分享:
分享到微信朋友圈
X
• 综述 •
直肠癌壁外血管侵犯的MRI评估研究进展
欧阳红 魏照坤 王莉莉 贾应梅

本文引用格式 欧阳红, 魏照坤, 王莉莉, 等. 直肠癌壁外血管侵犯的MRI评估研究进展[J]. 磁共振成像, 2026, 17(11): 200-206. DOI:10.12015/issn.1674-8034.2026.11.025.


[摘要] 壁外血管侵犯(extramural vascular invasion, EMVI)是导致直肠癌(rectal cancer, RC)患者局部复发、远处转移及总生存期下降的独立危险因素,术前MRI精准评估对个体化治疗决策制定至关重要。本文就MRI评估RC患者EMVI的研究进展进行综述,重点论述基于影像组学及人工智能(artificial intelligence, AI)研究的最新应用,分析其优势与局限,旨在为临床个体化治疗方案的制订提供关键影像学依据,并为精准化诊疗拓展新的检查思路。以定量成像和AI为代表的技术正推动EMVI评估从“形态学描述”向“精准量化”转变,可为个体化治疗提供更可靠的影像学依据。未来,随着多模态MRI数据的持续积累与AI的不断进步,影像组学与AI的融合将进一步深化,尤其是在影像、临床及生物学等多维度数据融合的基础上,有望成为推动RC精准诊疗临床转化的重要路径之一,最终助力实现更高效、更精准的个体化医疗服务。
[Abstract] Extramural vascular invasion (EMVI) is an independent risk factor for local recurrence, distant metastasis, and reduced overall survival in patients with rectal cancer (RC).Accurate preoperative MRI assessment is of considerable clinical value for individualized treatment decision-making. This review summarizes recent advances in MRI-based assessment of RC EMVI, with a particular focus on the latest applications of radiomics and artificial intelligence (AI), and discusses their strengths and limitations. It aims to provide critical imaging evidence for formulating individualized clinical treatment strategies and to offer new diagnostic perspectives for precision medicine. Quantitative imaging and AI are shifting EMVI assessment from morphology-based description to precise quantification, offering more reliable imaging evidence for individualized management. Looking ahead, with the ongoing accumulation of multiparametric MRI data and continued advances in AI, the integration of radiomics and AI is likely to be further strengthened. In particular, the multidimensional integration of imaging, clinical, and biological information may represent a promising pathway to facilitate the clinical translation of precision medicine in RC, ultimately contributing to more effective and individualized patient care.
[关键词] 直肠癌;壁外血管侵犯;磁共振成像;扩散加权成像;影像组学;人工智能
[Keywords] rectal cancer;extramural vascular invasion;magnetic resonance imaging;diffusion-weighted imaging;radiomics;artificial intelligence

欧阳红    魏照坤    王莉莉    贾应梅 *  

甘肃省人民医院放射科,兰州 730000

通信作者:贾应梅,E-mail: jiaym28@163.com

作者贡献声明:欧阳红设计本研究方案,对稿件重要内容进行修改;魏照坤、王莉莉、贾应梅获取、分析本研究部分文献,对稿件重要内容进行修改;贾应梅获得省自然科学基金项目资助并负责稿件最终修改;全体作者均同意发表最终修改稿,同意对本研究所有方面负责,确保研究准确性和诚信。


基金项目: 甘肃省自然科学基金 23JRRA1764
收稿日期:2026-04-29
接受日期:2026-10-15
中图分类号:R445.2  R735.37 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.11.025
本文引用格式 欧阳红, 魏照坤, 王莉莉, 等. 直肠癌壁外血管侵犯的MRI评估研究进展[J]. 磁共振成像, 2026, 17(11): 200-206. DOI:10.12015/issn.1674-8034.2026.11.025.

0 引言

       结直肠癌发病率与死亡率均居全球恶性肿瘤前列,其中直肠癌(rectal cancer, RC)约占39%[1]。我国结直肠癌的发病率及死亡率占所有恶性肿瘤的10.7%及9.3%[2],约70%的RC病患者一经确诊即为局部进展期[3]。壁外血管侵犯(extramural vascular invasion, EMVI)是指肿瘤细胞突破肠壁固有肌层侵入直肠周围血管,已被证实为肿瘤局部复发、远处转移及总生存期下降的独立危险因素[4, 5]。凭借高软组织分辨率与多序列成像优势,MRI已成为术前评估EMVI的首选方法,为风险分层、新辅助治疗决策及预后判断提供关键依据。

       尽管已有综述总结了MRI评估RC患者EMVI的研究,但对体素内不相干运动(intravoxel incoherent motion,IVIM)、扩散峰度成像(diffusion kurtosis imaging, DKI)、酰胺质子转移(amide proton transfer, APT)、合成MRI(synthetic MRI, SyMRI)等新兴定量技术的参数意义与应用价值缺乏整合[6, 7];再者,近年涌现的影像组学、人工智能(artificial intelligence, AI)等研究亦未被纳入[8, 9]。本文旨在系统梳理MRI在RC患者EMVI评估的研究进展,重点介绍影像组学及AI方面的应用,揭示EMVI评估从形态学描述向精准量化转变,旨在为个体化治疗提供理论依据并指引研究方向。

