0 引言

       直肠癌是一种常见的恶性肿瘤疾病，在全球报告的新发癌症病例中排名第三，是癌症相关死亡的第二大原因^[1]，其发病率和死亡率均有持续上升的趋势。有相关研究预计，到2040年直肠癌新发病例和死亡病例将分别增至320万例和160万例^[2]，疾病负担持续升高，亟需医学界探索更有效的治疗策略。

       近年来，免疫治疗成为了一种新兴的抗癌策略，在直肠癌治疗中展现出巨大潜力^[3]。尤其是针对微卫星不稳定性高（microsatellite instability high, MSI-H）的直肠癌患者，免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）明显优于常规治疗方法^[4]，对部分患者甚至可以起到长期缓解作用^[5]。然而，免疫治疗的临床应用仍面临关键瓶颈。一方面，MSI-H直肠癌中占比不足15%^[6]，精准筛选获益人群仍是临床首要瓶颈。另一方面，ICIs激活的免疫细胞浸润及肿瘤炎性反应可导致治疗初期病灶体积暂时性增大，出现假性进展^[7]。而根据传统的免疫治疗实体瘤疗效评价标准（immune response evaluation criteria in solid tumors, iRECIST），难以准确区分真正的肿瘤进展和免疫治疗引起的假性进展，从而影响治疗决策。

       影像组学的核心是挖掘医学影像中的定量特征（包括肿瘤的形状、纹理、信号强度等），并通过高级分析方法将影像学数据转化为可挖掘的量化数据空间，最终能够反映正常组织和病变区域的异质性、形态大小等特性^[8]，这一方法为微卫星不稳定（microsatellite instability, MSI）状态预测、假性进展鉴别及免疫治疗反应评估提供了新的量化工具。然而，现有研究仍处于早期概念验证与回顾性建模阶段：现有研究多为单中心、回顾性、小样本，特征提取与建模方法异质性大，缺乏外部验证与标准化体系；针对假性进展鉴别、动态疗效监测、多模态数据整合等关键问题尚缺乏系统性循证证据，转化路径不清晰。现有综述多聚焦于新辅助放化疗，缺乏对直肠癌免疫治疗方向的系统性聚焦与瓶颈深入分析。因此，本综述从“技术—临床”双视角出发，系统梳理影像组学在直肠癌免疫治疗全流程中的应用现状与核心局限，明确筛选获益人群与多模态融合等未来方向，探索建立一个“无创筛查（影像预测MSI）→多模态精准评估（融合互补信息）→动态监测（识别假性进展与真性进展）”的影像组学闭环体系，为从回顾性研究向前瞻性临床验证的过渡提供理论依据，推动影像组学走向直肠癌免疫治疗的真实临床决策辅助工具。

1 文献检索策略

       检索数据库包括中国知网、万方数据知识服务平台、PubMed、Springer数据库。检索时间范围为2020年1月至2026年5月。文献采用主题词与自由词组合检索，同时使用逻辑运算符“AND”“OR”连接关键词。中文检索式：SU=（‘影像组学’+‘放射组学’） AND SU=（‘直肠癌’+‘直肠肿瘤’+‘直肠恶性肿瘤’） AND SU=（‘免疫治疗’+‘免疫疗法’+‘免疫检查点抑制剂’+‘疗效’+‘疗前’+‘微卫星不稳定’+‘MSI’）；英文检索式：(“Radiomics” [Title/Abstract] OR “Radiomic feature”" [Title/Abstract]) AND (“Rectal cancer” [Title/Abstract] OR “Rectal neoplasm*” [Title/Abstract] OR “Rectal carcinoma*” [Title/Abstract]) AND (“Immunotherapy” [Title/Abstract] OR “Immune therapy” [Title/Abstract] OR “Immune checkpoint inhibitor*” [Title/Abstract] OR “MSI” [Title/Abstract] OR “Microsatellite instability” [Title/Abstract])。

