影像/病理特征深度學習在結直腸癌相關基因突變應用進展

周 巍, 趙艷娟, 潘詩農

1.北部戰區總醫院 放射診斷科,遼寧 沈陽 110016;2.中國醫科大學附屬盛京醫院 放射診斷科,遼寧 沈陽 110004

結直腸癌(colorectal cancer,CRC)是世界上癌癥相關死亡的第三大原因[1]。CRC的結局差異較大,5年存活率為10%～90%,具體取決于疾病分期和其他病理生理因素[2-3]。CRC患者基因突變率高達48.9%,其中,KRAS、NRAS、BRAF基因突變會影響CRC的發生發展、耐藥和復發轉移,也是晚期CRC明確有效的藥物治療靶點和療效預測生物標志物[2]。明確基因突變狀態對于CRC精準診療及全程管理至關重要[1]。同時,了解具有預后能力的CRC分子和組織病理學特征可能有助于識別復發或轉移風險較高的CRC患者,從而更準確地預測和指導輔助治療[4]。目前,腫瘤組織活檢是明確CRC患者基因突變狀態的標準,但由于其價格昂貴且屬于有創操作,患者依從性較差,嚴重影響藥物治療方案的選擇和遠期預后。因此,臨床上急需一種無創性的新方法精準判斷CRC患者的基因突變情況。本文就影像/病理特征深度學習在CRC相關基因突變的應用進展作一綜述。

1 CRC的病理學及分子生物學特征

1.1 CRC的病理學特征

2019年,世界衛生組織對CRC亞型進行了重新分類。目前,CRC的預后主要依賴于國際癌癥控制聯盟(International Cancer Control,UICC)和美國癌癥聯合委員會(International Cancer Control,AJCC)腫瘤淋巴結轉移(tumor-node-metastasis,TNM)分期分類定義的癌癥分期。然而,同一病理階段的患者預后存在較大差異,特別是在CRC的中間階段(Ⅱ期和Ⅲ期)[5]。TNM系統是腫瘤學中應用較多的分期系統。雖然,TNM不是專門為放射分期而設計的,但TNM已被放射科醫師廣泛用于癌癥(包括CRC)的診斷報告。組織學特征(如腫瘤出芽、神經周圍浸潤、根尖淋巴結陽性、淋巴結產量、淋巴結比值)和分子特征,微衛星不穩定性(microsatellite instability,MSI)、KRAS、BRAF,以及人表皮生長因子受體2(human epidermal growth factor receptor 2,HER2)、尾型同源盒轉錄因子2(caudal-related homeobox transcription factor 2,CDX2),已被確定為指導預后和優化輔助治療的組織學特征及生物標志物[6-7]。

1.2 CRC分子生物學特征

CRC常規使用的分子標志物包括KRAS、NRAS和BRAF(擴展RAS檢測)缺乏特異性的激活突變分類,基因組規模分析(超突變或非超突變CRC)[8]和轉錄組分析[CRC的共識分子亞型(consensus molecular subtype,CMS)]這兩種方法也主要用于CRC分子診斷分類[9],二者均具有基于亞型的靶向治療的潛力。磷脂酰肌醇-4,5-二磷酸3-激酶催化亞基-α基因(phosphatidylinositol-4,5-bisphosphate 3-kinase catalytic subunit alpha,PIK3CA)激活突變與較差的具體預后、抗EGFR治療的陰性預測反應,以及對乙酰水楊酸的成功輔助反應相關[10]。免疫相關標記物(如免疫評分)代表了潛在的預后分層工具[11],基因表達特征的預后用途受到更多依賴,特別是用于確定術后復發的風險。CRC根據其組織病理學特征進行分類,包括腫瘤大小、分級和疾病階段。然而,這種分類方法忽略了CRC的異質性。CRC亞型聯盟確定了4種CMS(CMS1、CMS2、CMS3和CMS4),為CRC提供了目前較穩健的分類系統[12]。雖然,現階段TNM分期仍然是指導CRC治療決策的重要的特征,但CMS分類是對TNM分期的相關補充,以便為個體患者提供最佳治療策略。

1.2.1 KRAS KRAS是抗EGFR治療不可或缺的生物標志物。3種RAS癌基因(HRAS、KRAS和NRAS)是人類癌癥中最常見的突變基因家族的一部分,KRAS是最常突變的,約占所有RAS驅動癌癥的85%,其次是NRAS(12%),最后是HRAS(3%)。當上述基因發生突變時,細胞將具有更大的侵襲和轉移潛力。KRAS密碼子12、13、61和146特異性點突變在KRAS突變的癌癥中經常發生,其聚集在外顯子2(密碼子12和13)、外顯子3(密碼子61)或外顯子4(密碼子146)中,并保持KRAS-GTP活性形式,從而導致腫瘤的發生和進展。特別是超過90%的KRAS突變發生在甘氨酸12。這種氨基酸位于蛋白質的P環區,在穩定核苷酸結合中起關鍵作用。KRAS致癌激活對于結腸上皮的惡性轉化至關重要。約29%～45%的局部晚期CRC患者檢測到KRAS突變,KRAS狀態顯示CRC和直腸癌之間無差異[13]。有研究報道,與無突變的患者比較,Ⅳ期KRAS突變患者的病死率更高(34.0%比18.5%),總生存期降低(23.5個月比14.0個月)。此外,KRAS突變是存活率降低的獨立危險因素。