1 文献检索方法

       检索PubMed、万方数据库,重点分析近5年文献,检索时间从2022年1月1日至2026年4月30日。中文检索式:(直肠癌 OR 直肠肿瘤)AND(壁外血管侵犯 OR 壁外静脉侵犯 OR EMVI)AND(磁共振成像 OR MRI OR 高分辨率T2WI OR 扩散加权成像 OR DWI OR 动态增强磁共振 OR DCE-MRI OR 体素内不相干运动 OR IVIM OR 扩散峰度成像 OR DKI OR 酰胺质子转移成像 OR APTWI OR 合成MRI OR 影像组学 OR 人工智能)。英文检索式为:(“rectal cancer” OR “rectal neoplasm”)AND(“extramural vascular invasion” OR “extramural venous invasion” OR “EMVI”)AND(“magnetic resonance imaging” OR “MRI” OR “high-resolution T2-weighted imaging” OR “high-resolution T2WI” OR “HR-T2WI” OR “diffusion weighted imaging” OR “DWI” OR “dynamic contrast-enhanced” OR “DCE” OR “intravoxel incoherent motion” OR “IVIM” OR “diffusion kurtosis imaging” OR “DKI” OR “amide proton transfer” OR “APT” OR “synthetic MRI” OR “radiomics” OR “artificial intelligence”)。纳入标准:(1)研究主题以MRI评估RC患者EMVI为核心目标之一,即EMVI须为研究的主要分析变量,而非仅作为背景预后因素提及;(2)研究内容须明确报告EMVI的MRI评估方法、诊断效能及其与临床病理因素的关联,并提供可独立提取的统计分析结果;(3)文献类型为原创研究、系统综述或Meta分析;(4)语种限中、英文。由两名研究者独立完成文献筛选。初筛通过阅读题目和摘要剔除明显不符合纳入标准者;对无法确定者,获取全文进行复筛以最终判定。如遇分歧,则请第三名研究者裁决。初检共获得相关文献303篇,其中PubMed 198篇、万方105篇,去重后剩余295篇。阅读题目和摘要后,排除不符合纳入标准文献217篇,剩余78篇获取全文复筛。全文阅读后排除21篇,最终纳入文献57篇,其中英文45篇、中文12篇。

2 EMVI的临床意义

       EMVI与RC患者的不良预后密切相关,并深刻影响治疗决策。一项荟萃分析显示[10],新辅助治疗后MRI上持续存在的EMVI与较差的无病生存期和总生存期显著相关,其预后预测价值优于淋巴结状态。MASSUCCO等[5]研究发现,EMVI阳性是局部晚期RC发生远处转移的唯一独立预测因子,阳性者转移风险是阴性者的3.59倍。FENG等[11]进一步指出有EMVI的直肠系膜筋膜阳性是局部晚期RC患者无病生存期较差的独立危险因素。在治疗决策层面,一项荟萃分析[12]证实,新辅助治疗前EMVI阳性预示更高的远处转移风险及更差的生存结局,治疗后持续阳性同样预示不良预后并增加环周切缘阳性风险。BHUTIANI等[13]研究进一步揭示了EMVI对治疗反应的预测价值:EMVI阳性患者更可能出现临床T4期和N+期,病理完全缓解或接近完全缓解率显著低于阴性患者;即使在全程新辅助治疗方案下,EMVI阳性患者仍表现出更差的治疗反应。同时,在2026年欧洲胃肠道和腹部放射学会(European Society of Gastrointestinal and Abdominal Radiology, ESGAR)共识中[14],EMVI被明确列为高风险特征,纳入初级分期风险评估的核心指标,EMVI阳性已成为新辅助治疗或全程新辅助治疗的指征。术前准确识别EMVI阳性患者,有助于临床筛选出可能从新辅助治疗中获益的人群,从而制定更加个体化的治疗方案。

3 MRI相关EMVI评估

3.1 常规MRI评估

       常规MRI序列是RC患者EMVI术前评估的基础,主要包括高分辨率T2WI(high-resolution T2-weighted imaging, HR-T2WI)、扩散加权成像(diffusion-weighted imaging, DWI)和动态增强MRI(dynamic contrast enhanced magnetic resonance imaging, DCE-MRI),三者分别从形态解剖、水分子扩散和微循环灌注三个维度提供互补信息,构成EMVI的常见参数MRI评估体系。

       HR-T2WI是RC患者MRI评估的基础序列,但其诊断效能存在较大异质性。KIM等[15]等纳入14项研究(1751例患者)的荟萃分析显示,MRI检测的EMVI(MRI-detected extramural vascular invasion, mrEMVI)的总敏感度为61%,总特异度为87%;亚组分析表明,高分辨率技术的应用可显著提升诊断效能,采用HR-MRI的研究特异度(89%)优于非高分辨率研究(78%)。但HR-T2WI依靠形态学征象进行定性判读,主观性较强,观察者间一致性仅为中等水平,且对小静脉(<3 mm)内癌栓存在检出局限。联合多序列形成多参数方案,可提升肿瘤与血管的辨识度,进而提高EMVI的检出率[15]。SOFIC等[16]在HR-T2WI基础上增加增强T1加权图像(T1-weighted imaging, T1WI)后,敏感度从75.9%提升至83.3%,特异度96.4%提升至98.5%。

       DWI通过表观扩散系数(apparent diffusion coefficient, ADC)量化水分子扩散受限程度,但其附加价值因临床场景而异。对于未经治疗的原发性RC患者,AHN等[17]发现HR-T2WI单独与联合DWI的诊断效能无显著差异,曲线下面积(area under the curve, AUC;0.828 vs. 0.825)。在新辅助治疗后,CRIMÌ等[4]发现DWI检测EMVI的AUC(0.729)显著优于HR-T2WI(0.610)和增强T1WI(0.624)。上述研究表明,DWI在新辅助治疗后评估中具有优势。在预后层面,mrEMVI阳性与更差的无病生存期和总生存期显著相关(HR=2.50和1.84)[18],强调将mrEMVI纳入分期系统的必要性。在临床实践层面,T2WI联合DWI的五分Likert评分系统在新辅助治疗后EMVI评估中显示出0.93的特异度,已被ESGAR 2026共识[19]正式推荐结构化评分。

       DCE-MRI的定量参数包括容积转移常数(Ktrans)、速率常数(Kep)等,有助显著提升RC术前评估EMVI预测能力。AO等[20]发现EMVI阳性组Ktrans和Kep显著升高阴性组,基于Ktrans和ADC构建的联合模型AUC达0.856。研究证实单一影像特征的预测价值有限,而多定量参数的联合应用可产生协同增益,显著提升预测效能。WANG等[21]进一步发现反映异质性的Ktrans峰度、熵等参数是EMVI的独立预测因子,联合模型的AUC高达0.926。该结果揭示通过直方图分析获取的Ktrans高级特征能更敏感地反映肿瘤微循环异质性,提高EMVI预测的准确性与可重复性。

