专家共识丨基于人工智能平台的结直肠癌免疫治疗智能化预测临床应用专家共识（2025版）

一 共识发起机构与专家组成员

本共识由中华医学会外科学分会结直肠外科学组、北京航空航天大学虚拟现实技术与系统国家重点实验室联合发起，并成立了多学科工作组，主要涵盖结直肠外科、放射科、病理科、肿瘤科、循证医学及计算机与人工智能等学科专家。所有工作组成员均填写了利益声明表，不存在与本共识直接的经济利益冲突。编写工作的启动时间为2024年11月17日，定稿时间为2025年3月22日。

二 共识的目标人群及使用人群

本共识适用于确诊结直肠癌并需行新辅助治疗的患者，特别针对有意愿实施免疫治疗的患者。另外，对于无法手术的结直肠癌患者的免疫转化治疗或姑息治疗的评估也具有指导意义。各级医院从事结直肠癌相关工作的临床医师、肿瘤科医师及影像科医师可合理使用本共识。

三 证据等级及推荐强度

本共识的制订参考了美国国立综合癌症网络、欧洲肿瘤学会、日本大肠癌研究学会、中国临床肿瘤学会直肠癌诊疗指南及国内外临床研究提供的循证医学证据。专家组通过多轮线下及网络会议的形式，最终确定推荐意见及适用于人工智能识别的证据分级。证据等级及推荐强度见表1。

