文献速递腹部泌尿生殖MR

提升MRI在直肠癌中的作用:从分期到预后预测的进展

Enhancing the role of MRI in rectal cancer: advances from staging to prognosis prediction.
PubMed 文献 · Eur Radiol · 2025-03-06

本文综述MRI在直肠癌分期、再分期、侵袭性评估及疗效评价中的进展,指出传统T2WI和DWI在识别早期肿瘤、高危结节、脉管侵犯及疗效预测方面存在不确定性,而合成MRI、DKI、APTw及影像组学与人工智能可能提供补充价值,但缺乏早期预测生存和肿瘤反应的标准。

要点

  • CE-T1WI上连续完整的黏膜下强化带可区分T0-1与T2肿瘤,准确率87%。
  • HR-T2WI上血管中断、结节融合、包膜破裂及DWI尾征等征象提示结外侵犯或肿瘤沉积,AUC 0.91、特异度94%、阴性预测值99%。
  • 合成相位敏感反转恢复图像联合HR-T2WI可将早期EMVI+诊断敏感度从49%提高至86%、准确率从78%提高至91%。

核心结论

  • 视觉MRI的进步正在改善直肠癌的分期、再分期和侵袭性评估,影像组学和人工智能在精确肿瘤表征与结局预测方面显示出潜力。
  • 新辅助治疗后器官保留策略依赖肿瘤反应评估,但传统MRI评估变异性大,缺乏早期预测生存和治疗反应的标准。

研究设计与样本

  • 本文为综述,聚焦早期和局部进展期直肠癌的MRI评估研究,排除远处转移评估研究。
  • 综述涵盖传统序列(HR-T2WI、DWI、CE-T1WI、合成MRI)及先进功能MRI(DKI、IVIM、APTw)和影像组学/人工智能在分期、再分期、侵袭性评估、疗效评价和结局预测中的研究。

关键影像表现/征象

  • CE-T1WI上连续完整的黏膜下强化带提示肿瘤未穿透黏膜下层,局部中断或完全断裂提示浸润至黏膜下层或更深层。
  • 合成双反转恢复图像上肿瘤与直肠外纤维化交界处出现连续光滑的「黑线」样反磁化伪影,提示T2而非T3肿瘤。
  • HR-T2WI上血管被结节中断或结节融合、反相位T1WI上包膜破裂、HR-T2WI上结内不均质及DWI(b=0 s/mm²)上结节直接相连的尾样高信号,均为ENE+/TD+的强提示征象。
  • CE-T1WI上结节样强化达直肠壁最外缘提示肿瘤延伸至直肠肌层或直肠系膜,未达最外缘的壁内强化提示无肿瘤或早期肿瘤。
  • 动脉期CE-T1WI上黏膜线样强化提示无残留肿瘤,异常结节样强化提示残留肿瘤。

诊断标准与关键数值

  • CE-T1WI上连续完整黏膜下强化带区分T0-1与T2肿瘤的准确率为87%。
  • 合成双反转恢复图像联合HR-T2WI区分T1-2与T3-4肿瘤的AUC:低年资放射科医师从0.842升至0.918,高年资放射科医师从0.917升至0.938。
  • HR-T2WI血管中断/结节融合、反相位T1WI包膜破裂、HR-T2WI结内不均质联合DWI尾征识别ENE+/TD+的AUC为0.91、特异度94%、阴性预测值99%。
  • CE-T1WI区分ypT0-1与ypT2-4肿瘤的AUC为0.81,优于T2WI联合DWI的0.66(p<0.001)。
  • 动脉期CE-T1WI黏膜线样强化识别ypT0肿瘤的AUC为0.84。

