达州市中心医院临床医学研究中心和四川大学计算机学院机器智能实验室合作，在结直肠癌淋巴结转移预测研究及深度学习的生物机制解释性方面取得新进展，相关研究成果于2021年12月27日在国际期刊《放射治疗和肿瘤学》(Radiotherapy and Oncology)上在线发表，题为“与基因组学表型相关的深度学习影像组学模型用于预测结直肠癌淋巴结转移” (Deep learning radiomics model related with genomics phenotypes for lymph node metastasis prediction in colorectal cancer)。
结直肠癌是全球癌症死亡原因的第二位，2020年因结直肠癌死亡人数达93万例。淋巴结是结直肠癌患者常见的转移性播散部位，手术切除后评估的淋巴结数量与Ⅱ期和Ⅲ期结直肠癌患者的生存率呈正相关。术前评估结直肠癌淋巴结转移对于确定是否需要施行新辅助放化疗及手术切除尤为重要。影像组学已经被广泛应用于 CT 和 MRI 图像的分析当中， 深度学习影像组学已被广泛用于临床研究中，然而，深度学习之所以能在临床研究中发挥如此强大的能力的原因一直是个黑匣子的存在。
针对这一挑战性的问题，我院临床医学研究中心、肿瘤科、普通外科和四川大学计算机学院机器智能实验室章毅教授合作，回顾性分析了本院2014-2019年间423例病理诊断为结直肠癌的患者资料，利用LASSO分析，以深度学习特征，血清肿瘤标志物（CEA, CA199）为基础，构建了能预测结直肠癌患者淋巴结转移的影像组学模型和联合模型。在两个模型中，受试者工作特征曲线（ROC）中的曲线下面积（AUC）分别能达到0.79和0.81。我们通过对构建的模型中的深度学习特征和基因做相关性分析，发现与构建的模型特征相关的基因主要富集于代谢途径和免疫相关通路中。模型可以在术前对结直肠癌患者进行淋巴结转移，联合传统影像方法进行转移评估，可以尽可能减少漏诊，提高结直肠癌肿瘤转移患者的治疗收益。
影像组学模型的ROC图
联合模型的ROC图
与构建模型的深度学习特征相关的基因的生物进程
达州市中心医院曾凡新研究员、四川大学章毅教授、达州市中心医院普外科张军主任为该论文的共同通讯作者。达州市中心医院临床医学研究中心赵娇娇、四川大学智能医学实验室王晗、达州市中心医院肿瘤科张银、达州市中心医院王睿为该论文的共同第一作者。本项工作获得了国家自然科学基金（81902861），四川省医学会（Q20073）等基金的大力支持。
|
|
|
