放射组学、深度学习、转录组学与代谢组学的整合揭示结直肠癌的预后风险分层及其潜在生物学机制

这项研究对患者及其家庭的重要性

结直肠癌是全球最常见且致死率较高的癌症之一，但临床上仍难以准确预测哪些患者术后预后良好、哪些患者面临更高的死亡风险。本研究表明，常规医学影像在结合先进的计算分析和分子检测后，能够将患者划分为明确的风险组并揭示肿瘤内部的隐藏生物学特征。未来，这类方法有望用于个体化治疗与随访，使高风险患者获得更密切的监测和更强的治疗手段，而低风险患者则可避免不必要的副作用。

无需手术即可洞察肿瘤内部

研究者聚焦于常用于评估结直肠癌的增强CT扫描。他们没有依赖肉眼可见特征，而是利用放射组学与深度学习从影像中提取近2000个微小的定量特征，捕捉反映肿瘤异质性的形态与纹理的细微模式。随后他们系统地测试了117种由十种机器学习算法组合而成的方案，以找到将这些影像特征与患者生存时间最可靠地关联起来的方法。最终获胜的模型将Lasso与梯度提升两种技术结合，基于术前CT影像为每位患者生成了一个单一的风险评分。

区分低风险与高风险患者

研究团队使用来自四家医院的1183例患者的CT影像训练并严格验证了其深度学习放射组学模型。他们在影像风险评分中确定了一个阈值，将患者分为低风险组与高风险组。在训练集、内部验证集以及两个独立医院的外部验证中，高风险组患者的生存时间始终显著短于低风险组。该模型在多个人群子组中均能区分预后，包括年轻与年长患者、男女、不同肿瘤分期以及是否接受化疗等情况。当研究者将基于影像的评分与两项常规临床指标——血清CEA水平和淋巴结分期——结合入一个称为列线图的简易图形工具时，对三年和五年生存率的预测变得更为准确且具有临床实用性。

为什么有的肿瘤更具危险性？

为了超越纯粹的预测并理解某些肿瘤为何更具侵袭性，研究团队将基于影像的风险分组与肿瘤的分子改变联系起来。在一部分患者中，他们使用核磁共振波谱分析肿瘤组织中的小分子，并将肿瘤组织与邻近正常组织进行比较。结果显示，高风险与低风险肿瘤具有不同的代谢指纹，涉及氨基酸代谢与短链脂肪酸代谢等通路。同时，他们还分析了来自公共影像数据库的肿瘤基因表达数据。高风险肿瘤在与细胞外基质相关的通路上信号强烈——细胞外基质是细胞周围的支持性支架，已知能帮助癌细胞扩散并抵抗治疗。相比之下，低风险肿瘤富集免疫相关通路，且具有更多的杀瘤性CD8 T细胞，显示出更积极的抗肿瘤免疫环境。

与更好生存相关的保护性代谢通路

引人注意的是，代谢物数据与基因表达数据均指向相同的两条代谢通路——丁酸代谢与氮代谢——在低风险肿瘤中更为活跃。这些通路与肠道细菌的代谢产物以及细胞处理氮的方式相关，进而影响能量平衡与免疫功能。研究者在来自癌症基因组图谱（TCGA）的417例独立结直肠癌患者的大型数据集中验证时发现，这两条通路活性较低明显与较差的总生存相关。这提示维持这些代谢过程可能有助于抑制肿瘤生长或支持更强的免疫反应，并可能在未来作为生物标志物或治疗靶点进行探索。

对未来癌症护理的意义

简而言之，本研究表明将智能影像分析与分子谱分析相结合，既能提升预后工具的准确性，又能揭示结直肠肿瘤内部发生的生物过程。基于常规CT影像得出的风险评分，尤其是在与常规临床指标联合使用时，有望帮助医生识别出术后需要更强化治疗或更密切随访的患者。同时，某些免疫模式和代谢通路与更好结局的关联提示了支持机体防御和设计靶向疗法的新途径。尽管仍需更大规模、前瞻性的研究来确认这些发现，但这一整合性方法代表了通向更个体化、基于生物学的结直肠癌护理的重要一步。

引用: Li, Z., Cai, R., Qin, Y. et al. Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer. npj Precis. Onc. 10, 155 (2026). https://doi.org/10.1038/s41698-026-01331-2

关键词: 结直肠癌, 放射组学, 深度学习, 肿瘤代谢, 免疫微环境