       总体而言,HR-T2WI提供形态学基础,特异度高;DWI在治疗后评估中优势显著;DCE-MRI的直方图分析展现了良好的预测潜力。然而,当前研究仍面临如术前EMVI诊断标准不统一、感兴趣区(region of interest, ROI)勾画及定量参数选择不统一等挑战。

3.2 新兴定量技术应用

3.2.1 IVIM

       IVIM能够提供组织内的水分子扩散和微循环灌注信息,更深入评估组织微血管结构、血管成熟度等信息[22, 23]。其参数包括标准ADC(ADCstand)、纯扩散系数(D)、假扩散系数(D*)及灌注分数(f)。IVIM在RC患者EMVI评估中的研究结论不一。ZHOU等[24]发现EMVI阳性组D*和f升高,而D无差异;GAO等[25]则发现阳性组ADCstand、D、D*均高于阴性组,D*预测效能最高(AUC=0.731),f无差异。这种结果差异可能与样本量、技术参数及ROI勾画策略(单层 vs. 全肿瘤)的不统一有关。尽管D值和f值结论不一致,但D*值普遍升高提示高灌注是EMVI关键特征。除了常规定量分析,KAN等[26]进一步基于直方图分析发现D的均值、中位数、偏度等参数在组间差异显著,联合模型AUC达0.821。上述研究表明D*、直方图参数是检测EMVI的有效影像学标志物,且直方图分析通过提取反映肿瘤异质性的高阶特征,预测价值优于单一均值参数,稳定性更佳。

3.2.2 DKI

       DKI是DWI的直接延伸,主要参数包括平均峰度(mean kurtosis, MK)和平均扩散系数(mean diffusivity, MD)。多项研究证实DKI在RC患者EMVI评估中的价值。ZHOU等[24]研究发现阳性组(104例)MK值显著高于阴性组(58例),MD值低于阴性组,MK的AUC(0.779)显著高于MD(0.617),二者联合AUC为0.790,优于单一MD、ADC。可见,DKI参数,尤其是MK,在术前评估RC患者EMVI方面有重要潜力,且优于传统ADC,提示非高斯扩散模型能更好地刻画肿瘤微环境异质性;MK与MD联合使用可显著提升评估效果,彰显了多参数成像指标整合的应用价值。CHEN等[27]将临床参数纳入模型,发现MK联合T、N分期的AUC达0.835。上述研究说明,联合MK、N及T分期等多维度指标,有助于术前更精准地识别EMVI阳性患者,临床分期参数可能提供与MK互补的预后信息,而MD作为同序列参数增量价值相对有限。

3.2.3 APT

       酰胺质子转移加权(amide proton transfer weighted, APTw)成像能够在分子水平进行评估,有助于评估病理分级、肿瘤出芽及疗效等方面[28, 29, 30],在EMVI评估中的价值也受到关注。一项前瞻性研究[31]发现,EMVI阳性(31例)组肿瘤的平均APT信号强度(amide proton transfer signal intensity, APT-SI)显著高于阴性组(30例),提示APT-SI可作为预测RC患者EMVI的潜在影像学标志物,推测可能与阳性组肿瘤增殖活跃、细胞内蛋白增加及新生血管丰富有关。然而,KAN等[26]、LI等[32]未发现APT-SI在EMVI评估中差异无统计学意义,提示APTw的诊断价值尚存争议。这种矛盾可能源于扫描参数、后处理方法及样本特征(如样本量、EMVI阳性率、单中心)等多重因素的差异。与传统的平均信号强度分析相比,直方图分析可更全面地捕获肿瘤微观结构的空间异质性,从而提升对EMVI的预测能力。CHEN等[33]采用全肿瘤直方图分析进一步发现APTw的最小值、最大值、均值等参数与病理学EMVI阳性相关;常规MRI评估、APTw直方图模型及联合模型(APTw直方图+临床变量)诊断EMVI阳性的AUC分别为0.785、0.853和0.918,联合模型效能更优。该研究表明,APTw直方图定量参数与临床指标之间可能存在信息互补,多维度整合策略在术前无创评估EMVI方面显示出一定潜力。

3.2.4 SyMRI

       SyMRI通过一次多动态多回波序列扫描便可获取T1WI、T2WI及相位敏感反转恢复(phase-sensitive in-version recovery, PSIR)等多种对比加权图像[34],且图像质量与传统MRI相当[35, 36]。关于SyMRI定量参数与EMVI的关联,现有研究结论尚不统一。ZHU等[37]研究发现EMVI阳性组肿瘤T2值及直肠旁脂肪间隙T1值均高于阴性组,且后者T1值与EMVI评分正相关;ZHAO等[38]则发现阳性组肿瘤T1、T2值均显著降低,其中T2值预测EMVI的AUC为0.821,其诊断准确性优于放射科医师的视觉评估;而GE等[39]研究显示EMVI两组间T1、T2值无差异。上述差异可能与ROI勾画策略、样本量不同有关。同时,在SyMRI血管成像方面,Ge等发现联合应用HR-T2WI与SyMRI合成的PSIR血管图像后,低年资放射诊断医师对EMVI阳性诊断的AUC由0.65提升至0.88,高年资医师由0.86提升至0.96;低年资医师的诊断敏感度从0.40提高至0.77,高年资医师从0.49提高至0.86。提示该技术有助于提高医师的诊断水平。常规MRI在EMVI评估中存在不确定性,SyMRI与常规影像结合有望应对这一挑战[40]。但当前研究仍受限于小样本、缺乏多中心验证及参数不稳定等问题。

