简介：摘要局部进展期直肠癌新辅助治疗疗效的精准影像学评估，决定了患者后续的临床治疗方式。局部进展期直肠癌新辅助治疗疗效评估目前主要依赖人为主观评价，如何提升肉眼识图和主观诊断的瓶颈问题，是临床面临的重要、疑难问题。人工智能的广泛应用，提供了较好的方法学引导，有望提高局部进展期直肠癌新辅助治疗疗效的评估效能，为个性化制定后续治疗策略提供客观量化且精准的影像学依据。本文主要总结了目前临床常用的直肠癌新辅助疗效评估方法，以及人工智能方法在直肠癌研究领域的应用，人工智能方法学的优势使其有潜力作为医师主观评估的有效补充手段，但也必须了解人工智能固有的缺陷。理性面对人工智能，既要“人工”，也要“智能”，积极联合多中心开展扎实的临床研究，大力推进直肠癌人工智能研究的发展和落地。

简介：摘要目的基于原发肿瘤及淋巴结CT特征建立评分模型预测食管鳞癌患者喉返神经旁淋巴结（RLN-LN）转移风险。方法回顾性收集2014年1月至2019年12月于北京大学肿瘤医院行食管癌根治术并清扫RLN-LN的92例食管鳞癌患者。根据术后淋巴结病理结果分为RLN-LN转移组（n=37）和非转移组（n=55）。评估术前CT图像，记录食管癌患者年龄、性别、分化程度、肿瘤位置、肿瘤大小（肿瘤长度、肿瘤厚度、厚度/长度）、RLN-LN大小（淋巴结短径、长径、短径/多平面重建（MPR）最长径］。采用多元logistic回归筛选独立预测因子并建立评分模型，采用ROC曲线评估评分模型及独立预测因子诊断RLN-LN转移的效能，采用Z检验比较曲线下面积（AUC）的差异。应用Hosmer-Lemeshow检验和校准曲线评估模型拟合度。结果肿瘤位置、肿瘤长度、RLN-LN短径、短径/MPR最长径是RLN-LN转移的独立预测因子，其诊断RLN-LN转移的AUC分别为0.586、0.705、0.831、0.777。基于以上4个CT特征建立评分模型，评分模型诊断RLN-LN转移的AUC为0.903（95%CI 0.846~0.959），优于各单一CT特征（Z=5.812，P<0.001；Z=2.161，P=0.030；Z=2.929，P=0.003；Z=4.052，P<0.001）。拟合优度Hosmer-Lemeshow检验结果显示P=0.555，校准曲线提示评分模型预测RLN-LN转移风险与实际转移风险之间具有良好的一致性。结论基于CT图像的评分模型有助于食管鳞癌RLN-LN转移状态危险分层。

简介：摘要多模态CT检查技术和影像组学等方法已在胃癌筛查、诊断与鉴别诊断、分期分级、疗效评估、治疗后再分期及随访监测等方面显示出较大的优势，为个性化精准诊疗提供了关键信息和依据，是胃癌的一线影像学评估手段，与此同时，也面临巨大挑战。只有以患者为中心和以解决临床问题为原则设计好不同成像模式下的CT检查技术和影像组学研究方案，充分发挥不同成像模式检查的优势，结合影像组学在临床实际应用中发挥的作用，才能真正实现源于临床、用于临床和高于临床的目标，真正推进医学影像人工智能的健康发展，更好地为患者服务。

简介：摘要术前是否存在淋巴结转移是影响直肠癌临床治疗决策和预后的主要因素之一，但现有的影像学标准难以准确判断淋巴结的良恶性，亟需新的方法来解决这一临床难题。近年来影像组学与深度学习在医学影像领域得到了广泛的关注，可自动检测与分割淋巴结、鉴别良恶性淋巴结及预测淋巴结转移的发生等，有望提高术前分期的准确性，进而指导治疗决策。然而不同的研究间结果差异性较大，其中一个重要的原因是各研究之间工作流程存在差异。只有明确、统一并标准化具体操作流程、开展大规模前瞻性外部验证才能实现人工智能辅助诊断模型的转化与推广。该文中以影像组学和深度学习的工作流程为线索，对其在评价直肠癌淋巴结状态方面的研究进行综述。

简介：摘要目的探讨基于MRI影像组学的预测模型在程序性死亡蛋白-1（PD-1）抗体联合全程新辅助放化疗后中低位直肠癌病理完全缓解（pCR）中的预测价值。方法采用临床诊断性试验研究方法，收集2019年1月至2021年9月期间于北京大学肿瘤医院收治的PD-1抗体联合全程新辅助放化疗并最终行根治性手术的38例中低位直肠癌患者的临床病理资料和影像资料；男23例，女15例；中位年龄68（47~79）岁；有13例为pCR，25例为非pCR。将38例患者分层随机分为训练组（26例）和测试组（12例）进行建模。所有患者治疗前均行直肠MRI检查，收集所有患者的临床特征、影像特征和影像组学特征，并构建临床特征模型和影像组学模型。绘制各个模型的受试者工作特征（ROC）曲线，并以曲线下面积、准确度、灵敏度、特异度、阳性预测值和阴性预测值等来评价所构建模型。结果两组患者的年龄、性别、肿瘤原发位置和术后病理情况比较，差异均无统计学意义（均P>0.05）。本研究在38例中低位直肠癌患者中，从每个模态下感兴趣区域（ROI）提取了41个特征，包括9个一阶特征，24个灰度共生矩阵特征和8个形状特征。进一步分别从新辅助治疗前后弥散加权成像（DWI）和T2加权成像（T2WI）的每一个图像模态中提取41个特征，共纳入164特征。经过t检验和相关系数的筛选后，仅有4个特征得到保留。经过LASSO交叉验证后，仅有治疗前基线DWI图像的一阶偏度和治疗前基线T2WI图像中的体积这两个特征得到保留。应用这两个特征建立的预测模型在训练组和测试组的曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值分别为0.856和0.844，77.8%和100.0%，88.2%和75.0%，77.8%和66.7%，88.2%和100.0%。影像组学模型的决策曲线显示，采用该预测模型预测pCR的策略要优于将所有患者都看作pCR的策略，也优于将所有患者看作非pCR的策略。结论基于MRI影像组学构建PD-1抗体联合全程新辅助放化疗治疗直肠癌pCR预测模型，有潜力用于临床筛选或可免于根治性手术的直肠癌患者。