放射组学在结直肠癌免疫微环境的应用进展

任晓婧，韩子清，钱 华（通讯作者）

（1浙江中医药大学第一临床医学院 浙江 杭州 310053）（2浙江省中医院医学影像科 浙江 杭州 310000）

结直肠癌（colorectal cancer, CRC）是全球第五大最常见的癌症，仅次于乳腺癌、肺癌、前列腺癌和非黑色素皮肤癌[1]，且在女性中发病率更高。CRC的肿瘤免疫微环境（tumor immune microenvironment, TIME）包括间质、脉管系统、非肿瘤细胞以及沟通微环境内各部分的信号分子网络等[2]。TIME内存在的免疫相关生物标志物是针对CRC的免疫疗法作用机制以及其对疾病的预测预后的关键性因素。当前常用检测生物标志物方法属于侵入性活检，其存在的风险和潜在的并发症限制了这些方法在实时监测疾病进展和肿瘤生物学特征方面的应用。放射组学（radiomics）将放射学数据与人工智能算法相结合，从多模态医学图像中提取大量高维定量特征，将肿瘤解码为不同的成像表型[3]并确定肿瘤的放射性生物标志物。放射组学工作流程包括以下四步：（1）图像采集与建立数据集；（2）感兴趣区域（region of interest, ROI）的图像分割；（3）特征提取；（4）统计分析与建立模型。由于其具有无创性的特点，可以为CRC患者提供非侵入性的临床预测指标，为临床上癌症筛查确诊、治疗选择以及预后提供客观决策。

1 放射组学在肿瘤免疫微环境中的无创性分析

放射组学领域正在探索通过高质量、可再现的成像分析工具，揭示放射特征与基因组突变的相关性，然后与临床信息、基因组信息和其他信息相结合，基于治疗的个体反应或预后情况来帮助临床上每个患者选择最佳疗法。

1.1 预测微卫星不稳定性

迄今为止，在CRC的免疫微环境中已获得广泛关注的生物标志物之一是特定患者的微卫星不稳定性（microsatellite instability, MSI）。与微卫星稳定肿瘤（microsatellite stabilization, MSS）相比，MSI肿瘤具有更好的分期调整生存率和更低的复发机会，并且MSI可以预测结直肠癌患者对免疫疗法的反应是否良好。MSI肿瘤相较于MSS表现出较高的血管生成能力，并且具有更高的微血管密度，Wu Jingjun等[4]利用单源双能计算机断层扫描（ssDECT）MSI和MSS CRC患者，发现MSI CRC在所有测量中的值均显著低于MSS CRC，曲线下面积（area under curve, AUC）为0.886。其所在团队的另一项研究基于双源双能计算机扫描成像也检测出两类型肿瘤的差异[5]。Pernicka等通过2个临床特征和40个放射学特征的组合模型进行术前CT的放射学分析，训练集的AUC为0.80，测试集的AUC为0.79[6]。上述研究共同证明了相较于单一模型而言，临床因素和放射组学特征的组合分析可改善预测性能，并可能有助于患者非侵入性个性化治疗的选择。

1.2 预测KRAS基因突变

在CRC中检测KRAS基因突变是个性化治疗策略优化设计的关键。K-Ras是表皮生长因子受体（EGFR）诱导的信号传导级联的关键介体，KRAS突变的患者对EGFR的药物如西妥昔单抗的耐药性较高[7]。NCCN指南推荐将计算机断层扫描（CT）作为临床实践中CRC的首选影像学检查。Lubner等[8]发现在未经治疗的CRC肝转移中，CT纹理特征与肿瘤分级密切相关，直方图偏斜度与KRAS突变呈负相关（P=0.02）。曹剑等[9]比较训练集和验证集KRAS突变型患者和野生型患者的CT图像纹理参数值和临床特征，KRAS野生型病灶的熵值高于突变组（P＜0.001）。Taguchi N等研究表明[10]，具有全面CT纹理参数的多变量支持向量机产生的AUC为0.82，与FDG PET图像上的最大标准摄取值相比，预测结直肠癌KRAS突变状态方面具有更出色的预测性能。以上都说明利用CT纹理分析技术模型预测结直肠癌患者KRAS突变状态的性能更好。

