0 引言

       在中国，结直肠癌是第二大常见的恶性肿瘤，2022年，中国结直肠癌新发病例数约为59.2万，死亡病例约为30.9万^[1]，故提升结直肠癌早诊断早治疗技术尤为重要。结直肠癌的进展机制涉及肿瘤细胞基因突变（如微卫星不稳定状态）、免疫逃逸和肿瘤微环境改变等。其中，高度微卫星不稳定（high microsatellite instability, MSI-H）状态的结直肠癌具有一系列特定的生物学行为，包括免疫细胞浸润强、淋巴结转移较少以及血管生成较多等^{[2, 3]}。根据MSI-H状态结直肠癌的生物学特性，临床可以采用新辅助免疫治疗、新辅助放化疗及靶向治疗等组合方式来进行关键的诊治。然而，由于微卫星不稳定性（microsatellite instability, MSI）肿瘤存在较高的时间和空间异质性，传统的组织学检测方法具有样本选取主观性和有创性的缺点，MSI状态检测技术在一定程度上受限于高水平医疗机构的开展，且MSI状态通常为术后获得。因此，寻求一种全面且无创的术前预测MSI-H状态的方法对临床诊治至关重要。近年来，计算机断层成像（computed tomography, CT）和MRI技术已广泛用于结直肠癌患者的常规检测，基于这些技术的影像组学方法也逐渐应用于评估结直肠癌脉管浸润^[4]、淋巴结转移^[5]、基因预测^{[6, 7]}、新辅助治疗疗效^{[8, 9]}和结直肠癌早期复发预测^[10]等方面。通过对全容积直肠癌影像组学特征提取和多参数、多影像指标共同表征可以提高对肿瘤异质性的综合评判，临床操作性和适用性更广。本文汇总了CT和MRI影像学技术和影像组学在结直肠癌MSI-H状态预测方面的相关文献，以了解不同影像学技术和影像组学方法对结直肠癌MSI-H预测的效能和前景，以便为临床检测MSI提供新的无创手段，为结直肠癌患者的精准治疗、疗效监测和预后评估提供理论支撑。

1 MSI状态的概念、检测方法及临床意义

1.1 MSI状态定义和检测方法

       MSI状态是由于DNA错配修复基因缺陷导致微卫星序列出现不可逆转的编码错误，进而导致微卫星序列异常蓄积，微卫星序列长度或碱基组成改变，细胞基因组稳定性降低，引导正常细胞向异型细胞的逐渐转变^[11]。目前，MSI状态的检测手段主要包括免疫组化检测错配修复（mismatch repair, MMR）蛋白、聚合酶链反应（polymerase chain reaction, PCR）测微卫星基因位点和基于二代测序平台算法等。PCR技术通常将微卫星状态分为3种类型：超过2个位点不稳定称为MSI-H；只有1个位点不稳定称为低度MSI（MSI-low, MSI-L）；五个位点均未改变称为稳定微卫星（microsatellite stability, MSS）。此外，在众多关于MSI的研究中，也常采用免疫组化检测4种MMR蛋白（MLH1、MSH2、MSH6和PMS2）的方法进行分类，将4种蛋白表达结果存在缺失情况统称为错配修复缺陷（mismatch repair deficient, dMMR），被认为是MSI-H，4种蛋白表达完好统称为（mismatch repair proficient, pMMR），被认为是MSI-L/MSS。由于二代测序方法取样难度较高，样本中肿瘤占比要求≥10%，且价格昂贵，结果解读尚缺乏统一标准，目前没有大量推广。免疫组化通过采取形态学评价，所需的组织量少，同时由于其成本小，经济实惠，灵敏度高，在实践中广泛普及。PCR技术具有较高的敏感度、特异度、稳定性和可重复性，但价格相对昂贵，样本中肿瘤占比要求较高。