临床应用与阅片要点

  • 传统EMVI+诊断标准区分正常血管(评分0–2)与早期EMVI+(评分3)的敏感度仅62%,合成相位敏感反转恢复图像联合HR-T2WI可将早期EMVI+诊断敏感度从49%提高至86%、准确率从78%提高至91%。
  • DWI在NCRT患者中未能提高T2WI识别pCR的性能,但在单纯新辅助化疗患者中DWI显著提高T2WI准确率(0.90 vs. 0.83,p=0.03),不同NAT方案可能需要定制疗效评估方法。
  • 再分期HR-T2WI上最大淋巴结长径≥5.5 mm或体积≥77 mm³、短径缩小率≤70%,以及再分期DWI上原发肿瘤体积≥0.684 mm³和缩小率≤82.8%,可为识别持续MLN提供额外价值。
  • NCRT后DWI检测EMVI+的特异度为0.93,高于T2WI的0.67(p<0.001);基线MRI存在EMVI+时,放射科医师应特别关注再分期DWI上的表现。
  • 淋巴结影像组学模型诊断病理MLN+的特异度为60.4% vs. 放射科医师43.4%、阳性预测值为46.2% vs. 38.8%、AUC为0.812 vs. 0.717。

局限性

  • APTw平均信号强度随T分期的变化与最新研究矛盾,可能与所用设备不同有关。
  • 单独使用时,平均ADC值、DKI衍生MD和MK值以及合成MRI衍生的T1和质子密度值可能无助于区分T1-2与T3-4肿瘤。
  • 影像组学和深度学习模型即使在区分T1-T2与T3-T4肿瘤方面表现良好,也未证明能有效区分T2与T3等相邻分期。
  • IVIM、DKI和APTw MRI衍生参数识别MLN的研究结果相互矛盾,且当前研究成像设备和方案存在异质性。
  • 基于原发肿瘤MRI影像组学术前评估EMVI的研究样本量有限,模型存在过拟合风险,其有效性需进一步研究和验证。
全文中译27 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2025 Mar 6;35(9):5714–32. doi: 10.1007/s00330-025-11463-x

引言

直肠癌(RC)长期以来一直是全球重大的健康挑战[1, 2]。由于治疗方法和多学科管理的进步,患者的生存率和生活质量已显著改善。例如,在新辅助放化疗(NCRT)后达到病理完全缓解(pCR)的患者,现在可以选择“观察等待”策略并进行密切监测,从而避免手术相关并发症和生活质量下降[3]。在高微卫星不稳定性患者中,免疫治疗已显示出更高的良好缓解或完全缓解率[4]。关于全程新辅助治疗的试验正在改善治疗依从性、器官保留和长期生存[5]。新辅助化疗选择性省略放疗,其局部控制效果与NCRT相当,且副作用更少[6]。然而,鉴于直肠癌患者之间存在显著异质性,当前临床实践在进一步优化个体化治疗策略方面仍面临挑战。

磁共振成像(MRI)是评估肿瘤特征和潜在生物学行为的关键影像学工具。标准直肠MRI包括高分辨率T2加权成像(HR-T2WI)和扩散加权成像(DWI)。HR-T2WI可有效显示肿瘤浸润深度,DWI有助于区分肿瘤组织与非肿瘤组织。然而,这些方法在识别早期肿瘤、恶性淋巴结、壁外血管侵犯阳性和治疗后微小残留病灶方面的能力有限[7]。近期研究揭示了包括DWI和对比增强T1加权成像(CE-T1WI)在内的常规序列以及先进方法在直肠癌分期和再分期中的潜力。此外,当前的视觉MRI技术不足以评估肿瘤功能和异质性,导致在精准预测治疗反应和长期结局方面存在未满足的需求。定量影像特征,如扩散峰度成像(DKI)、体素内不相干运动(IVIM)、酰胺质子转移加权(APTw)以及合成MRI衍生的功能参数(MRI技术及关键参数说明见表1),以及MRI衍生的影像组学和人工智能(AI)特征,可能为肿瘤功能、微环境和潜在生物学行为提供重要见解。因此,许多研究探讨了它们在直肠癌评估中的价值。然而,现有综述缺乏对这些进展的全面视角,也未提供关于如何在多模式治疗下优化患者选择的具体分析[8–10]。

因此,本综述旨在总结MRI用于直肠癌评估的最新进展,重点关注分期、再分期、侵袭性评估、疗效评价和结局预测。为保持重点,本综述将集中于与早期和局部晚期直肠癌相关的研究,排除关于远处转移性疾病评估的研究。此外,本综述提供了更全面的视角,探讨如何改进未来研究以增强MRI在直肠癌临床管理中的作用。