       文献纳入标准：（1）研究内容聚焦影像组学在直肠癌免疫治疗中的应用，包括MSI状态预测、免疫治疗疗效评估、假性进展鉴别及预后预测等；（2）文献类型为论著、临床研究、meta分析、高质量综述；（3）中/英文文献，优先选择核心期刊、SCI期刊及高被引文献。排除标准：（1）研究对象非直肠癌（如结肠癌、胃癌等）或非免疫治疗相关（如单纯新辅助放化疗）；（2）文献类型为会议摘要、病例报告、信件、社论；（3）内容重复、质量较低、数据不完整。初步检索获得相关文献556篇，排除不符合纳入标准文献514篇，最终纳入有效文献42篇。

2 影像组学工作流程

       影像组学不仅反映解剖结构，更蕴含肿瘤生物学异质性的高维信息；通过高通量特征提取与机器学习建模，可建立影像表型与临床结局的关联，实现无创预测。针对直肠癌免疫治疗，这一技术的独特优势体现为：多模态互补[计算机体层成像（computed tomography, CT）结构、MRI功能、正电子发射体层成像（positron emission tomography, PET）代谢协同刻画肿瘤演变]、动态监测（通过时序特征追踪假性进展等治疗反应的时间演变），以及免疫微环境间接表征（纹理异质性参数与免疫细胞浸润程度相关）。

       影像组学分析需遵循标准化流程（图1），主要包括影像获取、图像预处理与分割、特征提取与筛选、模型构建与验证四个核心环节，各环节在直肠癌免疫治疗中具有明确的临床指向价值。

点击查看大图

图1  影像组学工作流程。CT：计算机体层成像；PET：正电子发射体层成像；LASSO：最小绝对收缩和选择算子；AUC：曲线下面积。
Fig. 1  Workflow of radiomics. CT: computed tomography; PET: positron emission tomography; LASSO: least absolute shrinkage and selection operator; AUC: area under the curve.

3 影像组学在直肠癌免疫治疗的应用

3.1 疗前评估

       精准筛选免疫治疗获益人群是直肠癌个体化诊疗的首要环节。MSI-H状态作为ICIs疗效预测的核心生物标志物，在直肠癌中占比不足15%，且传统检测存在有创性、时效性差及样本异质性等局限，难以满足临床疗前决策需求。影像组学通过高通量挖掘影像定量特征，为无创、早期、动态筛选免疫治疗优势人群提供了可行路径。

       首先，在直肠癌患者MSI预测方面，魏照坤等^[9]基于MRI表观扩散系数（apparent diffusion coefficient, ADC）参数联合临床病理特征，构建了术前无创预测结直肠癌MSI状态的模型。该研究发现，MSI-H型肿瘤因错配修复缺陷导致高淋巴细胞浸润及细胞外间隙扩大，在扩散加权成像（diffusion-weighted imaging, DWI）序列上呈现特征性ADC值分布，联合临床病理指标可有效评价结直肠癌MSI状态。这一结果提示，ADC值所反映的肿瘤细胞密度变化可作为间接预测免疫治疗反应的标志物，在术前无创识别MSI-H等免疫治疗优势人群，避免有创活检的取样偏差，为个体化免疫治疗决策提供影像学依据。由此可知，通过整合影像组学特征、临床病理特征和基因组学数据，可构建出基于多方数据的准确性更高的预测模型，优化获益人群筛选精度。王泽坤等^[10]研究临床-影像诺模图在预测直肠癌患者的改善总生存期及无疾病进展显示出优异的性能，受试者工作特征曲线下面积（area under the curve, AUC）在0.68~0.95之间，为筛选出的获益人群制定个体化免疫治疗策略提供直接依据。

