异质性分析预测直肠癌新辅助放化疗病理响应的多中心研究

　　本研究针对直肠癌（RC）患者新辅助放化疗（nCRT）后病理响应预测难题，通过多中心大数据分析构建融合临床特征、影像组学及瘤内异质性（ITH）的预测模型，AUC最高达0.867，显著提升个性化治疗效果评估精度，为临床决策提供重要依据。

　　

通过磁共振成像（MRI）进行的肿瘤微环境（Habitat）分析展现出预测直肠癌（Rectal Cancer, RC）患者接受新辅助放化疗（neoadjuvant Chemoradiotherapy, nCRT）后病理响应的巨大潜力。这项涵盖三家医院1021例患者的多中心研究，创新性地采用深度学习技术实现病灶自动分割，并运用简单线性迭代聚类（Simple Linear Iterative Clustering）将肿瘤划分为反映生态系统多样性的亚区域，从中提取定量影像组学特征。

研究人员构建了四种预测模型：基于临床常规参数的临床模型、基于瘤内异质性（Intratumoral Heterogeneity, ITH）特征的ITH模型、传统影像组学模型以及整合前三者的融合模型。德隆检验（Delong test）结果显示，融合模型在训练测试集（n=319）、内部验证集（n=317）和两个外部验证集（n=158；n=227）中均取得最高受试者工作特征曲线下面积（AUC）（分别为0.867/0.851/0.852/0.818），显著优于单纯临床模型（0.790/0.605/0.735/0.704）。值得注意的是，融合模型与ITH模型（0.790/0.786/0.759/0.722）未呈现统计学差异。

更重要的是，基于融合模型划分的治疗响应良好组与不良组患者，在疾病无进展生存期（Disease-Free Survival, DFS）上表现出显著差异（四组队列p值均<0.05）。这项突破性研究证明，整合多维度信息的融合模型能有效预测nCRT治疗响应，为实施个体化治疗策略提供重要科学依据。