表1 先进MRI技术及关键参数说明 查看原表 ↗

原发分期与侵袭性评估

原发肿瘤评估

在避免对早期肿瘤过度治疗方面,仔细区分T1与T2肿瘤或T2与早期T3肿瘤是有意义的[11]。然而,高分辨率T2加权成像(HR-T2WI)在这方面分辨率不足,原因在于小血管穿透进入肌层、肿瘤与直肠固有肌层之间的相似性,以及直肠周围反应性纤维化与恶性浸润之间的相似性[12, 13]。

视觉判读

组织学上,连续且完整的黏膜下层表明肿瘤未穿透超过该层,而黏膜下层的局部破坏或完全中断提示肿瘤已浸润该层甚至更深层次。对比增强T1加权成像(CE-T1WI)上的这一征象在区分T0-1与T2肿瘤方面也可能发挥重要作用(图1),准确率为87%[14]。

合成双反转恢复成像可通过手动调节反转时间来提高组织对比度。Wang等[15]报道,在合成双反转恢复图像上,肿瘤与壁外纤维化交界处出现“黑线”样反向磁化伪影。连续且光滑的“黑线”样伪影可提示T2而非T3肿瘤。将该成像技术与HR-T2WI相结合,提高了区分T1-2与T3-4肿瘤的曲线下面积(AUC),无论是初级(从0.842提高至0.918)还是高级放射科医师(从0.917提高至0.938)。

图1 病理T1(A–C)和T2(D–F)肿瘤的代表性图像。病例1:A 疑似肿瘤侵犯固有肌层和直肠系膜(箭头)。B 连续且完整的黏膜下层强化带(SES)(箭头)。C 肿瘤侵犯黏膜下层(箭头;红星=正常固有肌层;蓝星=黏膜下层)。病例2:D 疑似肿瘤侵犯黏膜下层甚至固有肌层(箭头)。E SES缺失(箭头)。F 肿瘤侵犯黏膜下层并延伸至固有肌层(箭头;红星=黏膜下层;蓝星=固有肌层)。CE-T1WI,对比增强T1加权成像;HE,苏木精-伊红;T2WI,T2加权成像。经北美放射学会许可使用,引自[14];许可通过Copyright Clearance Center, Inc传达 查看原图 ↗

功能参数

尽管既往研究提示肿瘤的平均酰胺质子转移加权(APTw)信号强度(SI)值随T分期升高而增加[16, 17],但这一发现与最新研究结果相矛盾[18]。这可能与所使用的不同设备有关。此外,目前研究的共识是T1-2肿瘤的T2值高于T3-4肿瘤[15, 19]。这可能归因于T3-4肿瘤中细胞密度增加、核多形性及核/质比增大,导致细胞外液空间减少。尽管报道的截断值不同,这些研究均提示T2值可能有助于区分T1-2与T3-4肿瘤。因此,关于APTw SI和T2值在区分T分期中的价值仍需进一步研究。

然而,目前研究表明,单独使用时,平均表观扩散系数(ADC)值、扩散峰度成像(DKI)衍生的平均扩散率(MD)和平均峰度(MK)值[16, 20–22],以及合成MRI衍生的T1值和质子密度值[15, 19],在区分T1-2与T3-4肿瘤方面可能没有价值。

人工智能与影像组学

已有少数研究报道了基于MRI的影像组学和深度学习(DL)模型在区分T1-T2与T3-T4肿瘤方面的潜力[23, 24]。然而,即使这些模型表现良好,它们也未能在区分相邻分期(如T2与T3)方面展示出有效性。未来研究可建议进行单独的子分析,以更好地捕捉这些分期之间的细微差异。

淋巴结评估

直肠系膜内的孤立结节可能是正常淋巴结、转移性淋巴结(MLNs)或肿瘤沉积(TDs)。MLNs局限于淋巴结包膜内或超出包膜(结外侵犯,ENE)。TDs是局限的癌细胞簇,无可识别的血管、神经周围或淋巴结构。由于MLNs和TDs代表更恶性的分期并需要额外干预[25, 26],应优先识别它们。然而,目前的标准在这方面并不可靠。