       在成像模态层面，增强CT作为术前常规评估手段，其影像组学特征与MSI状态具有显著相关性。MSI-H肿瘤因错配修复缺陷导致高突变负荷及新生抗原表达，继而诱导大量淋巴细胞浸润及肿瘤内血管异常增生；增强CT捕获的强化模式实质反映的是血管通透性与肿瘤内灌注异质性，因此CT影像组学特征与MSI状态的关联，本质上是通过“血管-免疫微环境”这一中介变量实现的间接预测，为疗前预测免疫治疗的潜在反应提供依据^[11]。然而，CT软组织分辨率有限，对肠壁层次及微小浸润的显示能力不足，单独应用时筛选精度受限。MRI多参数影像组学则展现出更优的获益人群筛选效能。XING等^[12]将影像组学特征与临床特征结合构建了基于MRI放射组学预测MSI状态的模型，通过多模态数据整合更全面地刻画肿瘤生物学行为，从而精准预测患者生存结局。MRI多序列融合模型的AUC较CT模型高10%~15%^[13]，其机制在于DWI序列可早期捕捉免疫治疗引起的细胞密度变化，MSI-H肿瘤的高淋巴细胞密度与高细胞外间隙会导致ADC值呈现特征性分布，这一优势使MRI在精准筛选免疫治疗获益人群中具有不可替代的价值。

       综上，目前研究已初步证实，基于CT、MRI及多参数融合影像组学模型可在术前无创预测直肠癌MSI状态，为精准筛选免疫治疗获益人群提供了量化路径^[14]。然而，现有研究多为单中心、回顾性、小样本设计，模型泛化能力未经大规模外部验证，且尚缺乏前瞻性临床试验确认其真实临床价值；此外，多模态融合策略粗放，影像特征与免疫微环境的生物学关联缺乏“影像-病理-基因”多尺度验证，导致模型可解释性不足，制约了临床转化。未来应开展大规模、多中心、前瞻性外部验证，建立标准化的MSI预测影像组学模型以明确真实临床效能；技术层面需探索CT-MRI-PET决策级融合及深度学习自适应加权策略，并通过影像-病理-基因多组学配对研究建立具有病理生理学可解释性的标志物体系；同时开发整合多维度数据的动态诺模图与疗前-早期疗效时序预测模型，实现个体化风险分层，进一步提升获益人群筛选的精准度。

3.2 疗效评价

       影像组学既可以为治疗前的个体化方案制定提供依据，也能在治疗后对疗效进行精准评估。在直肠癌免疫治疗的疗效评价中，CT、MRI和PET作为影像组学的主要应用手段，具有独特的作用。

3.2.1 各影像模态的特点与局限

       CT影像能够清晰显示肿瘤的形态和结构变化，但因其仅依赖解剖结构变化评估肿瘤反应，易导致出现误判。如部分患者在接受免疫治疗初期可出现病灶体积增大或新发异常信号，随后肿瘤负荷逐渐降低或维持稳定，此类表现符合iRECIST标准定义的假性进展特征^[15]。但在鉴别假性进展与真性进展方面尚存局限，难以实现准确区分。识别假性进展可以防止患者过早停止ICI治疗^[16]，避免对治疗效果造成影响。因此，仅靠CT评估免疫治疗反应是不够的。

       MRI影像则提供更多关于肿瘤内部结构和周围组织的信息，它不仅可以显示肿瘤的形态和结构，还能通过多种成像序列，如DWI^[17]和灌注加权成像（perfusion-weighted imaging, PWI），深入了解肿瘤内部的微观结构和代谢状态。DWI序列的关键扫描参数b值通常取0和800 s/mm²，可以反映肿瘤细胞的密度和细胞外间隙的变化^[18]，PWI采用动态对比增强序列（重复时间500 ms、回波时间10 ms），可以观察肿瘤的血流灌注情况。BOSTEL等^[19]研究发现，在直肠癌免疫治疗中，每周一次的DWI扫描显示，ADC值的早期变化与最终治疗反应显著相关。具体而言，假性进展的核心影像组学特征表现为“纹理熵升高+肿瘤体积增大但代谢活性降低”，这一特征组合反映了免疫细胞浸润导致的肿瘤异质性增加和炎症反应，而非肿瘤细胞的真实增殖^[20]。在DWI序列中，ADC值的动态变化可作为关键量化指标，从病理生理机制而言，免疫治疗有效时肿瘤细胞坏死或免疫细胞浸润导致细胞密度降低，ADC值升高；而真性进展时肿瘤细胞增殖导致细胞密度增加，ADC值相对降低。因此，ADC动态变化可辅助鉴别假性进展与真性进展。传统的实体瘤疗效评价标准（response evaluation criteria in solid tumors, RECIST）主要依赖肿瘤直径变化进行疗效判断，在鉴别假性进展方面存在局限^[21]，结合影像组学特征的改良评估标准可显著提升预测效能^[7]。因此，这种早期反应预测能力使得临床医生能够在传统RECIST标准评估前4~6周获得治疗有效性的预测信息。这些数据有利于更具体地评价肿瘤的生物学特性，进而对判断免疫治疗效果更有作用^[22]。然而，MRI在评估肿瘤反应时也拥有一些不足之处。MRI的空间分辨率不够高，对于一些微小病变的检测可能存在困难^[23]。

