新成像技术携手AI助力直肠癌风险管理实现“质的飞跃”

编者按：在全球范围内，结直肠癌是影响患者生活质量的常见癌症。其经典的治疗方案为术前放疗、手术及术后化疗，随着“等待-观察”策略的深入，结直肠癌患者迎来了新的治疗选择。然而，如何高效精准选择出适宜“等待-观察”治疗的患者，仍有挑战。好在，华盛顿大学的一个多学科团队开发了一种新的成像技术——AR-PAM成像，能够区分化疗或放疗后直肠组织中是否仍有残留癌。该成像技术与人工智能神经网络相结合将帮助更多“适宜”的患者免于手术。

麦凯威工程学院生物医学工程Quing Zhu教授及其团队利用与超声（US）、新成像技术——声学分辨率的光声显微镜（AR-PAM）与“深度学习”的人工智能神经网络相结合，开发出新的模型系统。与MRI等传统影像学相比，AR-PAM技术能够更好地明确经放疗/化疗后直肠组织中是否残存残留癌，尤其是瘢痕组织中的残留癌。该研究首次探究AR-PAM成像在经放疗/化疗的直肠癌患者中应用的可行性，其研究结果于3月23日发表于Radiology杂志。

研究摘要

背景：传统放射影像学在经放疗/化疗后的结直肠癌患者中应用存在一定的局限性，往往无法区分治疗瘢痕中的残余癌。

目的：报告新成像技术——声学分辨率的光声显微镜（PAM）、超声（US）系统，与卷积神经网络（CNN）相结合的模型研制。初步探索PAM-CNN、US-CNN模型在直肠癌患者中评估治疗反应的可行性。

方法：此项前瞻性研究为期1年，受试者于2019年9月~2020年9月接受放疗、化疗。研究者于受试者术前通过PAM/US系统获取图像，并分析切除的结直肠标本。PAM/US系统由一个直肠内成像探头、1064nm激光和一个US环传感器组成。经过体外标准和体内数据不断分析验证，PAM-CNN、US CNN模型能够区分正常组织和癌组织。其后，通过未经过处理的标本和成像数据验证PAM-CNN、US-CNN模型的可行性。

结果：22例受试者体外标本、5例受试者体内图像（共2693个US感兴趣区[ROIs]、2208个PA-ROIs）用于CNN分析和验证，另5例受试者的数据用于验证。共计纳入32例受试者（平均年龄60[35~89]岁）。研究者发现肿瘤完全应答的PAM独特影像学特征，尤其是肿瘤床内恢复的正常粘膜下血管结构。PAM-CNN模型捕捉到这一恢复过程，并准确区分了这些变化与残留肿瘤。PAM-CNN模型能很好地区分肿瘤与正常组织，其ROC曲线下面积为0.98（95%CI：0.98~0.99）。相比之下，US-CNN模型ROC曲线下面积仅为0.71（95%CI：0.70~0.73）。

结论：PAM/US系统与卷积神经网络模型相结合在直肠癌治疗反应评估中显示出较高的诊断性能，并显示出优化直肠癌治疗后管理效果的潜力。

研究总结

自2017年开始，Xiandong Leng博士一直在从事这个项目，在系统和软件开发方面发挥了重要作用。他设计并构建了AR/PAM内窥镜，并对系统进行了编程，实现了实时采集数据、处理和显示图像。该AR/PAM内窥镜可实现360度旋转，全方位获得直肠图像，其探头末端被一个小的乳胶气球覆盖，里面充有水，可以将超声波和光声波传输到直肠壁，每秒拍摄一张图像。AR/PAM影像学检查延长了患者的麻醉时间，约20分钟。

此项研究是在圣路易斯巴恩斯犹太医院对接受治疗的直肠癌患者进行了为期一年的前瞻性研究。长达3年多的时间里，研究小组基于手术切除的结直肠标本研发这项技术，不断分析和验证中形成了PAM-CNN和US-CNN系统，并在初步验证中取得了可喜的结果。

第一阶段中，研究小组利用22例患者2000多张图像中手术切除的组织标本的数据，采用人工智能的算法分析构建卷积神经网络模型，用于识别正常和癌变的结直肠组织。第二阶段中，研究者采用10例曾接受过化疗/放疗的患者的活体组织图像，其中5例患者的数百张图像用于微调卷积神经网络模型，另5例患者的数百张图像则用于测试该系统的可行性。

研究意义

Quing Zhu教授评论，“PAM/US系统与深度学习神经网络相结合，在更好地识别适合非手术治疗的患者和提高患者生活质量方面具有巨大潜力。若我们能在放疗和化疗后分辨出哪些患者反应良好，无残留癌，患者就可以避免手术。”

结肠和直肠手术领域Matthew Mutch博士表示：“这是一个惊人的消息，表明我们从理念、理论逐步走向临床实践。希望它能帮助我们高效精准区分对化疗和放疗完全应答的患者和仍有肿瘤残留的患者。这将有助于更好地明确哪些患者可以接受非手术治疗，哪些患者真正需要手术治疗。”

研究者之一Xiandong Leng博士表示，“从初步的离体数据来看，这套装置清楚地显示了超声图像中的多层结构和正常大肠组织粘膜下层丰富的血管，与正常组织相比，恶性肿瘤床缺乏多层结构及血管。这一重要发现揭示了评估患者对化疗和放疗的治疗反应的一个重要特征。”

我们希望AR/PAM提供的改进成像将显著提高区分残留肿瘤患者和未经手术完全应答的患者的能力。光声成像既避免病态、不必要的手术，又减少了检测的负担，在目前的局部侵袭性直肠癌治疗中，可能是一个飞跃。未来，该研究团队计划开展一项临床研究，扩大范围以验证该技术在接受化疗和放疗的直肠癌患者中的可行性，以证实这些初步结果。

参考文献：

Xiandong Leng et al, Assessing Rectal Cancer Treatment Response Using Coregistered Endorectal Photoacoustic and US Imaging Paired with Deep Learning,?Radiology?(2021).?DOI: 10.1148/radiol.2021202208