3.3 影像组学与AI

3.3.1 影像组学

       影像组学通过高通量提取医学图像中的纹理特征,将其转化为可量化空间数据,为RC患者EMVI术前评估提供了精准量化手段[41]。然而,单一影像组学模型的稳定性与可重复性易受干扰,而通过结合影像学特征与重要临床变量构建的临床-影像组学联合模型,在预测效能与泛化能力上均显著优于单一模型。这种多维特征融合的联合模型也被认为是RC患者EMVI术前评估研究的未来发展趋势[12]。SHU等[42]基于多参数MRI(T2WI、T1WI、DWI及增强T1WI)影像组学特征联合临床指标(如血清癌胚抗原)及影像学征象构建联合模型,诊断效能高于影像学及单一影像组学模型,训练集和测试集AUC分别为0.839和0.835。丁景峰等[43]则纳入T2WI和DWI影像组学特征计算影像组学评分与临床数据建立临床-影像组学联合模型,显示联合模型、临床模型(包括ADC值、磁共振T分期和EMVI)、影像组学模型在训练集和验证集中AUC分别为0.926、0.888、0.756和0.917、0.896、0.782,联合模型的临床获益最高。FANG等[44]纳入了69例RC DCE-MRI数据,采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator regression, LASSO)方法筛选纹理特征构建评分模型,结合临床独立危险因素及常规MRI建立联合模型,训练集、验证集AUC分别为0.954、0.833,显著高于传统影像学模型(AUC=0.797),进一步验证了多维特征融合在提高模型性能方面的重要性。

       既往研究多聚焦于肿瘤核心区域,但瘤周区域同样具备潜在预测价值[45]。HE等[46]纳入双中心的238例RC患者,发现基于T2WI的直肠系膜影像组学特征联合中性粒细胞计数构建的联合模型预测EMVI效果最好,训练集、内部验证集及外部验证集AUC分别为0.88、0.81和0.82,提示瘤周微环境是值得深入挖掘的影像学生物标志物来源。HU等[47]进一步将联合模型的应用从术前诊断拓展至新辅助治疗反应预测与远期预后评估,基于T2WI和ADC构建影像组学标签并联合肿瘤大小及EMVI构建的联合预测模型效能最优。该工作为影像组学联合模型从术前评估走向全程管理提供了高等级循证依据,代表了该领域可从“辅助诊断”向“辅助决策”转型的重要方向。

       另外,列线图作为联合模型的可视化输出形式,能够将多维变量整合为直观的量化评分体系,为RC临床结局及预后分层提供量化的评估手段[48]。通过整合影像组学标签、常规影像特征及临床变量并可视化呈现,有效弥补了单一模型的信息维度缺陷,显著提升了预测性能,更贴近临床决策需求。ZHAO等[49]基于SyMRI的T1、T2及质子密度图提取影像组学特征,经LASSO方法筛选后联合多变量构建列线图,训练集和验证集AUC分别为0.925和0.899,显著优于放射科医师的主观评估(AUC=0.732/0.763)。TIAN等[50]基于常规MRI序列(HR-T2WI、DWI及DCE-MRI)及血清学标志物,筛选出肠壁肿瘤占比、直肠上静脉宽度、T2WI-EMVI评分及CA19-9四个独立预测因子构建列线图,内部训练集与外部测试集AUC分别为0.746和0.780,为EMVI术前预测提供了简便、实用的量化工具。陈高松等[51]则将瘤周直肠系膜脂肪的多参数MRI影像组学特征、常规征象与EMVI评分结合构建列线图,训练集与验证集AUC分别为0.918和0.889,进一步拓展了列线图的应用维度。

       综上,多参数影像组学联合临床变量可显著提升EMVI术前预测效能,联合模型效能优于单一模型;以直肠系膜为ROI的组学分析亦展现出诊断潜力,提示微环境生物学信息可能更敏感。列线图作为联合模型的可视化输出形式,在提升模型临床可操作性与决策支持方面优势突出。然而,如何有效筛选稳健的影像组学特征并构建高效、稳定的联合预测模型仍是研究的核心挑战[52]。受限于影像数据异质性、设备差异及特征筛选、建模策略等不统一,现有模型的稳定性和可推广性仍有待提升,外部验证的可重复性亦波动较大。

3.3.2 AI

       尽管影像组学与列线图在EMVI预测中取得了长足进展,但其本质仍依赖人工定义的特征,特征设计的优劣直接直接影响模型性能。AI,特别是深度学习(deep learning, DL),则从根本上突破了这一框架,它能够直接从图像中端到端地学习多层次语义特征,从局部边缘、纹理细节到全局空间结构乃至肿瘤微环境信息,在理论上具备更强的特征表征能力和更高的自动化程度,为克服传统影像组学的固有局限提供了新的技术路径。

       在EMVI评估领域,DL已在自动分割、风险分层及端到端分类等任务中取得初步成效。CAI等[53]开展的多中心研究(509例,9个中心)采用全自动化DL流程nnUNet,利用学习到的多层级图像特征训练分类模型(MLNet),在外部验证集中,MLNet在EMVI分类中的AUC与内部验证结果相当,单独使用DWI的模型分类能力更优,外部验证集AUC为0.76,提示DWI在EMVI评估中可能携带更关键的生物学信息。该研究表明,将基于DL分割模型所习得的多层级图像表征纳入模型可提升EMVI分类准确性,且对外部数据具有良好的泛化能力。近期,ZHANG等[54]基于预训练基础模型,纳入三家欧洲医院331例RC治疗前T2WI数据,采用多平面融合(轴位+矢状位)的UMedPT_LR模型在EMVI分类中测试集AUC达0.82,优于传统卷积神经网络;Grad-CAM可视化证实模型关注的区域与肿瘤周围生物学特征吻合,增强了模型的可解释性,也为临床接受度提供了技术支撑。

       随着DL技术发展,在RC患者MRI中的应用中DL正从图像质量优化向信息生成拓展。江龙焱等[55]发现DL重建T2WI可改善图像质量与EMVI评估准确性。YANG等[56]基于DL生成模拟T1WI增强图像,结果显示模拟与真实扫描的结构相似性达0.82;在EMVI诊断中,真实增强扫描的AUC(0.702~0.772)略高于模拟扫描(0.661~0.694),展现出无对比剂增强检查的可能替代潜力。可见,DL兼具“图质优化”与“信息生成”双重潜力,但当前研究仍以单中心或有限多中心为主,未来需进一步优化模型并在更大规模多中心队列中验证其临床适用性。黄海涛等[57]开展的多中心研究(2501例,7个中心)构建了基于nnUNet的AI-mrEMVI自动评分模型,总体准确度为0.811(544/671,95% CI:77.9%~84.0%)。该研究模型任务从“二分类”升级为与临床实际高度一致的“4级评分”(0~4分),更贴近临床需求,为AI辅助EMVI评估的大规模临床验证提供了重要参考。不过,模型准确度仍有提升空间,尤其2分与3分之间的评分一致性尚待进一步优化。