视觉判读

Li等[27]报道,在HR-T2WI上结节中断血管或结节融合,或在反相位T1WI上包膜破损,以及在HR-T2WI上存在结内异质性且DWI(b = 0 s/mm2)上直接附着于结节的尾样高信号,均为ENE+/TD+的强指示指标(图2)[27]。该方法识别ENE+/TD+的AUC为0.91,特异度为94%,阴性预测值(NPV)为99%[27]。这些影像特征的有效性表明它们可为当前评估标准提供重要补充。

图2 代表性图像显示结外侵犯或肿瘤沉积(ENE/TD)的缺失(A–E)或存在(F–J)。A、F 结节中断血管:A 缺失,F 存在;虚线指示血管,箭头指示结节。B、G 结节融合:B 缺失;G 存在。C、H 环破损征:C 缺失;H 存在;H中箭头指示结节包膜破损。D、I 结内异质性:D 缺失;I 存在。E、J 尾征:E 缺失;J 存在;箭头指示附着于结节的尾样高信号。DWI,弥散加权成像;HR-T2WI,高分辨率T2加权成像;T1WI,T1加权成像。经北美放射学会许可使用,引自[27];许可通过Copyright Clearance Center, Inc.传达 查看原图 ↗

功能参数

目前的研究已揭示,结节[28]或原发肿瘤[29]相对较低的T2值有助于检测MLNs,AUC分别为0.990和0.854。MLNs内或伴有MLNs的肿瘤中较高的细胞密度可能归因于此关联。此外,考虑瘤周与瘤内区域之间或结节与肿瘤之间功能参数的相对差异可能有益[30, 31]。然而,关于IVIM、DKI和APTw MRI衍生参数在识别MLNs中价值的研究得出了相互矛盾的结果[21, 22, 32–34]。其中大多数认为肿瘤的MD[16, 21, 22, 33]和平均APTw SI值[17, 18]缺乏鉴别价值,但肿瘤较高的MK值可能与MLNs相关[16, 21, 22, 33]。鉴于当前研究中成像设备和方案的异质性,未来研究应优先在更大规模研究中标准化成像,以进一步评估这些功能参数在识别MLNs和TDs中的潜在应用。

人工智能与影像组学

目前关于淋巴结来源的影像组学和人工智能特征用于评估结节状态的研究在数量和质量上均仍然有限[35–38]。大量手动勾画可能对该领域构成了重大挑战。通过使用深度学习(DL)工具自动检测和分割淋巴结,Xia等进一步开发了一种弱监督模型来自动诊断转移性淋巴结(MLNs)[39]。该模型显著提高了初级和资深放射科医师的诊断速度和准确性,曲线下面积(AUC)分别从0.69提高到0.80,从0.79提高到0.88[39]。然而,他们标记淋巴结的参考标准基于放射科医师的主观判读,这可能引入变异性并限制模型的准确性。因此,影像与病理结节之间的一一对应对于未来研究中构建高质量模型至关重要。

此外,一些证据表明,肿瘤及瘤周特征有助于识别结节[40, 41]。因此,鼓励在该领域进一步探索。

壁外血管侵犯评估

阳性壁外血管侵犯(EMVI+)定义为壁外血管内存在肿瘤细胞,为潜在的远处转移提供了高速通道,被认为是预后不良的高危因素之一[26, 42]。然而,目前诊断EMVI+的标准在区分正常血管(评分0–2)与早期EMVI+(评分3)时的灵敏度仅为62%[43]。

视觉判读

通过增强成像对比度,新兴的合成相位敏感反转恢复图像在区分等信号肿瘤与高信号血管方面显示出巨大优势(图3)[44]。当与常规高分辨率T2加权成像(HR-T2WI)联合使用时,早期EMVI+的诊断灵敏度和准确性显著提高,即使是对于资深放射科医师,也分别从49%和78%提高到86%和91%[44]。

图3 正常壁外血管(病例1)及不同模式壁外血管侵犯(病例2–4)的代表性图像。病例1:a–e 无管腔扩张或肿瘤侵犯的壁外血管(箭头)。病例2:a–e 有肿瘤侵犯但无管腔扩张的壁外血管(箭头)。病例3:a–e 管腔不规则扩张伴肿瘤侵犯的壁外血管(箭头)。病例4:a–e 管腔均匀扩张伴肿瘤侵犯的壁外血管(箭头)。CD34,分化簇34;HE,苏木精-伊红;SyPSIRI,合成相位敏感反转恢复图像;T2WI,T2加权图像。经Springer Nature BV许可使用,引自[44];许可经由Copyright Clearance Center, Inc.传达 查看原图 ↗