       PET影像则通过代谢活性反映肿瘤的生物学行为，但其特异性有限，可能受到炎症等非肿瘤因素的干扰^[24]。因此，在单独使用PET影像时，可能会出现假阳性或假阴性的结果，从而影响对免疫治疗反应的准确判断。

       总体而言，三种模态并非简单的优劣排序，而是信息维度的互补。CT强在解剖定位和高可及性，MRI强在早期功能变化和微观结构解析，PET强在全身代谢评估。单一模态均存在难以克服的物理局限：CT无法看到结构背后的生物学事件，MRI对微小病灶敏感性不足且扫描受限，PET易受炎症干扰。多模态融合才是提高免疫治疗反应评估准确性的必然方向。

3.2.2 多模态融合影像技术

       鉴于单一影像模态在评估免疫治疗反应时存在的局限性，多模态融合影像技术逐渐成为研究热点。与单一模态相比，PET/CT和PET/MRI等多模态融合技术能够整合不同成像方式的优势，提高对肿瘤反应评估的准确性和可靠性。CHEN等^[25]基于PET/CT影像组学构建的深度学习模型，在预测结直肠癌免疫治疗反应中，训练集与内部验证集AUC分别为0.855和0.844，外部验证集AUC为0.784；进一步联合免疫评分（CD3/CD8）及临床特征构建的诺模图，预测总生存期和无进展生存期的AUC分别达0.860和0.875，证实多模态数据融合可显著提升免疫治疗疗效与预后的预测效能。ZHANG等^[26]研究发现，[⁶⁸Ga]Ga-FAPI-04 PET/MRI的SULpeak变化百分比预测直肠癌病理完全缓解的AUC达0.929，特异度100%，而单独增强MRI的敏感度仅55.56%，提示多模态代谢-功能融合较单一解剖影像在疗效评价中具有显著的诊断增益。

3.2.3 影像组学特征层面的疗效评估

       进一步地，从影像中提取大量定量特征在评估疗效方面体现出重要意义^[27]。在特征层面，形状特征、纹理特征和代谢特征分别从不同维度反映了肿瘤对治疗的反应。形状特征如肿瘤体积、表面积和球形度等，能够反映肿瘤的形态变化，肿瘤体积的变化是评估治疗效果的重要指标之一，而表面积和球形度则可以反映肿瘤的边界清晰度和形态规则性。在直肠癌免疫治疗中，纹理特征具有特殊意义：灰度共生矩阵中的对比度、相关性和熵等参数，可与肿瘤内免疫细胞浸润程度及异质性相关，为疗效评估提供依据^[28]。而针对免疫治疗中假性进展的鉴别，PET/CT的代谢参数[如最大标准化摄取值（maximum standard uptake value, SUVmax）和平均标准化摄取值（mean standard uptake value, SUVmean）]具有独特价值，可通过病灶代谢变化区分真实进展与炎性反应性增大。在免疫治疗方案的差异化应用中，单药ICIs治疗时，代谢特征的价值更高，可早期反映肿瘤代谢活性变化；而在联合治疗中，纹理特征与临床特征联合构建的模型效能更优，能够更好地反映多模态治疗下的综合反应^[29]。这些特征的变化可以为早期预测肿瘤对免疫治疗的反应提供依据^[30]，从而可以作为预测采取程序性死亡受体1（programmed death 1, PD-1）抑制剂治疗的直肠癌患者产生的免疫反应的潜在影像学标志物^[31]。因此，影像组学通过分析肿瘤特征进行疗效评估，如果某些影像组学特征在治疗早期出现显著变化，可能预示着患者对免疫治疗有较好的反应，医生可以继续进行治疗；反之，如果这些特征没有明显变化或出现不良变化，则可能需要调整治疗方案，以提高治疗效果。