       总而言之,AI在RC患者EMVI术前评估中展现出良好前景,但当前研究仍面临诸多挑战:(1)多数研究为单中心、小样本设计,外部验证不足,DL模型跨设备泛化能力有待系统评估;(2)EMVI的MRI判读的观察者间存在的变异可能被AI模型继承甚至放大,缺乏多中心、多阅片者标注的一致性研究;(3)不同设备及扫描参数对模型性能的影响尚未充分研究。此外,AI模型与医学影像存档与通信系统对接、报告生成等临床整合环节仍处于初级阶段。

4 总结

       综上所述,MRI评估RC患者EMVI已从单一形态学判断发展为融合功能定量、影像组学与AI的多模态评估体系。常规HR-T2WI特异度较高,仍是目前常用的初筛序列;DWI联合五分Likert量表可标准化EMVI评分,建议用于新辅助治疗后再分期。新兴定量技术(IVIM、DKI、APT及SyMRI)分别从灌注异质性、微观结构复杂度、分子蛋白水平及血管可视化维度提供互补信息,其核心参数意义与应用价值见表1所示;多参数联合可协同提升预测效能,但仍存在参数结论不一致、诊断阈值未统一、ROI勾画策略差异等问题,参数稳定性与泛化能力有待大样本多中心前瞻性研究加以验证。影像组学通过多维特征融合构建临床-影像联合模型,AI,特别是DL则突破人工特征设计限制,在自动分割、端到端分类及多中心泛化方面显示出初步可行性,但目前仍面临多中心外部验证不充分、跨设备泛化能力有限及与临床工作流整合不足等现实挑战。未来可基于ESGAR 2026指南框架,建立标准化的MRI采集及EMVI判读流程,统一影像组学与AI模型训练验证规范,通过前瞻性研究评估各技术独立及联合的临床应用价值,以进一步明确EMVI影像学生物标志物从“辅助诊断”走向“辅助决策”的可行路径,为RC个体化精准治疗提供更为可靠的影像学依据。

表1  新兴定量MRI技术评估RC患者EMVI的核心参数与应用价值对比
Tab. 1  Comparison of core parameters and application value of emerging quantitative MRI techniques in assessing RC EMVI