功能参数

Zhou等报道,EMVI+肿瘤的平均峰度(MK)值显著高于阴性肿瘤,且MK值在检测EMVI+肿瘤方面优于平均扩散率(MD)和平均表观扩散系数(ADC)值(AUC分别为0.779、0.617和0.610)[33]。这与既往研究一致[16, 45]。肿瘤的酰胺质子转移加权(APTw)MRI直方图参数,如较高的熵和峰度,也有助于识别EMVI+[46]。这些研究表明,EMVI+可能更常发生于微结构复杂且增殖活跃的肿瘤中。

人工智能与影像组学

目前关于基于原发肿瘤MRI影像组学用于术前评估EMVI的研究样本量有限,这引发了人们对这些模型过拟合风险的重大担忧[47]。因此,影像组学以及人工智能模型在这方面的有效性仍需进一步研究和验证。

疗效评估

对新辅助治疗(NAT)反应良好的患者是器官保留策略的候选者,包括“观察等待”策略和局部切除。然而,再分期HR-T2WI和DWI在区分ypT0-1与ypT2-4肿瘤方面存在局限,在识别淋巴结pCR方面同样如此[7]。

原发肿瘤的疗效评估

视觉判读

Santiago等人在HR-T2WI上引入了一种低-高/中-低三层征象来描绘原发肿瘤的完全消退[48]。该征象反映了治疗后残留的黏膜下和壁外纤维化,以及其间正常的肌层或残留的黏液湖。尽管该征象在识别pCR方面表现出高特异度和阴性预测值(分别为0.919和0.843),但其灵敏度和阳性预测值(PPV)相对较低(分别为0.626和0.763)[49]。这一发现表明,该征象在识别原发肿瘤pCR方面仍不够充分。

近期研究支持了DWI在提高T2WI识别pCR性能方面无效的结论,但仅限于接受NCRT的患者[50, 51]。相比之下,对于仅接受新辅助化疗的患者,DWI显著提高了T2WI的准确率(0.90 vs. 0.83,p = 0.03)[52]。与单纯新辅助化疗相比,NCRT相关的炎症和纤维化可能更为显著[52],导致DWI对pCR的识别能力下降。这些发现提示不同的NAT方案可能需要量身定制的疗效评估方法。

此外,CE-T1WI对再分期的改善作用也已得到证实。Lu等人[53]报道,在CE-T1WI上结节样强化达到直肠壁最外缘代表肿瘤侵犯至直肠肌层或直肠系膜(图4)。相反,直肠壁内强化但未达到最外缘则提示无肿瘤或早期肿瘤(图4)。在区分ypT0-1与ypT2-4肿瘤方面,CE-T1WI优于T2WI联合DWI(AUC 0.81 vs. 0.66,p < 0.001)[53]。Miao等人[54]报道,动脉期CE-T1WI上的黏膜线样强化代表无残留肿瘤,而动脉期CE-T1WI上的异常结节样强化代表存在残留肿瘤(图5)。此外,动脉期CE-T1WI上的黏膜线样强化在识别ypT0肿瘤方面达到了0.84的AUC[54]。这些发现强调了在常规再分期MRI中加入CE-T1WI的必要性。

