Journal of Clinical Oncology雜志主要刊登腫瘤治療方面的臨床研究，是國際醫(yī)學(xué)腫瘤臨床研究領(lǐng)域頂級(jí)代表性期刊、美國癌癥協(xié)會(huì)(ASCO)的官方雜志。（話題岔開，這個(gè)雜志很適合臨床研究的科研人員日常閱讀與學(xué)習(xí)，強(qiáng)烈推薦！）

該文由中科院分子影像重點(diǎn)實(shí)驗(yàn)室田捷研究員團(tuán)隊(duì)和廣東省人民醫(yī)院放射科合作，采用新興的影像組學(xué)（Radiomics）方法在結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)研究方面取得了重要進(jìn)展。臨床預(yù)后預(yù)測(cè)類文章均可參照此文。

結(jié)直腸癌的術(shù)前淋巴結(jié)轉(zhuǎn)移狀態(tài)影響著臨床決策,決定了手術(shù)的清掃范圍,影響早期直腸癌局切治療的選擇,以及新輔助放化療后cCR患者后續(xù)治療的選擇等等,但是目前常規(guī)的影像學(xué)檢查判斷術(shù)前淋巴結(jié)狀態(tài)的準(zhǔn)確性亟待提高。同時(shí)，近年來影像組學(xué)已成為影像學(xué)領(lǐng)域最受關(guān)注的研究熱點(diǎn)和前沿方向之一。因而，本研究則是在抓住了關(guān)鍵問題（如何在術(shù)前進(jìn)行較準(zhǔn)確的淋巴結(jié)轉(zhuǎn)移判斷是當(dāng)前結(jié)直腸癌臨床中遇到的挑戰(zhàn)性問題），同時(shí)應(yīng)用了前沿方法，開發(fā)并驗(yàn)證了影像組學(xué)聯(lián)合CT和臨床危險(xiǎn)因素列線圖(nomogram)模型,用于預(yù)測(cè)結(jié)直腸癌(CRC)術(shù)前淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)。利用研發(fā)的預(yù)測(cè)模型可以輔助臨床醫(yī)生進(jìn)行結(jié)直腸癌的術(shù)前決策，具有重要的臨床價(jià)值和應(yīng)用前景。這也是田教授團(tuán)隊(duì)成功發(fā)表JCO的關(guān)鍵所在。接下來我們深入分析該文。

①結(jié)直腸癌（Colorectal cancer）是人類最常見的消化道惡性腫瘤之一，其發(fā)病率和死亡率分別居所有癌癥的第三位和第四位。

②結(jié)直腸癌深入盆腔，解剖關(guān)系復(fù)雜，手術(shù)不易徹底，術(shù)后復(fù)發(fā)率高。特別是如果結(jié)直腸癌患者合并淋巴結(jié)轉(zhuǎn)移，將更難以治療，必須在手術(shù)時(shí)對(duì)所有受侵犯的淋巴結(jié)進(jìn)行徹底清掃，否則很有可能出現(xiàn)術(shù)后復(fù)發(fā)及轉(zhuǎn)移。但是術(shù)前傳統(tǒng)CT影像學(xué)難以判斷淋巴結(jié)是否轉(zhuǎn)移，也很難通過穿刺活檢獲得淋巴結(jié)轉(zhuǎn)移信息；而術(shù)中對(duì)所有淋巴結(jié)盲目清掃又會(huì)帶來很多不必要的副作用（如淋巴水腫等）。

在這兒我們先岔開給大家簡(jiǎn)單講一下影像組學(xué)這一未來非常有潛能的方向。影像組學(xué)（Radiomics）是利用數(shù)據(jù)挖掘等信息技術(shù)，從影像、病理、基因等海量數(shù)據(jù)中挖掘提取并量化腫瘤海量特征，解析影像與基因和臨床信息（分型、療效和預(yù)后等）關(guān)聯(lián)的新方法。 

?影像組學(xué)的優(yōu)勢(shì)：

·無創(chuàng)

·容易獲得

·反映腫瘤整體性質(zhì)

