Прогнозирование метастазов колоректального рака в печень с помощью радиомической модели на МРТ

Почему это исследование важно

Колоректальный рак — одна из ведущих причин смертности в мире, главным образом потому, что опухоль часто распространяется в печень до или после первичной операции. Раннее обнаружение этого распространения может существенно изменить прогноз пациента, но нынешние сканирования и анализы крови далеки от идеала. В этом исследовании изучается, могут ли компьютеры «читать между пикселями» рутинных МРТ-изображений первичной опухоли кишечника и прогнозировать, какие пациенты с высокой вероятностью разовьют метастазы в печень задолго до того, как они станут видимыми.

Видеть больше, чем на первый взгляд

Стандартную медицинскую визуализацию обычно интерпретирует человеческий глаз, который хорошо обнаруживает очевидные образования, но хуже улавливает тонкие закономерности. Радиомика — новый подход, который рассматривает каждое сканирование как источник измеримых данных. Превращая оттенки серого, формы и текстуры в сотни числовых признаков, радиомика позволяет компьютерам выявлять закономерности, связанные с агрессивностью опухоли. В этой работе исследователи сосредоточились на двух распространённых МРТ-последовательностях при колоректальном раке: T2-взвешенных изображениях, показывающих анатомию и жидкости, и диффузионно-взвешенных изображениях, фиксирующих движение воды в тканях и чувствительных к плотности опухолевых клеток.

Как проводилось исследование

Команда проанализировала данные 194 пациентов с патологоанатомически подтверждённым колоректальным раком из двух больниц. Все пациенты прошли МРТ до начала лечения и наблюдались не менее года, чтобы установить, у кого развились метастазы в печень. С помощью специализированного программного обеспечения радиологи тщательно очерчивали каждую первичную опухоль на T2-взвешенных и диффузионно-взвешенных изображениях покадрово, избегая газа, кист и окружающего жира. Из этих областей компьютер извлек 352 радиомических признака, описывающих форму опухоли и её внутреннюю текстуру. Затем были применены статистические методы для проверки надёжности измерений между разными наблюдателями и сканерами, отсева избыточной информации и сокращения списка до наиболее информативных признаков.

Построение и тестирование предсказательных моделей

Опираясь на отобранные признаки, исследователи создали несколько моделей прогнозирования. Одна использовала только простую клиническую информацию, такую как возраст и опухолевые маркеры в крови; другие опирались отдельно на радиомику с T2-взвешенных или диффузионно-взвешенных изображений. Комбинированная радиомическая модель объединила признаки из обеих МРТ-последовательностей, а итоговая «union»-модель сочетала эти визуальные признаки с клиническими факторами риска. Команды обучали модели на более крупной группе пациентов из одной больницы и затем тестировали их на независимой выборке из второй больницы, оценивая, насколько точно каждая модель отличает пациентов, у которых развились метастазы в печень, от тех, у кого этого не произошло.

Что показали модели

Лучше всего показала себя комбинированная модель, объединяющая данные изображений и клинические факторы. Как в тренировочной, так и в валидационной группах она превосходила модели, основанные только на клинических данных или на одной МРТ-последовательности. Её способность разделять пациентов на группы высокого и низкого риска, измеряемая площадью под кривой ROC, находилась в верхней границе «хорошего» уровня. Особенно важными оказались признаки, отражающие текстуру и форму опухоли: более неправильные, гетерогенные опухоли чаще ассоциировались с последующим распространением в печень. Кровяной маркер карциноэмбриональный антиген (CEA) выявился как независимый клинический фактор риска и ещё больше повысил точность модели при интеграции с радиомическими признаками.

Открывая «чёрный ящик»

Чтобы сделать эту сложную модель более прозрачной, авторы применили метод, известный как SHAP, который присваивает каждому признаку вклад в индивидуальное предсказание. Этот анализ показал, что один из текстурных признаков на диффузионно-взвешенных изображениях оказывал наибольшее влияние на то, считала ли модель пациента высоким риском. Подсвечивая, какие паттерны на изображениях важны, такие инструменты интерпретируемости могут повысить доверие клиницистов к использованию предсказаний на основе искусственного интеллекта в реальных клинических решениях.

Что это означает для пациентов

Исследование показывает, что рутинные МРТ-сканы первичной колоректальной опухоли содержат скрытые подсказки о том, склонны ли раковые клетки засевать печень. Сочетая эти тонкие сигнатуры изображений со стандартными анализами крови, радиомическая модель могла бы помочь врачам раньше выделять пациентов высокого риска, корректировать графики наблюдения и выбирать более интенсивные или целевые методы лечения при необходимости. Хотя требуются более крупные проспективные исследования, прежде чем подход можно будет широко внедрять, это направление указывает на будущее, в котором компьютеры помогают извлекать дополнительную прогностическую информацию из уже выполняемых снимков, не подвергая пациентов дополнительным процедурам.

Цитирование: Wu, YK., Wang, X., Du, PZ. et al. Prediction of colorectal cancer liver metastasis through an MRI radiomic model. Sci Rep 16, 11148 (2026). https://doi.org/10.1038/s41598-026-40970-0

Ключевые слова: колоректальный рак, метастазы в печень, радиомика МРТ, прогнозирование рака, медицинская визуализация