图4 新辅助放化疗后完全缓解(A–D)和残留肿瘤(E–H)病灶的代表性图像。病例1:A 低-中等信号强度(SI)的可疑肿瘤(箭头)。B 高SI的可疑肿瘤(箭头)。C 未见达直肠壁最外缘的结节样强化(箭头)。D 无残留肿瘤(箭头头)。病例2:E 中-低SI的可疑肿瘤(箭头)。F 未见高SI的可疑肿瘤(箭头)。G 结节样强化达直肠壁最外缘(箭头)。H 残留肿瘤(白色箭头头=残留肿瘤侵及固有肌层,黑色箭头头=肿瘤周围成纤维细胞)。CE-T1WI,对比增强T1加权成像;DWI,扩散加权成像;HE,苏木精-伊红;T2WI,T2加权成像。经北美放射学会许可使用,引自[53];许可经Copyright Clearance Center, Inc.转达 查看原图 ↗
图5 新辅助放化疗后完全缓解患者(病例1:A–H)和残留肿瘤患者(病例2:A–H)的代表性图像。病例1:A 中等信号强度(SI)肿瘤(箭头)。C 高SI肿瘤(箭头)。E 高SI肿瘤(箭头)。B 中等SI的可疑肿瘤(箭头)。D 局灶性高SI的可疑肿瘤(箭头)。F 黏膜线样强化,提示无残留肿瘤(箭头)。G 黏膜线样强化示意图。H 无残留肿瘤(红色星号=完整黏膜层,蓝色星号=固有肌层)。病例2:A 中等信号强度(SI)肿瘤(箭头)。C 高SI肿瘤(箭头)。E 高SI肿瘤(箭头)。B 低SI的可疑完全缓解。D 无高SI的可疑完全缓解。F 伴异常结节样强化的残留肿瘤(箭头)。G 异常结节样强化示意图。H 残留肿瘤(白色箭头头=残留肿瘤侵及固有肌层,黑色箭头头=周围成纤维细胞)。CE-T1WI,对比增强T1加权成像;DWI,扩散加权成像;HE,苏木精-伊红;T2WI,T2加权成像。经北美放射学会许可使用,引自[54];许可经Copyright Clearance Center, Inc.转达 查看原图 ↗

功能参数

既往研究表明,治疗后平均ADC值及其变化百分比在识别pCR方面的准确性不足(分别为74%和78%)[55]。DKI和IVIM衍生的平均参数及其变化百分比同样如此[56, 57]。

人工智能与影像组学

尽管CE-T1WI在检测肿瘤向黏膜回缩方面具有优势,但其在区分pCR与散在微小残留肿瘤方面的有效性可能仍有限。在此背景下,影像组学分析可能具有一定前景。

近期研究表明,治疗前后的影像组学可用于有效评估pCR [58–60]。这些模型在灵敏度(80% vs. 15.6%,p < 0.001)[59]和特异度(90% vs. 85%,p < 0.001)[60]以及总体准确率方面显著优于主观评估。此外,深度学习算法在疗效评估中可能比预设的传统影像组学提供更深入的见解。Jin等提出了一种基于治疗前后MRI图像的深度神经网络来自动识别pCR [61]。在验证队列中,该模型达到了91.9%的灵敏度、84.2%的PPV、93.0%的特异度和96.5%的NPV。此外,整合源自高级功能MRI的特征可能进一步提高疗效评估的效能。Zhang等在T2WI基础上加入DKI开发了一个深度学习模型 [62]。该模型在识别pCR方面表现完美,灵敏度为100%、特异度为97.3%、PPV为90%、NPV为100%,优于放射科医师(AUC分别为0.66和0.72)以及单独使用DKI衍生平均参数(AUC = 0.76)。这些结果凸显了AI模型作为评估pCR辅助诊断工具的潜力。鉴于上述模型的出色表现,优先对其有效性进行真实世界验证可能促进其临床转化。

淋巴结的疗效评估

器官保留策略的禁忌证之一是存在残留MLN和TD。然而,目前在再分期MRI图像上尚无可靠的识别MLN和TD的标准。

视觉判读

根据近期研究,再分期HR-T2WI上最大淋巴结的大小(长轴 ≥ 5.5 mm或体积 ≥ 77 mm³)或短轴直径的缩小率(≤ 70%)[63, 64],以及再分期DWI上的原发肿瘤体积(≥ 0.684 mm³)及其缩小率(≤ 82.8%)[65],可为识别持续性MLN提供额外价值。这些发现令人鼓舞,特别是对于在当前标准下仍难以确定的淋巴结。

AI与影像组学

与放射科医师相比,聚焦于淋巴结的影像组学模型在诊断病理性MLN+方面显示出更高的特异度(60.4% vs. 43.4%)和PPV(46.2% vs. 38.8%),从而提高了总体诊断准确率(AUC 0.812 vs. 0.717)[66]。相比之下,基于原发肿瘤的模型在预测病理性MLN+方面准确率有限 [66, 67]。然而,鉴于该领域研究有限,目前尚难得出明确结论,仍需进一步研究。