1.2 MSI检测的临床意义

       美国国家综合癌症网络指南^[12]和中国临床肿瘤学会结直肠癌诊疗指南^[13]建议对所有结肠癌患者进行通用MMR或MSI检测。因此，在结直肠癌中MSI状态的测定有以下意义：（1）可用于林奇综合征患者的筛查^{[14, 15]}；（2）预测Ⅱ期结直肠癌患者的预后和辅助化疗疗效^{[12, 16]}；（3）用于评估免疫治疗疗效^[17]和确定新辅助治疗免疫检测点抑制剂病理完全缓解的生物标志物^[18]。

2 影像组学概念及基本流程

       影像组学是近年来工学和医学相结合而发展起来利用高通量影像特征进行深入分析的新技术，从图像感兴趣区域（region of interest, ROI）中定量提取病灶特征，结合临床资料、基因组学或免疫组学等数据，对疾病进行定量预测、诊断、鉴别以及疗效评估。因此，影像组学常被认为是计算机辅助诊断的延伸，应用前景广阔，在识别高危结直肠癌患者中发挥着关键作用^[19]。其基本流程可概括为以下4个部分：（1）高质量影像数据的采集；（2）肿瘤ROI的分割；（3）特征的提取和筛选；（4）模型构建及性能预测。

3 CT和MRI及影像组学在定量预测结直肠癌MSI-H状态中的应用

3.1 CT影像学方法

       美国国家综合癌症网络指南推荐CT作为结直肠癌检查的首选影像学方法^[12]。近年来，基于CT影像学方法在预测结直肠癌MSI方面取得较快进展。WU等^[20]在研究能谱CT图像预测结直肠癌MSI-H的价值中发现，动脉期标准化碘密度区分MSI-H和MSI-L/MSS状态具有很好性能（AUC=0.803；敏感度=72.4%；特异度=76.3%），这可能与MSI-H状态中结直肠癌微血管密度较多有关^[21]。同时，联合能谱CT参数可显著提升MSI-H和MSI-L/MSS状态的鉴别能力（AUC=0.886）。王慧慧等^[22]研究结果显示，肿瘤内低密度占比和肿瘤位置是CRC患者MSI-H状态的两个独立预测因子（左半结肠或直肠组对比右半结肠在训练组中P=0.005，在验证组中P=0.020；低密度占比>2/3组对比低密度占比<1/3组在训练组中P<0.001，在验证组中P=0.005），将肿瘤位置和低密度占比相结合构建的MSI预测模型潜力更大。此外，利用能谱CT动脉期和静脉期碘（水）图纹理分析的研究^[23]结果显示，动脉期以平均值13.37 pg/cm³为阈值和静脉期以最小值2.50 pg/cm³为阈值预测MSI-H状态的效能最好（AUC分别0.75和0.82），而多参数联合预测MSI-H状态效能潜力更大（AUC为0.83）。CHEN等^[24]研究证实了肿瘤位置、肿瘤内低衰减比、CT上直径长≥8 mm的淋巴结数量、癌胚抗原状态和淋巴结转移是dMMR的独立预测因素，并发现增强CT上肿大淋巴结可能是反应增生引起，故准确评估肿瘤引流淋巴结尤为重要。

       从上述研究可以看出，基于不同期相或多功能CT图像能有效预测结直肠癌MSI-H状态，且结合多个影像或临床指标后，联合模型性能更优。CT对比增强扫描通过分析MSI-H结直肠癌中血供情况、肿瘤位置和肿瘤不同生物学行为方面为MSI-H结直肠癌提供了准确的预测方法，但由于MSI-H结直肠癌患者发病率较低，目前基于结直肠癌预测MSI-H状态多为小样本研究。此外，CT软组织分辨率不及MRI，因而在早期识别结直肠癌MSI-H方面尤为困难。在未来通过增大样本量，改进MSI评估的方法，采用光谱CT多参数联合应用可能会增加预测准确性。