[1]
BRAY F, LAVERSANNE M, SUNG H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2024, 74(3): 229-263. DOI: 10.3322/caac.21834.
[2]
HAN B F, ZHENG R S, ZENG H M, et al. Cancer incidence and mortality in China, 2022[J]. J Natl Cancer Cent, 2024, 4(1): 47-53. DOI: 10.1016/j.jncc.2024.01.006.
[3]
李雪萌, 周燕飞, 王傲阳, 等. 基于多模态MRI可解释模型预测局部进展期直肠癌患者新辅助治疗疗效[J]. 磁共振成像, 2026, 17(1): 59-68, 122. DOI: 10.12015/issn.1674-8034.2026.01.009.
LI X M, ZHOU Y F, WANG A Y, et al. Prediction of treatment response to neoadjuvant chemoradiotherapy in patients with locally advanced rectal cancer by interpretable model based on multiparametric MRI[J]. Chin J Magn Reson Imaging, 2026, 17(1): 59-68, 122. DOI: 10.12015/issn.1674-8034.2026.01.009.
[4]
CRIMÌ F, ANGELONE R, CORSO A, et al. Diagnostic accuracy of state-of-the-art rectal MRI sequences for the diagnosis of extramural vascular invasion in locally advanced rectal cancer after preoperative chemoradiotherapy: dos or maybes?[J]. Eur Radiol, 2023, 33(10): 6852-6860. DOI: 10.1007/s00330-023-09655-4.
[5]
MASSUCCO P, FONTANA A P, BALBO MUSSETTO A, et al. MRI-detected extramural vascular invasion (mrEMVI) as the best predictive factor to identify candidates to total neoadjuvant therapy in locally advanced rectal cancer[J]. J Surg Oncol, 2022, 125(6): 1024-1031. DOI: 10.1002/jso.26818.
[6]
唐翠, 续晋铭, 徐津磊, 等. 直肠癌壁外血管侵犯的MRI及相关基础研究进展[J]. 临床放射学杂志, 2023, 42(11): 1847-1850.
TANG C, XU J M, XU J L, et al. MRI and related basic research progress of extramural vascular invasion of rectal cancer[J]. J Clin Radiol, 2023, 42(11): 1847-1850.
[7]
高伟, 刘挨师, 王泽锋, 等. 直肠癌壁外血管侵犯影像学评价的研究进展[J]. 中华消化外科杂志, 2021, 20(3): 355-358. DOI: 10.3760/cma.j.cn115610-20210201-00054.
GAO W, LIU A S, WANG Z F, et al. Research advances in imaging evaluation of extramural vascular invasion of rectal cancer[J]. Chin J Dig Surg, 2021, 20(3): 355-358. DOI: 10.3760/cma.j.cn115610-20210201-00054.
[8]
刘颖平, 易文中, 丁如. 多模态影像学在直肠癌壁外血管侵犯中的研究进展[J]. 医学影像学杂志, 2023, 33(1): 131-134. DOI: 10.20258/j.cnki.1006-9011.2023.01.031.
LIU Y P, YI W Z, DING R. Research progress of multimodal imaging in diagnosis of extramural vascular invasion in rectal cancer[J]. J Med Imaging, 2023, 33(1): 131-134. DOI: 10.20258/j.cnki.1006-9011.2023.01.031.
[9]
谢玉莹, 彭琨. 定量MRI术前评估直肠癌壁外血管侵犯的研究进展[J]. 国际医学放射学杂志, 2023, 46(3): 308-312. DOI: 10.19300/j.2023.Z20183.
XIE Y Y, PENG K. Research progress of quantitative MRI in preoperative evaluation of extramural vascular invasion of rectal cancer[J]. Int J Med Radiol, 2023, 46(3): 308-312. DOI: 10.19300/j.2023.Z20183.
[10]
LAL N, CHEONG CHUNG K J N, HODGES N, et al. Prognostic significance of post-neoadjuvant MRI-detected extramural venous invasion and tumour deposits in rectal cancer: a systematic review and meta-analysis[J/OL]. Eur J Surg Oncol, 2026, 52(6): 111840 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/42048918. DOI: 10.1016/j.ejso.2026.111840.
[11]
FENG Y R, HU T D, GU W C, et al. Mesorectal Fascia Involvement by tumor deposits or extramural vascular invasion at MRI predicts prognosis in rectal cancer[J/OL]. Radiology, 2025, 317: e243627 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/41147908. DOI: 10.1148/radiol.243627.
[12]
ROULEAU FOURNIER F, MOTAMEDI M A K, BROWN C J, et al. Oncologic outcomes associated with MRI-detected extramural venous invasion (mrEMVI) in rectal cancer: A systematic review and meta-analysis[J]. Ann Surg, 2022, 275(2): 303-314. DOI: 10.1097/SLA.0000000000004636.[PubMed]
[13]
BHUTIANI N, YOUSEF M M, YOUSEF A M, et al. Does extramural vascular invasion predict response to neoadjuvant therapy in locally advanced rectal cancer?[J]. Clin Colorectal Cancer, 2025, 24(2): 272-279. DOI: 10.1016/j.clcc.2025.02.002.
[14]
AYUSO J R, BALYANISKOVA S, BEETS-TAN R G H, et al. MRI to guide clinical management of rectal cancer: updated consensus recommendations from the European Society of Gastrointestinal and Abdominal Radiology (ESGAR): PART I primary staging[J]. Eur Radiol, 2026, 36(6): 4592-4607. DOI: 10.1007/s00330-025-12274-w.
[15]
KIM T H, WOO S, HAN S, et al. The diagnostic performance of MRI for detection of extramural venous invasion in colorectal cancer: a systematic review and meta-analysis of the literature[J]. Am J Roentgenol, 2019, 213(3): 575-585. DOI: 10.2214/ajr.19.21112.
[16]
SOFIC A, HUSIC-SELIMOVIC A, EFENDIC A, et al. MRI evaluation of extramural venous invasion (EMVI) with rectal carcinoma using high resolution T2 and combination of high resolution T2 and contrast enhanced T1 weighted imaging[J]. Acta Inform Med, 2021, 29(2): 113-117. DOI: 10.5455/aim.2021.29.113-117.
[17]
AHN J H, KIM S H, SON J H, et al. Added value of diffusion-weighted imaging for evaluation of extramural venous invasion in patients with primary rectal cancer[J/OL]. Br J Radiol, 2019, 92(1096): 20180821 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/30698998. DOI: 10.1259/bjr.20180821.
[18]
TAN J J, CARTEN R V, BABIKER A, et al. Prognostic importance of MRI-detected extramural venous invasion in rectal cancer: A literature review and systematic meta-analysis[J]. Int J Radiat Oncol Biol Phys, 2021, 111(2): 385-394. DOI: 10.1016/j.ijrobp.2021.05.136.
[19]
AYUSO J R, BALYANISKOVA S, BEETS-TAN R G H, et al. MRI to guide clinical management of rectal cancer: updated consensus recommendations from the European Society of Gastrointestinal and Abdominal Radiology (ESGAR): PART Ⅱ: Restaging and response evaluation[J]. Eur Radiol, 2026, 36(6): 4608-4621. DOI: 10.1007/s00330-025-12275-9.
[20]
AO W Q, ZHANG X, YAO X Z, et al. Preoperative prediction of extramural venous invasion in rectal cancer by dynamic contrast-enhanced and diffusion weighted MRI: a preliminary study[J/OL]. BMC Med Imaging, 2022, 22(1): 78 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/35484509. DOI: 10.1186/s12880-022-00810-9.