EMVI的疗效评估

治疗后持续性EMVI+提示潜在的治疗抵抗,并与更具侵袭性的肿瘤生物学相关 [68]。与原发EMVI对应的残留病灶可能模仿肿瘤信号,导致再分期T2WI上EMVI的判定存在模糊性。相比之下,通过检测限制性扩散(提示肿瘤存在),DWI在检测NCRT后EMVI+方面表现出更高的特异度(0.93 vs. 0.67,p < 0.001)[69]。该发现与Kim等的研究高度一致 [70]。这些发现强调,当基线MRI上存在EMVI+时,放射科医师应特别关注其在再分期DWI上的表现。

疗效预测

在初始治疗前预测潜在疗效有助于调整新辅助治疗(NAT)策略。预期通过新辅助放化疗(NCRT)达到病理完全缓解(pCR)或接近pCR的患者可转为全程新辅助治疗,而能够耐受NCRT或新辅助免疫治疗的患者可考虑参加临床试验或直接行全直肠系膜切除术。然而,目前尚无公认的用于早期疗效预测的影像学标准。

视觉判读

研究报道,基线MRI上的一系列形态学特征,如肿瘤位于下三分之一、肿瘤形态近圆形、长度大于5 cm、肿瘤体积大以及临床T3-4、临床N+、EMVI+或直肠系膜筋膜阳性,可能提示对新辅助放化疗(NCRT)反应不佳[71–75]。然而,用于对潜在治疗反应进行分类的可靠体系尚未建立。

功能参数

多项研究探讨了治疗前功能参数在预测治疗反应中的价值(详细信息见表2)[56, 62, 76–81]。这些研究表明,基线时原发肿瘤较低的平均扩散指标(如MD和平均ADC值)、较低的平均T1和T2值以及较高的平均APTw SI值与对新辅助治疗(NAT)的良好反应相关。特别是,平均T2值可预测pCR,AUC为0.831[76],APTw SI值可预测良好反应,AUC为0.824[79]。这可能是因为增殖指数高、肿瘤血供和氧合充分以及代谢活性增高的肿瘤对化疗和放疗更为敏感。因此,基于这些功能成像特征的评估可能为筛选从NAT中获益的患者提供有价值的证据。

表2 新辅助治疗前基于功能MRI参数预测治疗反应的研究 查看原表 ↗

人工智能与影像组学

既往研究表明,基线MRI上原发肿瘤、瘤周区域及淋巴结的影像组学特征对预测治疗反应具有价值(详见表3)[62, 82–92]。例如,在一项纳入674例直肠癌(RC)患者的研究中,Song等开发并验证了一种基于治疗前T2WI的影像组学模型来预测ypT0病变[87]。尽管存在潜在误诊风险(AUC 0.784),该模型在独立验证中达到了0.926的准确率。同样,Jayaprakasam等利用治疗前T2WI上直肠系膜脂肪特征构建了一种影像组学模型,在识别ypT0N0方面AUC达到0.860[88]。此外,原发肿瘤和淋巴结的影像组学特征对ypN0均表现出较强的预测能力,AUC分别为0.831和0.865[82, 85]。除上述发现外,Feng等的研究强调了活检病理中细胞核与微环境特征和ypT0N0之间的相关性[89]。更重要的是,这些发现表明影像组学可提供关键的补充信息。在多中心前瞻性观察队列中,整合的放射病理组学模型AUC达到0.812,优于各单一组学模型(均p < 0.0001)[89]。总体而言,这些发现强调了影像组学联合多模态方法在推进直肠癌治疗反应预测方面的重要价值。

表3 新辅助治疗前基于MRI的影像组学和人工智能预测治疗反应的研究 查看原表 ↗

生存预测

传统的肿瘤淋巴结转移分类系统在预测结局方面的能力有限,主要原因是它无法在宏观层面充分反映肿瘤的侵袭性。与RC患者不良预后相关的其他关键风险因素,包括EMVI+、TD+、直肠系膜筋膜受累以及对NAT反应不佳,已被确定[93, 94]。然而,即使在具有相同高危特征的患者中,生存结局也可能存在显著差异。这种异质性使临床管理复杂化,并凸显了进一步优化预后评估的必要性。