3.2 CT影像组学方法

       近些年来，随着人工智能和机器学习的不断发展和优化，影像组学在肿瘤研究领域持续火热。CAO等^[25]研究发现，延迟期影像组学模型预测结直肠癌 MSI性能最高，这可能与肿瘤间质间隙和血管间隙造影剂含量滞留有关。由于结直肠癌MSI状态肿瘤可以表现出实性、黏液、腺体等病理改变，组学特征又能反映其微观变化。MA等^[26]采用从肿瘤最大区域边缘分别缩小1 mm、2 mm和3 mm的方法进行ROI的勾画和影像组学特征提取，发现基于肿瘤最大区域缩小3 mm的ROI模型可以无创地反映肿瘤内的异质性和遗传不稳定性。这与发现肿瘤中心较肿瘤周边的癌细胞更容易发生扩散和转移结论的ZHAO等^[27]学者观点一致。随着影像组学、临床、病理等特征的联合研究进展，多位学者建立的临床因素-CT影像组学联合模型^{[28, 29, 30]}，浙江省人民医院团队^[31]建立的临床病理特征-影像组学联合模型，大连医科大学第一附属医院与GE（上海）公司^[32]合作建立的基于碘-物质分解图像的双能CT影像组学联合模型，都突显出CT图像的某些重要参数或临床因素-影像组学联合模型在预测结直肠癌MSI 状态方面特殊性能。此外，PEI等^[7]研究显示，添加临床因素和影像组学特征构建的列线图能很好的区分MSI-H和MSI-L/MSS，但发现添加了病理特征的列线图临床效用反而降低，表明未添加病理的列线图具有独立的预测性能和临床应用。当前，机器学习和深度学习也逐步应用于结直肠癌MSI-H的研究当中，CHEN等^[33]应用遗传算法增强人工神经网络的CT影像组学特征无创预测结直肠癌MSI-H状态。结果显示，利用遗传算法增强人工神经网络建立的CT影像组学特征对结直肠癌MSI-H状态预测性能（训练集、内部和外部验证集AUC分别为0.792、0.788和0.775）与联合模型性能（训练集、内部和外部验证集AUC分别为0.806、0.777和0.767）相当，但优于临床模型（训练集、内部和外部验证集AUC分别为0.747、0.768和0.623），且特征的预后分析能成功地对Ⅱ期结直肠癌患者进行分层（HR=0.402，P=0.02）。WANG等^[34]运用增强CT影像组学随机森林模型方法对12例MSI-H和96例MSS结直肠癌肝转移患者进行评估，发现随机森林模型在训练集和内部验证集的AUC分别为0.88和0.75，F1评分分别为0.88和0.78，该模型能有效的识别MSI-H患者。

       综合分析可以看出，影像组学通过捕获肿瘤微观特征数据，从而达到对肿瘤生物学行为和基因的良好预测。结合临床病理信息的联合模型能更全面和个体化地进行预测，且模型效能比单独影像组学模型更优。目前CT影像组学研究主要针对结直肠癌本身，而对瘤周微环境预测结直肠癌MSI-H状态的研究鲜有报道，有待后续研究进一步探索瘤周微环境的预测潜力。

