近日， 南方醫(yī)科大學(xué)附屬 廣 東省人民醫(yī)院放射科、廣東省醫(yī)學(xué)影像智能分析與應(yīng)用重點(diǎn)實(shí)驗(yàn)室（ MediaLab ）劉再毅教授科研團(tuán)隊(duì)在腫瘤學(xué)領(lǐng)域期刊Annals of Oncology發(fā)表了題為：的Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision研究成果，開發(fā)了基于深度學(xué)習(xí)CT分類器和病理標(biāo)志物的II期結(jié)直腸癌智能風(fēng)險(xiǎn)分層系統(tǒng)（ IRIS-CRC ），為II期結(jié)直腸癌提供了可引導(dǎo)臨床決策的風(fēng)險(xiǎn)精準(zhǔn)評(píng)估工具。該研究突破了傳統(tǒng)醫(yī)學(xué)影像 智能分析研究 僅停留在“ 個(gè)體化預(yù)后預(yù)測(cè)” 的局限，進(jìn)一步探索“ 智能模型 如何引導(dǎo)治療決策” 這 一臨床 核心問題，在實(shí)現(xiàn)精準(zhǔn)預(yù)后評(píng)估的基礎(chǔ)上 提供層級(jí)化決策 支持 ，開創(chuàng)了醫(yī)學(xué)影像 AI 從“ 預(yù)測(cè) 導(dǎo)向” 向“ 決策 導(dǎo)向” 轉(zhuǎn)變的新范式。

II 期結(jié)直腸癌患者是否需要接受輔助化療一直是臨床決策的難點(diǎn)。傳統(tǒng)風(fēng)險(xiǎn)分層方法準(zhǔn)確性有限 ，仍有 大量低風(fēng)險(xiǎn)患者面臨過度治療，而部分高風(fēng)險(xiǎn)患者卻治療不足。當(dāng)前醫(yī)學(xué)影像 AI 研究多聚焦于“ 預(yù)后預(yù)測(cè)準(zhǔn)確性” 的提升，但臨床醫(yī)生真正需要的是“ 治療決策指導(dǎo)” 。單純的預(yù)后評(píng)分難以直接轉(zhuǎn)化為臨床行動(dòng)方案，存在從“ AI 預(yù)測(cè)” 到“ 臨床決策” 的轉(zhuǎn)化鴻溝。本研究旨在跨越這一鴻溝，構(gòu)建可直接指導(dǎo) II 期結(jié)直腸癌 臨床治療選擇的智能決策支持系統(tǒng)。

創(chuàng)新范式： 影像 智能建模 → 預(yù)后風(fēng)險(xiǎn)評(píng)分 → 臨床決策分層 → 決策重構(gòu) 效益驗(yàn)證 。

多中心隊(duì)列構(gòu)建： 納入來自 12 個(gè)醫(yī)療中心的 2,992 例 II 期結(jié)直腸癌患者， 其中 外部驗(yàn)證集 1,405 例（ 8 個(gè)獨(dú)立中心）。

STAR-CRC 深度學(xué)習(xí)分類器 創(chuàng)新 ： 基于 Swin Transformer 架構(gòu)開發(fā)多平面深度學(xué)習(xí)網(wǎng)絡(luò) 。首先 通過 2.5D 學(xué)習(xí)策略 全面利用 軸位、冠狀位、矢狀位 CT 圖像 構(gòu)建基礎(chǔ)模型； 進(jìn)一步針對(duì)性學(xué)習(xí)各位面圖像細(xì)節(jié)信息進(jìn)行模型微調(diào)。該方式 模 擬放射科醫(yī)師多視角閱片習(xí)慣 ，易于臨床理解，且信息利用全面。