3.3 治疗后随访

       影像组学在直肠癌免疫治疗的治疗后随访中具有重要的应用价值，尤其在直肠癌患者的复发风险和生存率预测方面，影像组学显示出独特的作用，为临床决策补充了新的方法。影像组学可以根据分析治疗前后的影像特征变化，构建预测模型，识别出具有高复发风险的直肠癌患者。FU等^[32]通过一项多中心研究基于 MRI 影像组学特征构建了预测模型，该模型可有效识别高危与低危人群，其在开发队列、内部测试队列和外部测试队列中的C指数分别为0.775、0.739和0.822。这表明影像组学模型对预测直肠癌复发风险显示出较优异的可信度和准确性。其次，在生存结局预测方面，徐园园等^[33]研究利用CT优化扫描的灰度直方图纹理分析技术，结合临床分期等特征构建了列线图模型，该模型对直肠癌患者不良预后的预测AUC达0.84，显示出较优的判别性能。此外，影像组学可拓展至靶向治疗相关标志物预测^[34]，但免疫治疗中仍以MSI、CD8+T细胞浸润等为核心靶点。随着ICIs在直肠癌治疗中的广泛应用，免疫相关不良反应（如免疫相关结肠炎）的早期识别已成为随访中不可忽视的重要环节。刘晓雯等^[35]指出，影像学是评估免疫治疗反应的基石，在监测免疫相关不良事件中发挥着关键作用。影像组学通过高通量提取CT或PET影像中的纹理特征，可量化肠壁增厚、黏膜强化、肠系膜血管充血及肠周脂肪条索影等免疫相关结肠炎的影像表现，构建早期预警模型，有望在临床症状出现前识别高危患者并评估严重程度，为临床及时暂停免疫治疗或启动糖皮质激素干预提供客观依据。因此，将影像组学应用于免疫治疗不良反应监测，有助于实现直肠癌免疫治疗随访从疗效评估到安全性监测的全面覆盖。MSI状态可作为预后验证的辅助指标，通过分析多参数MRI或CT影像特征，结合临床信息构建融合模型，有助于更精准地评估患者预后^{[13, 36]}。因此，影像组学不仅有助于早期识别高复发风险患者^{[37, 38]}，还能拓展至免疫治疗相关不良反应的早期预警与动态监测，从而实现更有效的随访管理、及时干预不良反应，在提升患者生存水平的同时保障其生活质量。

4 优势与挑战

       尽管影像组学在评估直肠免疫治疗中显现出卓越的应用前景，但现有技术在不同应用场景中的效能差异显著，在技术层面，数据标准化、图像分割及多模态整合问题突出。主要技术的优势、局限与使用范围横向对比详见表1。