[21]
WANG K X, YU J, XU Q. Histogram analysis of dynamic contrast-enhanced magnetic resonance imaging to predict extramural venous invasion in rectal cancer[J/OL]. BMC Med Imaging, 2023, 23(1): 77 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/37291527. DOI: 10.1186/s12880-023-01027-0.
[22]
CHAI Y X, NIU Y C, CHENG R X, et al. Dynamic contrast-enhanced MRI combined with intravoxel incoherent motion in quantitative evaluation for preoperative risk stratification of resectable rectal adenocarcinoma[J/OL]. Oncol Lett, 2025, 29(2): 68 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/39619420. DOI: 10.3892/ol.2024.14814.
[23]
TAO J, YIN Z Z, LI X W, et al. Correlation between IVIM parameters and microvessel architecture: direct comparison of MRI images and pathological slices in an orthotopic murine model of rhabdomyosarcoma[J]. Eur Radiol, 2023, 33(12): 8576-8584. DOI: 10.1007/s00330-023-09835-2.
[24]
ZHOU M, CHEN M Y, LUO M F, et al. Pathological prognostic factors of rectal cancer based on diffusion-weighted imaging, intravoxel incoherent motion, and diffusion kurtosis imaging[J]. Eur Radiol, 2025, 35(2): 979-988. DOI: 10.1007/s00330-024-11025-7.
[25]
GAO F, SHI B, WANG P P, et al. The value of intravoxel incoherent motion diffusion-weighted magnetic resonance imaging combined with texture analysis of evaluating the extramural vascular invasion in rectal adenocarcinoma[J/OL]. Front Oncol, 2022, 12: 813138 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/35311135. DOI: 10.3389/fonc.2022.813138.
[26]
KAN S J, SUN Y W, AI K, et al. Correlation of pathologic features and prognostic factors in rectal adenocarcinoma based on APT imaging and IVIM-DWI histogram[J/OL]. Magn Reson Imaging, 2025, 122: 110430 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/40456335. DOI: 10.1016/j.mri.2025.110430.
[27]
CHEN W C, WEI Q R, HUANG W K, et al. Combining diffusion kurtosis imaging and clinical data for predicting the extramural venous invasion of rectal adenocarcinoma[J/OL]. Eur J Radiol, 2022, 148: 110155 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/35045353. DOI: 10.1016/j.ejrad.2022.110155.
[28]
MENG N, HUANG Z, JIANG H, et al. Glucose chemical exchange saturation transfer MRI for predicting the histological grade of rectal cancer: a comparative study with amide proton transfer-weighted and diffusion-weighted imaging[J/OL]. Insights Imaging, 2024, 15(1): 269 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/39527162. DOI: 10.1186/s13244-024-01828-z.
[29]
ZHANG L, LI L C, REN Z J, et al. Added value of 3D APT histogram analysis to DWI for predicting complete response to neoadjuvant chemoradiotherapy in locally advanced rectal cancer[J/OL]. Eur J Radiol, 2026, 194: 112478 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/41115362. DOI: 10.1016/j.ejrad.2025.112478.
[30]
杜云霞, 徐文翔, 何雨琪, 等. 酰胺质子转移加权成像与扩散加权成像评价直肠癌肿瘤出芽等级的价值[J]. 磁共振成像, 2025, 16(1): 42-47, 73. DOI: 10.12015/issn.1674-8034.2025.01.007.
DU Y X, XU W X, HE Y Q, et al. Amide proton transfer weighted and diffusion-weighted imaging in evaluating rectal cancer tumor budding grade value[J]. Chin J Magn Reson Imaging, 2025, 16(1): 42-47, 73. DOI: 10.12015/issn.1674-8034.2025.01.007.
[31]
CHEN W C, LI L, YAN Z X, et al. Three-dimension amide proton transfer MRI of rectal adenocarcinoma: correlation with pathologic prognostic factors and comparison with diffusion kurtosis imaging[J]. Eur Radiol, 2021, 31(5): 3286-3296. DOI: 10.1007/s00330-020-07397-1.
[32]
LI J, LIN L J, GAO X M, et al. Amide proton transfer weighted and intravoxel incoherent motion imaging in evaluation of prognostic factors for rectal adenocarcinoma[J/OL]. Front Oncol, 2021, 11: 783544 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/35047400. DOI: 10.3389/fonc.2021.783544.
[33]
CHEN W C, LIU G Q, CHEN J L, et al. Whole-tumor amide proton transfer-weighted imaging histogram analysis to predict pathological extramural venous invasion in rectal adenocarcinoma: a preliminary study[J]. Eur Radiol, 2023, 33(7): 5159-5171. DOI: 10.1007/s00330-023-09418-1.
[34]
陈子蕙, 张莫云, 王美佳, 等. 合成MRI在临床疾病中的研究进展[J]. 磁共振成像, 2025, 16(7): 227-234. DOI: 10.12015/issn.1674-8034.2025.07.036.
CHEN Z H, ZHANG M Y, WANG M J, et al. Research progress of synthetic MRI in clinical diseases[J]. Chin J Magn Reson Imaging, 2025, 16(7): 227-234. DOI: 10.12015/issn.1674-8034.2025.07.036.
[35]
LI M Q, FU W H, OUYANG L Y, et al. Potential clinical feasibility of synthetic MRI in bladder tumors: a comparative study with conventional MRI[J]. Quant Imaging Med Surg, 2023, 13(8): 5109-5118. DOI: 10.21037/qims-22-1419.
[36]
WANG Z, DAI Z Z, ZHOU X Y, et al. Synthetic double inversion recovery imaging for rectal cancer T staging evaluation: imaging quality and added value to T2-weighted imaging[J]. Insights Imaging, 2024, 15(1): 256 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/39446274. DOI: 10.1186/s13244-024-01796-4.
[37]
ZHU K X, CHEN Z C, CUI L L, et al. The preoperative diagnostic performance of multi-parametric quantitative assessment in rectal carcinoma: a preliminary study using synthetic magnetic resonance imaging[J/OL]. Front Oncol, 2022, 12: 682003 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/35707367. DOI: 10.3389/fonc.2022.682003.
[38]
ZHAO L, LIANG M, XIE L Z, et al. Prediction of pathological prognostic factors of rectal cancer by relaxation maps from synthetic magnetic resonance imaging[J/OL]. Eur J Radiol, 2021, 138: 109658 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/33744506. DOI: 10.1016/j.ejrad.2021.109658.
[39]