大量研究强调了影像组学和DL特征的预后价值(表4)[88, 95–104]。例如,Liu等人报道,术前ADC图上原发肿瘤的影像组学特征与远处转移显著相关(风险比 = 6.109,p = 1.73 × 10−¹⁷)[103]。同样,DL模型指示的风险越明显,生存越差[100, 102]。除原发肿瘤的影像特征外,瘤周区域的特征也具有显著的预后相关性[88, 95]。因此,基于这些特征建立的模型在预后预测中表现出强劲的性能,并显示出超越依赖治疗前后临床病理风险因素的传统预后方法的显著潜力。在Jiang等人的研究[100]中,对NCRT反应良好的患者可被DL模型识别为高风险,提示他们可能从额外治疗中获益。相反,在Liu等人[102]和Zhang等人[101]的研究中,NCRT后达到部分缓解的患者可被DL模型识别为低风险,表明他们可能不需要强化治疗。这些发现表明,基线影像组学和DL特征可能为传统预后评估提供重要补充,并有助于改善当前的临床决策。

表4 基于MRI的影像组学或人工智能在治疗前预后预测中的研究 查看原表 ↗

结论与未来展望

本综述总结了基于MRI的语义特征和定量特征在RC评估中应用的最新进展。当前证据表明,基于DWI、反相位T1WI、CE-T1WI和合成相位敏感反转恢复血管成像的视觉评估在分期、再分期、EMVI和疗效评估中具有重要价值。在通过T2WI和DWI解读NAT后原发肿瘤的完全缓解时,考虑NAT方案的影响至关重要。这些有意义的进展可能有助于改进影像学流程和临床实践。

功能参数,如T2、APTw SI和MK值,在形态学评估之外的肿瘤生物学中具有巨大潜力。基于MRI的影像组学和人工智能模型在疗效评估、预后和反应预测方面显示出巨大潜力。影像组学和病理组学的整合进一步凸显了多维信息整合在疗效预测中的重要性。诚然,功能参数、影像组学和人工智能尚未准备好整合到临床实践中。这可能归因于数据采集和处理方法的差异、新兴特征对传统特征的可替代性不明确、缺乏高质量验证和生物学解释,以及自动分割和诊断工具在当前研究中整合缓慢。

此外,全面视角有助于弥合研究与临床实践之间的转化差距,而现有研究目前缺乏这一视角。对于疗效预测,主要反应,包括原发肿瘤的pCR和微小残留病灶,可能扩大符合强化治疗条件的患者数量。早期识别耐药对于敏感性预测同样重要,特别是对于考虑全程新辅助治疗的患者,因为及时检测可以提供治疗调整的机会并减少治疗毒性。对患者预后和治疗疗效的综合预测在指导临床决策方面也可能有价值(图6)。事实上,预后并不完全对应于治疗反应。例如,一些具有潜在侵袭性特征的肿瘤可能对NAT反应良好,而一些看起来低风险的肿瘤可能反应不佳并在NAT期间快速进展。这种复杂性凸显了在做出临床决策前全面了解肿瘤生物学的重要性。最后,鉴于不同肿瘤对各种治疗的反应模式不同,也迫切需要开发除NCRT以外替代疗法的预测模型。在这些潜在变化下,预计更多患者将从个性化治疗策略中获益。

图6 可通过联合疗效和预后预测指导临床决策。LARC,局部进展期直肠癌;MSI-L,微卫星低度不稳定;nCR,近完全缓解;NCT,新辅助化疗;pCR,病理完全缓解;pMMR,错配修复功能完整;TME,全直肠系膜切除术;TNT,全程新辅助治疗 查看原图 ↗

引用

  1. Gong X, Ye Z, Shen Y, et al. Enhancing the role of MRI in rectal cancer: advances from staging to prognosis prediction. Eur Radiol. 2025. PMID: 40045072. doi:10.1007/s00330-025-11463-x
  2. 全文:PMC12350595(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12350595/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。