3.3 MRI影像学方法

       MRI具有软组织分辨率高的优势，在诸多影像检查设备中，MRI逐渐成为术前肿瘤评估^[35]及MSI基因预测的有效方法^[36]。

3.3.1 扩散峰度加权成像

       扩散峰度加权成像（diffusion kurtosis imaging, DKI）利用生物组织内水分子扩散运动呈非高斯分布的特点进行成像，通过测量平均峰度（mean kurtosis, MK）、轴向峰度（axial kurtosis, Ka）、径向峰度（radial kurtosis, Kr）、平均扩散速率（mean diffusion, MD）、轴向扩散速率（axial diffusion, Da）、径向扩散速率（radial diffusion, Dr）和各向异性分数（fractional anisotropy, FA)等参数来反映组织微环境的差异，进而可作为预测结直肠癌生物学行为的成像生物标志物^[37]。由于MSI状态分型通常依靠MMR中MLH1、MSH2、MSH6和PMS2基因表达而确立，FENG等^[36]采用DKI方法前瞻性研究80例直肠癌患者，在测量MMR阳性表达及HER2表达的MK和MD中发现，MK与MMR表达的相关性高于MD，且在区分高、低级别MMR阳性表达和HER2表达方面也表现出更好的性能。此外，还有学者^[38]研究发现，MSI和Da、Dr之间呈弱正相关（相关系数分别为0.258和0.346），与Ka、MK呈弱负相关（相关系数分别为-0.276和-0.260），DKI参数Da、Dr、Ka、MK对MSI状态具有较高的诊断价值（AUC分别为0.759，0.847，0.777和0.758）。这两项研究是基于DKI不同参数与MMR蛋白表达之间相关性研究，可以间接反映出DKI与MSI状态间具有较好的关联性。然而，对MSI-H预测准确性和效能评价仍有待进一步研究。此外，目前基于DKI技术预测MSI状态的研究极少，未来可能会成为值得关注的研究热点。

3.3.2 体素内非相干运动加权成像

       病变组织内水分子扩散及微循环灌注信息可通过体素内非相干运动（intravoxel incoherent motion, IVIM）多b值拟合获得，IVIM成像主要通过真性扩散系数（D）、伪扩散系数（D^*）和f值等参数客观反映病变组织微观结构和功能。此外，IVIM作为一种同时可以获取组织水分子扩散和灌注信息的弥散加权成像新技术，可通过生物组织特性，在无造影剂情况下获取相应的微观信息，相比于传统弥散加权成像，此技术获取的信息更加全面和准确^[39]。YAN等^[40]的前瞻性研究结果表明，MMR蛋白阳性直肠癌的f值明显高于MMR蛋白阴性直肠癌，f值可以较好地区分MMR蛋白阳性和阴性直肠癌（AUC=0.695），MMR蛋白阳性组的血管内皮生长因子和血管内皮生长因子受体2表达率最高。这一结果亦证实了MSI-H/dMMR结直肠癌具有较高血管生成能力，临床上可以为MSI-H/dMMR结直肠癌患者采取抗血管生成的靶向药物治疗提供有力支撑。

       综上，IVIM主要通过f值能有效区分MMR蛋白阳性和阴性直肠癌，未来的研究还应聚焦在利用IVIM多参数值评估MSI-H结直肠癌与免疫浸润之间的关系，以便我们更加全面地了解免疫浸润带来的病理生理学机制，为临床抗肿瘤免疫治疗提供依据。

3.3.3 MRI多序列联合应用

       结直肠癌具有高度异质性和不同微环境，多序列、多参数联合应用可以更加准确全面评估肿瘤MSI状态。表观扩散系数（apparent diffusion coefficient, ADC）参数反映肿瘤组织细胞的密集程度^[41]，动态对比增强（dynamic contrast enhancement, DCE）参数则提示肿瘤血管生成的灌注情况^[42]，两者均能很好的反映肿瘤细胞的微观变化。马文婷等^[43]通过DCE和ADC参数联合应用，结果得出MSI组容积转移常数（K^trans）、血管内外回流速率常数（Kep）、初始强化（iAUC）均低于MSS组（P均<0.05），ADC显著高于MSS组（P<0.001），相比于K^trans、iAUC和ADC，Kep预测MSI性能较好（AUC=0.890），Kep+ADC的AUC为0.970，表现出更优的预测性能。

       上述研究反映出单序列难以对肿瘤进行全面表征，通过多序列、多参数联合应用可以提高MSI状态的预测效能。此外，随着研究者们对DCE参数的深入解读，基于K^trans、Kep和iAUC等与结直肠癌生物学特性密切相关，有望后续探索上述指标联合临床特征对结直肠癌MSI-H的预测价值。