GE Y X, JIA Y L, LI Y Z, et al. Synthetic phase-sensitive inversion-recovery vessel for assessing extramural venous invasion in patients with rectal cancer: imaging quality and added value to T2-wighted imaging[J]. Eur Radiol, 2023, 33(6): 4148-4157. DOI: 10.1007/s00330-022-09344-8.
[40]
GONG X L, YE Z, SHEN Y, et al. Enhancing the role of MRI in rectal cancer: advances from staging to prognosis prediction[J]. Eur Radiol, 2025, 35(9): 5714-5732. DOI: 10.1007/s00330-025-11463-x.[LinkOut]
[41]
LIU Y, WEI X Q, FENG X, et al. Repeatability of radiomics studies in colorectal cancer: a systematic review[J/OL]. BMC Gastroenterol, 2023, 23(1): 125 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/37059990. DOI: 10.1186/s12876-023-02743-1.
[42]
SHU Z Y, MAO D W, SONG Q W, et al. Multiparameter MRI-based radiomics for preoperative prediction of extramural venous invasion in rectal cancer[J]. Eur Radiol, 2022, 32(2): 1002-1013. DOI: 10.1007/s00330-021-08242-9.
[43]
丁景峰, 敖炜群, 朱珍, 等. 基于T2WI和DWI的磁共振影像组学在术前预测直肠癌壁外血管侵犯的价值研究[J]. 诊断学理论与实践, 2024, 23(1): 46-56. DOI: 10.16150/j.1671-2870.2024.01.007.
DING J F, AO W Q, ZHU Z, et al. The value of radiomics based on T2WI and DWI of MRI in preoperative prediction of extramural vascular invasion in rectal cancer[J]. J Diagn Concepts Pract, 2024, 23(1): 46-56. DOI: 10.16150/j.1671-2870.2024.01.007.
[44]
FANG J J, SUN W, WU D, et al. Value of texture analysis based on dynamic contrast-enhanced magnetic resonance imaging in preoperative assessment of extramural venous invasion in rectal cancer[J/OL]. Insights Imaging, 2022, 13(1): 179 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/36417020. DOI: 10.1186/s13244-022-01316-2.
[45]
JAYAPRAKASAM V S, PARODER V, GIBBS P, et al. MRI radiomics features of mesorectal fat can predict response to neoadjuvant chemoradiation therapy and tumor recurrence in patients with locally advanced rectal cancer[J]. Eur Radiol, 2022, 32(2): 971-980. DOI: 10.1007/s00330-021-08144-w.
[46]
HE J, TAN X Z, LIN H S, et al. Magnetic resonance imaging-based radiomics of mesorectum for predicting extramural venous invasion in patients with rectal cancer: a bi-centric study[J/OL]. Cancer Imaging, 2026, 26(1): 69 [2026-07-23].https://pubmed.ncbi.nlm.nih.gov/41987267. DOI: 10.1186/s40644-026-01020-0.
[47]
HU T D, GONG J, SUN Y Q, et al. Magnetic resonance imaging-based radiomics analysis for prediction of treatment response to neoadjuvant chemoradiotherapy and clinical outcome in patients with locally advanced rectal cancer: A large multicentric and validated study[J/OL]. MedComm, 2024, 5(7): e609 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/38911065. DOI: 10.1002/mco2.609.
[48]
ZHAO B C, WANG J C, MA Z C, et al. Development and validation of a prognostic nomogram for rectal cancer patients who underwent surgical resection[J/OL]. Pathol Oncol Res, 2023, 29: 1611014 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/37151355. DOI: 10.3389/pore.2023.1611014.
[49]
ZHAO L, LIANG M, WANG S C, et al. Preoperative evaluation of extramural venous invasion in rectal cancer using radiomics analysis of relaxation maps from synthetic MRI[J]. Abdom Radiol, 2021, 46(8): 3815-3825. DOI: 10.1007/s00261-021-03021-y.
[50]
TIAN L F, LI N Q, XIE D, et al. Extramural vascular invasion nomogram before radical resection of rectal cancer based on magnetic resonance imaging[J/OL]. Front Oncol, 2022, 12: 1006377 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/36968215. DOI: 10.3389/fonc.2022.1006377.
[51]
陈高松, 高强, 朱建伟. 基于直肠系膜脂肪多参数MRI 影像组学列线图预测直肠癌壁外静脉侵犯[J]. 放射学实践, 2025, 40(4): 515-522. DOI: 10.13609/j.cnki.1000-0313.2025.04.014.
CHEN G S, GAO Q, ZHU J W. A study on predictive value of the radiomics nomogram based on multiparametric MRI of the mesorectal fat for extramural venous invasion in rectal cancer[J]. Radiol Pract, 2025, 40(4): 515-522. DOI: 10.13609/j.cnki.1000-0313.2025.04.014.
[52]
李天星, 赵建华. 基于MR的影像组学术前评估直肠癌壁外血管侵犯的应用[J]. 临床放射学杂志, 2025, 44(12): 2401-2406. DOI: 10.3969/j.issn.1001-9324.2025.12.028.
LI T X, ZHAO J H. Application of MR-based imaging group in pre-academic evaluation of extramural vascular invasion of rectal cancer[J]. J Clin Radiol, 2025, 44(12): 2401-2406. DOI: 10.3969/j.issn.1001-9324.2025.12.028.
[53]
CAI L S, LAMBREGTS D M J, BEETS G L, et al. An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: A multi-centre study[J/OL]. NPJ Precis Oncol, 2024, 8(1): 17 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/38253770. DOI: 10.1038/s41698-024-00516-x.
[54]
ZHANG Y M, MALI S A, KHAN D, et al. A pre-trained foundation model framework for multiplanar MRI classification of extramural vascular invasion and mesorectal Fascia invasion in rectal cancer[J/OL]. Insights Imaging, 2026, 17(1): 141 [2026-07-23]. https://pubmed.ncbi.nlm.nih.gov/42171860. DOI: 10.1186/s13244-026-02296-3.
[55]
江龙焱, 宋侨伟, 吴承百. 深度学习图像重建技术在直肠癌磁共振扫描中的应用价值[J]. 浙江临床医学, 2025, 27(4): 590-592.
JIANG L Y, SONG Q W, WU C B. Application value of deep learning image reconstruction technology in magnetic resonance scanning of rectal cancer[J]. Zhejiang Clin Med J, 2025, 27(4): 590-592.
[56]
YANG P, TONG N, LI Z, et al. Deep learning-based simulated contrast-enhanced MRI for rectal cancer evaluation: a multicenter study[J]. Abdom Radiol (NY), 2026, 51(7): 3276-3285. DOI: 10.1007/s00261-025-05311-1.
[57]
黄海涛, 叶蕴锐, 颜丽芬, 等. 基于人工智能的直肠癌MRI壁外血管侵犯自动评分模型的建立及其预测预后的价值[J]. 中华放射学杂志, 2025, 59(11): 1267-1274. DOI: 10.3760/cma.j.cn112149-20241125-00700.
HUANG H T, YE Y R, YAN L F, et al. Development of an artificial intelligence-based automatic MRI scoring model for extramural vascular invasion in rectal cancer and its prognostic value[J]. Chin J Radiol, 2025, 59(11): 1267-1274. DOI: 10.3760/cma.j.cn112149-20241125-00700.

上一篇 影像组学在肝细胞癌TACE治疗反应及预后预测中的研究进展
下一篇 磁共振引导自适应放射治疗在子宫恶性肿瘤中的应用与进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2