·可用于動(dòng)態(tài)隨訪

?影像組學(xué)在肺癌及頭頸部腫瘤中的應(yīng)用：

 通過影像組學(xué)預(yù)測(cè)肺癌及頭頸部腫瘤的預(yù)后。

? 總體思路

針對(duì)這一挑戰(zhàn)性的問題，田捷研究員團(tuán)隊(duì)和廣東省人民醫(yī)院放射科劉再毅教授、梁長(zhǎng)虹教授團(tuán)隊(duì)合作，回顧分析了廣東省人民醫(yī)院2007-2011年間500余例進(jìn)行結(jié)直腸癌手術(shù)的患者資料，利用新興的影像組學(xué)方法，將影像特征、臨床病理特征（血清標(biāo)記物和臨床指標(biāo)）相結(jié)合，構(gòu)建并驗(yàn)證了基于影像組學(xué)標(biāo)簽的結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移術(shù)前預(yù)測(cè)模型，用于對(duì)淋巴結(jié)轉(zhuǎn)移的概率進(jìn)行定量預(yù)測(cè)。

• 兩名影像科醫(yī)師在增強(qiáng)cT門脈相進(jìn)行勾畫

• RO：腫瘤最大徑層面的腫瘤外輪廓

• ICC：觀察者內(nèi)( reader1)；

       觀察者間( reader1 and reader2)

常規(guī)CT判斷LN+標(biāo)準(zhǔn)

淋巴結(jié)增大>1cm和/或>=3個(gè)成簇淋巴結(jié)

• 提取軟件:in-house software

• 算法分析: Matlab2010

• 單個(gè)圖像提取150種特征

• 統(tǒng)計(jì)軟件:R

結(jié)果分為三個(gè)部分：基本特征、模型建立以及校正曲線&決策曲線

原始集（primary cohort）與驗(yàn)證集(validation cohort)的基線特征無明顯差異。

二者中LN(+)與LN(-)患者大部分特征有差異，尤其是Radiomics score中位數(shù)。

CT診斷LNM的準(zhǔn)確率為0.63。

PS：一般而言，如果是做預(yù)測(cè)類模型，分為Primary cohort和validation cohort，validation cohort也可分internal validation（內(nèi)部驗(yàn)證）和external validation（外部驗(yàn)證）。有時(shí)候有的研究只有內(nèi)部驗(yàn)證，或只有外部驗(yàn)證，也是可以的。更為嚴(yán)謹(jǐn)?shù)难芯渴切枰猛獠繑?shù)據(jù)進(jìn)行驗(yàn)證。

還有就是，原則上我們希望Primary cohort和validation cohort在baseline方面盡量?jī)山M差異較小。對(duì)于差異較大的變量，我們需要格外注意，其是否對(duì)結(jié)果產(chǎn)生嚴(yán)重的影響。

特征選擇（Feature Selection and Radiomics Signature Building）

利用 LASSO邏輯回歸模型,從提取出的150個(gè)特征中篩選出24個(gè)具有預(yù)測(cè)作用的特征,這些特征的回歸系數(shù)均非零。

PS：LASSO方法學(xué)部分和R軟件程序我們將在單獨(dú)開展一期推文。如果大家感興趣，我們將臨床研究這一系列推文形成視頻后推出。

通過R語言安裝'glmnet' 包計(jì)算LASSO，得到下列公式，最后計(jì)算出Rad score。

建立多元Logistic回歸模型（Multivariable logistic regression），建立兩個(gè)模型（PS：某些大文章會(huì)通過納入不同的變量，建立2-3個(gè)Model）。最終進(jìn)入 model1的參數(shù)包括: Radionics signature、CEA水平、CT診斷的LN狀態(tài);mode12還包括活檢組織的組織學(xué)分級(jí)。

Nomogram預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)（PS:Nomogram簡(jiǎn)言之就是Logistic回歸或者Cox比例風(fēng)險(xiǎn)模型的可視化操作，具體的軟件應(yīng)用也需要另外一篇推文詳細(xì)闡述Nomogram的原理和R包的應(yīng)用）

上圖可通過三個(gè)相對(duì)簡(jiǎn)單的變量（Radiomics signature, CEA level, CT-reported LN status）則可預(yù)測(cè)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)。