2 免疫微环境中未来有前途的生物标志物

TIME中细胞组成的免疫系统活性影响着肿瘤的发展和转移，除了可以将放射特征与肿瘤的分子特征相关联，当前还在TIME中发现具有潜在诊断和预后价值的新候选影像学生物标志物。未来放射组学领域可以针对这些生物标志物，在满足临床要求并有益于诊断和癌症治疗的技术方面取得长足的进步。

2.1 肿瘤突变负担与新抗原负荷

肿瘤突变负担（tumor mutation burden, TMB）有望于成为预测多个癌症类型的潜在性生物标志物，并且TMB在不同的癌症类型中阈值不同。Schrock等发现[11]，在CRC的程序性细胞死亡蛋白-1（programmed death-1, PD-1）阻断疗法中，TMB作为MSI-H CRC对免疫治疗的潜在生物标志物的最佳阈值为37和41个突变/Mb，TMB显示出与客观反应和无进展生存期的最强关联。新抗原负荷作为新型生物标记，是由肿瘤基因组的体细胞突变产生的新抗原的总数。现有方法是通过基因组学和蛋白质组学技术提高肿瘤新抗原的筛选和鉴定能力[12]，未来通过将放射组学和人工智能结合可使新抗原大规模筛选成为可能，并可评估其对于CRC患者的预测价值。

2.2 肿瘤浸润淋巴细胞

肿瘤浸润淋巴细胞（tumor infiltrating lymphocytes, TIL）的存在表明TIME内炎细胞的存在。TIL数值与肿瘤形状、边缘局限、表观扩散系数及肿瘤内质地有关，不同肿瘤中TIL的存在对肿瘤的预后改善及其相关免疫疗法和普通疗法的应答改善有密切的关系。张晓燕等[13]采用MRI的影像组学方法，构建四个模型预测直肠癌新辅助放化疗后淋巴结有无转移，发现包含治疗前后肿瘤、淋巴结特征的放射组学模型能更好地预测新辅助放化疗后淋巴结转移状态。由此我们可以设想尝试利用放射组学模型预测新辅助化疗过程中TIL状态。已有研究证明TIL可以预测新辅助化疗过程中可能发生的病理反应和化疗或靶向治疗后的预后情况，尤其是HER2阳性乳腺癌和三阴性乳腺癌的预后[14]。

2.3 肠道微生物

CRC患者中会出现某些特定的肠道微生物群数量高于正常水平，并且通过改善肠道菌群失调可以降低发病率、减缓肿瘤进展。因此，肠道微生物有望作为CRC免疫疗法的一种潜在的预测性生物标志物和治疗靶点。具核梭形杆菌（Fn）在CRC患者的粪便中含量较高，Fn与粪便免疫化学检测联合使用，可以提高CRC临床筛查的敏感性和特异性。放射组学未来可探索通过成像分析为检测Fn以及其他肠道微生物提供线索，进一步增强生物标志物的成像作用。

3 目前的问题与展望

放射组学应用于CRC的问题与展望在于以下几个方面。其一，想要得到可靠完善的结论需要足够的数据。但数据的大量增加使因果关系很难评估和确定。并且共享数据包含患者的医学图像有涉及隐私、法律、道德等问题的风险。其二，由于缺乏标准化的定义，且成像方式、协议等多种客观差异的存在而降低了放射线模型的通用性，使放射组学应用于CRC缺乏稳健性和可推广性。其三，依赖人工手动分割耗时耗力且在很大程度上受CRC的异质性以及与周围结构之间的对比度差异、器官位置等原因的影响，医学图像分割要实现完全自动化应用还有很大的挖掘潜力。其四，预测模型缺乏稳定性和可重复性。临床上正式应用模型之前还需在大型多中心环境中进行外部验证。在满足临床要求并有益于诊断和癌症治疗的技术方面，放射组学领域未来有广阔的发展前景。