1.2.2 NRAS NRAS突變患者從臨床和分子角度形成一個獨特的轉移性CRC亞組[14]。3%～5%的CRC顯示NRAS基因的外顯子2、3和4突變,但由于患者數量少,與KRAS和BRAF突變比較,這些遺傳變化的影響研究較少。有研究報道,KRAS和NRAS突變患者的臨床和病理特征相似,NRAS突變患者對抗EGFR治療反應不佳[15]。KRAS和NRAS突變腫瘤表現出相似的轉移模式,即其播散通常是肝、肺和腹膜。然而,存在個體差異,NRAS突變患者的黏液組織學發生率及肺轉移頻率均較低[16]。

1.2.3 BRAF BRAF較少見,但很重要。BRAF在絲裂原活化蛋白激酶(mitogen activated protein kinase,MAPK)途徑激活中發揮作用,并有助于細胞生長、增殖和分化,以及其他關鍵細胞過程,如遷移、凋亡和細胞存活。BRAF和KRAS突變是相互排斥的。約13%的患者同時存在BRAF與PIK3CA的突變,BRAF突變被認為是轉移性CRC陰性預后的生物標志物[15]。近年來,有研究報道,RNF43突變有可能可以預測接受抗BRAF/EGFR治療的BRAF突變微衛星穩定mCRC患者的結局[16]。

1.2.4 c-MET及Claudin18.2 c-MET是位于7號染色體帶q21eq31上的原癌基因,是由MET基因編碼產生的具有自主磷酸化活性的跨膜受體,屬于酪氨酸激酶受體家族。c-MET信號的異常激活可引發癌癥,原因包括蛋白質過表達和基因擴增或重排。在胃腸道惡性腫瘤中,c-MET異常激活可能與KARS基因的轉錄上調有關[17]。c-MET過表達對于c-MET抑制劑的反應具有潛在的預測價值[18]。Claudin18.2(CLDN18.2)蛋白是一種跨膜蛋白,基因位于人第3號染色體的3q22.3,具有高度選擇性的標志蛋白,異常表達可導致上皮細胞、內皮細胞的結構功能受損。有研究表明,CLDN18.2持續異常過度表達尤其好發于消化道腫瘤[19]。

1.2.5 HER2及MSI HER2癌基因是酪氨酸激酶家族的成員,類似于EGFR、HER1、HER3和HER4。HER2位于17號染色體上,編碼185 kD的跨膜蛋白,該蛋白通過配體結合激活[20]。HER2激活啟動信號通路,包括MAPK和PI3K/AKT,對細胞增殖和分化至關重要[21]。有研究報道,HER2在包括CRC在內的多種惡性腫瘤中過度表達[22]。HER2擴增是轉移性CRC的相關遺傳改變。這一事實在Meric-Bernstam等[23]研究中均有記錄。Crimi等[24]研究已經證明了CRC領域對抗HER2療法的反應。MSI的生發異常代表了林奇綜合征的分子基礎[25]。事實上,攜帶dMMR/MSI腫瘤的CRC患者使用免疫檢查點抑制劑,使無進展生存期翻倍并保持持久反應,顯示出顯著且改變實踐的結果[26]。與Ⅳ期比較,CRC腫瘤在Ⅱ期和Ⅲ期的MSI陽性更常見。散發性MSI陽性腫瘤位于近端,在老年女性中更常見,分化較差,有黏液組織學,并有明顯的淋巴細胞浸潤[27]。

1.2.6 CDX2 CDX2是一種高度保守的主轉錄因子,可控制腸上皮的發育和分化。編碼CDX2的基因位于染色體13q12-13上。CDX2是一種調節腸上皮細胞分化的轉錄因子。CDX2在基因轉錄水平上誘導分化并抑制增殖,其表達幾乎完全局限于胃腸道。在常規的日常診斷實踐中,CDX2被用作識別腸道起源腫瘤的標志物。少數研究試圖將CDX2表達缺失與特定的MMR基因(MLH1、MSH2、MSH6、PMS2)相關聯[28]。Konukiewitz等[29]研究報道,CDX2缺失不僅可以識別生存特征較差的CRC患者,還可以識別特定分期組(如UICCⅡ/Ⅲ期)中具有特別侵襲性病程的CRC患者。2022年,Alarid-Escudero等[30]報道了CDX2表達檢測和輔助化療實施Ⅱ期CRC的成本效益分析,研究發現,根據CDX2表達缺失確定一組Ⅱ期CRC患者進行靶向化療是一種具有成本效益的策略。

2 影像組學與病理組學

近年來,醫學圖像的深度計算分析,特別是放射組學和病理組學、基因組學,已經顯示出許多令人興奮的結果,用于預測CRC患者的預后[31]。分別來自傳統放射組學、病理組學分析的初步結果已經證明了將圖像特征與不同系統惡性腫瘤相關臨床指標相結合對疾病的預測能力[32-33]。

