早期結(jié)直腸癌內(nèi)鏡切除后是否行追加手術(shù)切除是根據(jù)現(xiàn)行指南確定的。而接受追加治療病例的淋巴結(jié)轉(zhuǎn)移(LMN)率并不高，預(yù)測LMN很難。日本昭和大學(xué)橫濱北方醫(yī)院消化內(nèi)科中心神山勇太教授開發(fā)了預(yù)測T1期結(jié)直腸癌LMN的人工智能(AI)模型，并在第100屆結(jié)直腸癌研究會議(1月25~26日)上展示了準確性驗證的結(jié)果。“所開發(fā)的人工智能模型的預(yù)測能力明顯高于當前指南，并且有可能減少35%的過度手術(shù)。”

現(xiàn)行治療指南并未對LMN風險進行充分分級

多數(shù)T1期結(jié)直腸癌均需進行內(nèi)鏡切除術(shù)。根據(jù)現(xiàn)行《結(jié)直腸癌治療指南》，內(nèi)鏡下切除T1期結(jié)直腸癌后是否追加進行淋巴結(jié)清除術(shù)和腸切除，根據(jù)是否存在LMN危險因素來確定。

然而在追加切除術(shù)中，大約90%的病例LMN陰性，存在過度手術(shù)的可能性。目前內(nèi)鏡切除后基于病理診斷的LMN風險分級還不夠充分。

為了解決這個問題，人們嘗試使用AI和列線圖對T1期結(jié)直腸癌的LMN風險進行分級。然而，這些方法都使用病理風險因素作為指標，而且病理學(xué)家之間的一致性不高，卡帕系數(shù)低于0.6。

使用近400個病例評估準確性

神山勇太教授和他的同事們專注于利用AI模型進行病理圖像的研究。他們使用多實例學(xué)習(MIL)方法開發(fā)了一種AI模型，該模型可使用全幻燈片圖像(WSI)預(yù)測T1期結(jié)直腸癌的LMN，并通過與當前指南進行比較來驗證其有效性。

該模型使用了2001年4月~2021年10月期間在昭和大學(xué)橫濱北方醫(yī)院接受T1期結(jié)直腸癌切除術(shù)的1,056名患者的數(shù)據(jù)。僅采用內(nèi)窺鏡治療的病例被排除在外。使用截至2018年10月的270個隨機選擇的手術(shù)病例作為學(xué)習病例，以及從2018年11月起的連續(xù)100個手術(shù)病例作為測試病例來評估預(yù)測準確性。

測試病例背景為初次內(nèi)鏡切除病例41例，LMN陽性15例。檢測病例中LMN陽性率為15%。

未來將開展多中心聯(lián)合研究

當前指南的受試者工作特征(ROC)曲線下面積(AUC)為0.524(95% CI 0.50至0.55)，而開發(fā)的AI模型的預(yù)測精度明顯更高，為0.721(95% CI 0.63至0.81)(P=0.001，圖)。

▲圖 ROC曲線下面積(AUC)

此外，與當前指南相比，當靈敏度為100%時，AI模型有可能將假陽性或過度手術(shù)減少35%。

基于上述內(nèi)容，神山勇太教授總結(jié)道：“使用WSI構(gòu)建的結(jié)直癌腸T1期LMN預(yù)測AI模型對于確定是否適合進行追加手術(shù)非常有用。” 不過，他也提出了這項研究的三個局限性：(1)它是一項單中心回顧性研究，(2)病理切片的狀況通常因設(shè)施而異，(3)病理切片可能沒有捕捉到最深部分。“我們打算在未來開展一項多中心合作研究。”