       首先，影像设备（如CT、MRI、PET等）存在显著差异，扫描参数（包括分辨率、层厚、对比剂使用等）缺乏统一标准，导致影像数据的异质性较大。这种技术差异不仅影响特征提取的准确性，更会降低预测模型的泛化能力。在多中心研究中，需通过phantom体模校准扫描参数^[39]，以降低不同中心间的设备差异。同时，在图像分割环节，目前主要依赖人工勾画或半自动算法，其结果易受操作者主观性和算法性能的影响，造成特征提取的可重复性降低。为保障特征的可靠性，手动分割的观察者间组内相关系数（intra-class correlation coefficient, ICC）需达到0.9以上，以验证分割结果的一致性^[40]。此外，单一影像模态各有其局限性，如何有效融合多模态影像数据（如PET/MRI），并进一步整合基因组学（MSI状态）、蛋白质组学[程序性死亡受体配体1（programmed death-ligand 1, PD-L1）表达]等多组学信息，目前仍缺乏成熟的解决方案。在临床层面，免疫治疗的特殊反应模式增加了评估难度。一方面，免疫治疗特有的假性进展现象与真性进展的特征重叠，传统影像学方法难以区分真实进展与免疫反应，虽然影像组学可提供更多鉴别信息，但需要更高频次的影像随访监测，这不仅增加了医疗压力，也为患者带来额外负担。另一方面，免疫治疗反应的延迟性导致随访周期争议：部分患者治疗后数周至数月才出现客观缓解，而影像组学的最佳评估时间窗口尚无统一标准，过早评估可能误判为无效，过晚评估则延误治疗调整。在多模态数据整合方面，当今的技术仍存在明显不足。在转化层面，样本局限与循证依据不足严重制约临床应用。直肠癌免疫治疗患者（尤其是MSI-H亚群）的样本量有限，容易导致机器学习模型出现过拟合问题。此外，大多数研究仍停留在回顾性分析阶段，缺乏大规模前瞻性临床试验验证^[41]，严重制约了模型的临床应用。目前国内外相关指南[如美国国立综合癌症网络（National Comprehensive Cancer Network, NCCN）直肠癌指南、中国临床肿瘤学会（Chinese Society of Clinical Oncology, CSCO）免疫治疗指南]尚未将影像组学纳入推荐，缺乏临床实践层面的指导依据，进一步限制了其转化应用。未来，需要通过建立统一的影像采集和处理标准、开发动态特征监测系统、加强多学科交叉合作以及开展大规模前瞻性验证研究等多方面努力，才能充分发挥影像组学在直肠癌免疫治疗精准评估中的潜力，最终实现个体化治疗的目标。

点击查看表格

表1  不同影像组学技术在直肠癌免疫治疗中的应用对比
Tab. 1  Comparison of different radiomics techniques in immunotherapy for rectal cancer

5 总结与展望

       在直肠癌免疫治疗疗效评估领域，影像组学这一新兴影像分析技术已逐步展现出贯穿治疗全周期的连续决策价值。通过提取和分析医学影像中的定量特征，影像组学为直肠癌免疫治疗的疗前评估、疗效评估和疗后随访提供了新的思路和方法^[42]。特别是针对免疫治疗中“假性进展”这一核心临床困境，影像组学有望通过动态捕捉肿瘤微环境的细微演变特征，提供区别于传统形态学评估的鉴别依据。尽管仍有一些挑战需要面对，但随着多中心标准化扫描协议的制定、可解释AI算法的开发以及病理-影像-基因多组学融合技术的进步，影像组学有望在直肠癌免疫治疗的精准评估和个体化治疗中承担日益重要的作用。未来研究应着重于构建全周期决策支持体系：（1）建立多中心直肠癌免疫治疗专用影像标准化流程：针对直肠癌MRI及PET/CT，制定免疫治疗场景下的采集与重建规范，减少设备差异对肿瘤微环境异质性特征提取的偏倚，重点解决直肠系膜筋膜及肿瘤浸润边缘的影像质量一致性问题。（2）整合MRI、CT、PET等多模态影像与病理、基因组学数据，构建可动态预测直肠癌免疫治疗早期反应、假性进展及远期疗效的跨时间点协同模型，并明确不同分子亚型下的影像特征解译规则，建立区分真性进展与假性进展的定量判别阈值。（3）针对直肠癌免疫治疗过程中肿瘤退缩模式的非典型性（如浸润边缘“晕征”、内部坏死分隔等），设计具有临床语义可解释性的神经网络模型，输出连续治疗时间轴上的疗效评估逻辑与不确定性估计，辅助医生区分真性进展与假性进展，并做出是否继续免疫、联合放疗或转为手术的阶梯式决策。（4）设计验证直肠癌免疫治疗影像组学标志物（如基线影像预测MSI状态、影像衍生免疫评分等）的Ⅲ期诊断性试验，积累循证医学证据，力争将经过验证的影像组学参数纳入NCCN、欧洲肿瘤内科学会（European Society for Medical Oncology, ESMO）及CSCO直肠癌诊疗指南中有关免疫治疗适宜人群筛选、新辅助免疫疗效评估及“观察等待”策略的疗效监测体系，最终推动影像组学在直肠癌免疫治疗全程化管理决策平台中的临床应用转化。