3.3.4 MRI影像组学方法

       有研究基于多序列MRI影像组学模型预测直肠癌MSI-H状态，得出ADC与T2WI联合模型的效能优于独立模型^[44]。相帅等^[45]采用高分辨率T2WI和DWI影像组学对Ⅱ~Ⅲ期直肠癌MSI-H进行预测，发现T2WI+DWI模型性能高于单序列模型且临床-影像组学模型性能最优。LI等^[46]的研究结果显示，T1WI增强扫描预测模型表现最好（训练集AUC=0.78，外部验证集AUC=0.77），多序列组合模型的预测泛化性能与T1WI增强扫描模型相当（训练集和验证集的AUC值分别为0.78和0.78），但优于T1WI、T2WI和DWI单序列模型。上述MRI影像组学模型是基于单序列模型和多序列组合模型对MSI-H的预测性能的评估。尽管模型性能较好，但缺乏将患者临床信息进行综合考量。ZHANG等^[47]基于T2WI整合临床因素的融合预测模型，具有良好的预测性能，影像模型和联合模型在测试队列中AUC值分别为0.820和0.868。ZHANG等^[48]和金京等^[49]研究亦证实将T2WI影像组学特征与临床因素的联合模型预测效能更高。随着机器学习算法的深入学习和后处理软件的高端化，基于多参数MRI影像组学模型的不同机器学习算法在识别结直肠癌MSI状态中得到应用。ZHANG等^[50]使用逻辑回归、贝叶斯、支持向量机、K-最近邻等机器学习算法构建不同的影像组学模型，发现基于逻辑回归算法的影像组学模型表现最好（在训练集和测试集的AUC分别为0.827和0.739），该模型可用于促进直肠癌患者MSI-H状态的个体化预测。

       综上所述，MRI影像组学具有良好的MSI-H的预测性能，影像组学多参数融合或影像组学与临床特征相结合可进一步提高模型的预测性能。然而，全容积肿瘤感兴趣区的手动勾画容易受主观因素影响，不同序列图像的扫描层厚不同，图像配准和重采样难度较大，大多数研究集中通过提取肿瘤影像组学特征进行分析，对肿瘤内部不同微环境成分的预测性能的研究较少，未来应采用自动化的深度学习或生境分析方法预测结直肠癌MSI-H的状态，以提高预测的准确性。

4 当前研究的局限性

       基于CT和MRI及影像组学在结直肠癌MSI-H预测中应用广泛，在体现其价值的同时，也存在一定的局限性：（1）CT检查存在辐射，接受新辅助治疗并多次复查的结直肠癌患者可能接受更多的辐射剂量^[44]；（2）影像组学预测结直肠癌MSI状态尚不能完全取代病理；（3）由于结直肠癌具有异质性，图像边缘容易受到肠腔内空气或粪便的影响而产生伪影，同时从邻近区域提取的影像组学特征可能会导致“失真”；（4）由于MSI发生率较低，研究样本通常较小，同时多中心研究存在成像设备和扫描参数的差异，导致模型通用性不佳。

5 小结与展望

       MSI状态已成为新辅助免疫治疗和靶向治疗的重要生物标志，因此，术前无创并精准预测结直肠癌MSI-H状态意义非凡。CT和MRI及影像组学通过多参数，多序列和多维度等方法来预测术前结直肠癌MSI-H状态，对结直肠癌患者术前治疗，疗效和预后评估具有指导性作用。然而，由于影像学及影像组学存在的局限性并且不同位置的结直肠癌MSI表达及分型不同，因此，临床应用CT和MRI及影像组学时须选取科学合理的应对措施。将CT和MRI图像或影像组学特征与临床病理资料相结合可以更好地观测肿瘤微观分子变化，有望实现早期精准预测结直肠癌MSI-H状态。目前，尽管CT和MRI及影像组学方法仍然面临许多困难和挑战，相信随着成像技术不断优化、软件技术不断发展以及影像组学流程的不断标准化和统一，多模态、更高阶的影像学及影像组学在预测结直肠癌MSI状态、指导精准化治疗和高效的预后评估中应用前景将更加广阔。