IRIS-CRC 決策導(dǎo)向設(shè)計(jì)： 階段一 ： STAR-CRC 將患者初步分為低風(fēng)險(xiǎn)、不確定風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)三組 ； 階段二 ： 針對(duì)不確定風(fēng)險(xiǎn)組，應(yīng)用病理復(fù)合評(píng)分進(jìn)行精細(xì)化分層 ； 階段三： 將風(fēng)險(xiǎn)分層 映射到 治療決策建議 ，對(duì)比現(xiàn)有決策分層指南進(jìn)行決策重構(gòu)分析 。

圖 1 . STAR-CRC 模 擬放射科醫(yī)師多視角閱片習(xí)慣 全面利用多位面圖像

圖 2 . IRIS-CRC 將 預(yù)后層級(jí)化，利于 將風(fēng)險(xiǎn)分層 直接映射到 治療決策 建議

預(yù)后層級(jí)化 能 力： IRIS-CRC 成功將患者分為四個(gè) 預(yù)后層級(jí)化 亞組： 極好 預(yù)后 組（ 3 年 DFS≥95% ） 、 良好 預(yù)后組（ 3 年 DFS 95-75% ） 、 較差 預(yù)后組（ 3 年 DFS 75-55% ） ，和 極差 預(yù)后組（ 3 年 DFS≤55% ） 。

臨床決策重構(gòu)： 相比 基于 傳統(tǒng)指南 指標(biāo)的 分層（ GRSS-CRC ）， IRIS-CRC 實(shí)現(xiàn)了 27.1% 高風(fēng)險(xiǎn)患者向預(yù)后 極 好組的重分類（避免過度治療），同時(shí)識(shí)別出 6.5% 原低風(fēng)險(xiǎn)患者為預(yù)后極差組（提示強(qiáng)化治療）， 可潛在 改變 至少 33.6% 患者的治療決策。

跨治療隊(duì)列驗(yàn)證： IRIS-CRC 在化療和非化療患者隊(duì)列中均保持穩(wěn)定的分層性能，驗(yàn)證了其作為治療決策工具的可靠性。

決策支持系統(tǒng)開發(fā)： 構(gòu)建了用戶友好的臨床應(yīng)用平臺(tái)， 提供 從影像輸入到 決策分層 輸出的一站式服務(wù)，真正實(shí)現(xiàn)了 AI 研究成果的臨床落地。系統(tǒng)整合了放射科、病理科的專業(yè)知識(shí)，為多學(xué)科協(xié)作提供了統(tǒng)一的決策依據(jù)。

圖 3 . IRIS-CRC 可潛在 改變 外部驗(yàn)證組中 至少 33.6% 患者的治療 決策

IRIS-CRC 系統(tǒng)開創(chuàng)了醫(yī)學(xué)影像 AI 從“ 預(yù)測(cè)導(dǎo)向” 向“ 決策導(dǎo)向” 轉(zhuǎn)變的新范式，不僅實(shí)現(xiàn)了 II 期結(jié)直腸癌風(fēng)險(xiǎn)分層 輔助治療決策 的重大突破，更重要的是為影像智能分析驅(qū)動(dòng)的腫瘤精準(zhǔn)診療研究提供了可復(fù)制的范式模板。這一范式轉(zhuǎn)變的核心價(jià)值在于 ： 讓 AI 不再是 “ 預(yù)測(cè)工具” ，而成為“ 決策伙伴” 。未來，這一范式有望推廣至其他腫瘤類型，推動(dòng)整個(gè)醫(yī)學(xué) 圖像 AI 領(lǐng)域向更具臨床價(jià)值的方向發(fā)展。

南方醫(yī)科大學(xué)附屬 廣東省人民醫(yī)院放射科，黃燕琪，陳 小波以及山西省腫瘤醫(yī)院放射科崔艷 芬為第一作者南方醫(yī)科大學(xué)附屬 廣東省人民醫(yī)院放射科劉再毅是本文的通訊作者。

原文鏈接：https://www.annalsofoncology.org/article/S0923-7534(25)00766-5/fulltext

制版人：十一

BioArt

Med

Plants

人才招聘

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。