2.1 影像組學概述 影像組學是指基于CT、MRI、PET/CT或超聲等醫學圖像,高通量地提取大量相關疾病的影像組學特征,將醫學影像轉化為高維數據,量化醫學圖像上各種腫瘤的特征信息,然后,對這些特征進行統計學分析,建立具有分類、預測功能的統計學模型[34]。影像組學在CRC診療中的臨床應用主要包括CRC鑒別診斷、術前分期、轉移預測、療效及預后評估等[35]。

2.2 影像組學在CRC診療中的應用 2023年,Chen等[36]提出對結直腸感興趣區域特征預處理的規范化,特征篩選精細化,標簽構建方面增強等方法具有可推廣性?；谛g前增強CT圖像的影像學分析,可無創讀取CRC腫瘤MSI狀態,并成功將Ⅱ期CRC患者進行預后分層。Yao等[37]對Ⅱ～Ⅲ期CRC術后進行預后預測,在特征提取方面做了創新,以深度特征代替羽翳及紋理特征,最后與TNM分期聯合構建了個體化預測工具。Dohan等[38]基于CRC肝轉移治療后2個月時的增強CT圖像紋理分析,即可預測患者總生存期,預測時效早于經典RECIST 1.1(美國國家癌癥研究所和歐洲癌癥治療研究組織共同制定的實體癌評價)標準,相當于6個月時經典RECIST 1.1評估的預測效能?？梢娪跋窠M學可以輔助臨床,可盡早制定治療決策(繼續/停止)。

2.3 影像-病理組學在CRC診療中的應用 2022年,Feng等[39]使用治療前MRI和蘇木精-伊紅染色的活檢載玻片圖像,其中,對于病理模型的建立包括兩部分:病理組學核心模型和病理組學微環境模型。Feng等[39]使用CellProfiler軟件從全視野數字切片中提取病理組學核心特征(腫瘤細胞),并使用VGG-19深度卷積神經網絡提取病理組學微環境特征(腫瘤間質),開發和驗證一個影像-病理組學的集成預測系統(RAPIDS)來預測局部晚期直腸癌患者對新輔助放化療的病理完全緩解,識別對放化療高度敏感且有可能實現病情完全緩解的直腸癌患者,并為其提供標準(或強化)新輔助放化療,可提高生存期和生活質量。

3 人工智能在CRC診斷與預后中的應用現狀

隨著人工智能的發展,深度學習已在醫學圖像分析領域中開展了無數的應用,在腫瘤學、放射學、病理學、皮膚病學和眼科等均取得了飛速發展。結腸鏡檢查被認為是CRC篩查的“金標準”[40]。然而,小型(直徑≤5 mm)或無蒂息肉僅憑人眼觀察可能漏診(漏診率約為23.6%)[41]。隨著人工智能的進展,特別是計算機輔助檢測(computer aided detection,CAD)系統,如實時自動檢測系統,以改進CRC檢測率[42]。這主要得益于深度學習程序可以獨立識別大量圖像和聲音的強大技術,從而減少視覺診斷中的人為錯誤。Xu等[43]在2023年的一項雙盲隨機對照試驗中,證實了CAD輔助結腸鏡檢查有助于提高腺瘤檢出率。Hsu等[44]提出了一種基于深度學習開發的結腸鏡檢查程序內預警系統,對于模糊圖像和包含褶皺、糞便和不透明水的圖像的檢測,準確率為96.2%;而應用于視頻圖像時,每個息肉的檢測準確率為100.0%;高質量圖像幀和息肉圖像幀的召回率分別為95.7%和92.0%;通過每幀分析獲得的視頻圖像的總體警報準確率和低質量假陽性率分別為95.30%和0.18%。這提示,在結腸鏡移動過快、腸道中存在糞便殘留物或結腸擴張不足的情況下,人工智能系統可用于提醒內鏡醫師放慢手術速度或進行沖洗或管腔擴張。CAD在檢測CRC方面的準確性已得到普遍認可。Barua等[45]納入了5項隨機對照試驗(共4 311例患者),證實結腸鏡檢查時使用CAD的腺瘤檢出率明顯優于單獨結腸鏡檢查(29.6%比19.3%),假陽性警報平均值為11.2%。Li等[46]分析了16項使用CAD的研究,發現CAD對CRC檢測和分類的受試者工作特征曲線下面積為0.940,且敏感性高于專家組(88%比80%,P<0.05)。

4 小結

在精準醫療快速發展的時代,伴隨著人工智能深度學習的發展,傳統影像組學、病理組學及基因組學的結合是CRC腫瘤診斷、分期、療效評估等預后相關指標的無創預測的又一方式和選擇,且進一步融合、發展,可以為影像學對腫瘤綜合評價的機制方面做出更全面和客觀的解釋,對于影像組學方法不斷規范化和標準化,確保更強的通用性和可重復性,影像組學與CRC病理表型的前瞻性研究,可以進一步提高影像學在CRC的早期診斷及預后評估中的作用,在未來多模態醫學不斷融合和人工智能不斷發展的時代,發揮更大的作用。