四 专家共识相关临床问题

临床问题1：基于人工智能平台的结直肠癌免疫治疗效果评估指标有哪些？ 基于深度学习的模型为预测结直肠癌患者对新辅助治疗的反应提供了一种新方法。结直肠癌的形态学具有高度异质性，反映出其分子特征的多样性，因此，需要从结直肠癌患者中筛选出最有可能从新辅助治疗获益的人群，并通过预测新辅助治疗效果更好地了解治疗方案是否有效，以指导以患者为中心的治疗策略。 Chalabi等研究了结肠癌患者的免疫治疗效果，发现在dMMR组中，大部分患者达到pCR，而在错配修复正常组中，没有达到pCR的病例，提示免疫治疗dMMR/MSI-H患者的效果显著。目前，肿瘤突变负荷（tumor mutational burden，TMB）作为免疫治疗预测因子的作用已在结直肠癌中得到证实，TMB越高，肿瘤细胞产生的新抗原种类和数量越多，越易被免疫系统识别。当免疫检查点抑制剂激活自身的抗肿瘤免疫反应时，肿瘤细胞被杀死的概率更大。Cao等研究发现，无论癌症类型和TMB检测方法如何，TMB高表达对于接受非免疫治疗的患者均是不良预后因素，而对于接受免疫治疗的患者是一个有利的生存和预后因素。 推荐意见1：推荐将MSI状态、结直肠癌对新辅助治疗的反应、肿瘤退缩分级（tumor regression grade，TRG）、TMB及新辅助治疗预后的风险比（hazard ratio，HR）5个指标作为结直肠癌免疫治疗效果评估指标，其中MSI状态为主要判定指标，其余指标为辅助判定指标（证据等级：中；推荐强度：弱推荐）。 临床问题2：基于人工智能平台通过病理组学预测结直肠癌MSI状态在免疫治疗中的意义？ Echle等使用深度学习系统检测了结直肠癌常规数字化HE染色组织切片的MSI状态，发现该系统的9个队列中有8个曲线下面积（area under the curve，AUC）超过0.85，其中最高队列的AUC为0.96。Yamashita等利用深度学习模型直接从HE染色的全片图像自动预测MSI，发现该模型在内部数据的测试集上的AUC为0.931，在外部数据测试集上的AUC为0.779。Saillard等研发了基于人工智能的MSI预筛选工具MSIntuit，用于从HE染色的载玻片中检测MSI，结果显示，MSIntuit检测的灵敏度为0.96~0.98，特异度为0.47~0.46，同时排除了近一半的非MSI人群。 推荐意见2：推荐对行新辅助治疗的结直肠癌患者进行MSI状态检测，病理组学主要以HE染色的载玻片为基础，主要判定标准为MSI-H的概率，从而辅助判断是否增加免疫治疗（表2）。 表2基于人工智能辅助评估系统通过病理组学预测微卫星不稳定状态对免疫治疗的推荐\n\n \n 识别结果(概率)\n 临床意义\n 推荐意见\n 证据等级\n 推荐强度\n \n \n MSI-H(≥90%)\n 大概率对免疫治疗敏感\n 可考虑使用免疫治疗\n 中\n 强\n \n \n MSI(80%~\n 对免疫治疗的敏感性需结合其他指标判定\n 可考虑使用免疫治疗,但注意其不显著性\n 中\n 弱\n \n \n MSI-H(\n 小概率对免疫治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n\n\n注:MSI-H示微卫星高度不稳定\n 临床问题3：基于人工智能平台通过放射组学预测结直肠癌MSI状态在免疫治疗中的意义？ Cao等在PICC研究的基础上，寻找dMMR结直肠癌患者免疫治疗后的放射学特征，提出CT动脉期有3个影像学征象，并证实3个征象的缺失与pCR存在密切相关，为基于放射组学的深度学习提供了理论基础。Golia Pernicka等利用放射组学分析预测结肠癌术前CT检查的MSI状态，发现联合模型预测训练集和测试集预测MSI的AUC分别为0.80和0.79（特异度分别为96.8%和92.5%）。Fan等分别利用CT的放射组学特征、临床因素和联合模型对结直肠癌MSI状态的预测效果进行评估，结果显示，联合模型的AUC、灵敏度和特异度分别为0.752、0.663、0.841。Pei等建立一种基于CT的放射组学图像来预测结直肠癌患者治疗前的MSI状态，结果显示，其可较好地区分非MSI-H和MSI-H，训练组的AUC为0.74，验证组为0.77。Cai等利用MRI图像提取放射学特征，训练直肠癌MSI状态的人工智能预测模型，在训练组和外部测试组中的AUC分别为0.87和0.85。Wang等通过MRI图像构建深度学习模型，在术前预测直肠癌的MSI状态，最终放射组学联合临床模型的组合模型中，训练组和测试组的AUC分别为0.908和0.863。 推荐意见3：推荐对行新辅助治疗的结直肠癌患者进行MSI状态预测，放射组学主要涵盖CT或MRI检查。根据相关指南推荐，CT检查主要用于结肠癌MSI状态的预测，MRI检查主要用于直肠癌MSI状态的预测，主要判定标准为MSI-H的概率，从而辅助判断是否增加免疫治疗（表3）。 \n \n 表3基于人工智能辅助评估系统通过放射组学预测微卫星不稳定状态对免疫治疗的推荐\n \n \n 分类\n 识别结果(概率)\n 临床意义\n 推荐意见\n 证据等级\n 推荐强度\n \n \n 结肠癌\n MSI-H(≥80%)\n 大概率对免疫治疗敏感\n 可考虑使用免疫治疗\n 中\n 强\n \n \n CT检查预测\n MSI-H(\n 小概率对免疫治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n \n 直肠癌\n MSI-H(≥85%)\n 大概率对免疫治疗敏感\n 可考虑使用免疫治疗\n 中\n 强\n \n \n MRI检查预测\n MSI-H(\n 小概率对免疫治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n\n\n 临床问题4：基于人工智能平台预测新辅助治疗后pCR及TRG对免疫治疗的意义？ Shaish等利用MRI放射组学预测pCR和TRG，根据最佳的T2WI对原发肿瘤和周围系膜进行分割，pCR和TRG的AUC分别为0.80和0.80。Feng等利用预处理的MRI和HE染色活检切片，预测局部晚期直肠癌患者的pCR，结果显示，该模型预测pCR的AUC为0.812，灵敏度为0.888，特异度为0.740。Zhang等构建了深度学习模型，用于预测pCR和评估TRG和T分期，预测pCR的AUC为0.99，高于两名人工评分者的AUC（分别为0.66和0.72）；评估TRG的AUC为0.70，评估T降期的AUC为0.79。 推荐意见4：推荐对行新辅助治疗的结直肠癌患者进行效果预测，包括可能达到pCR的概率，以及可能的TRG（TRG 0~1级为退缩良好，TRG 2~3级为退缩不佳），从而辅助判断是否增加免疫治疗，推荐将该指标与MSI预测联合应用（表4）。 表4基于人工智能辅助评估系统的新辅助治疗效果预测对免疫治疗的推荐\n\n \n 识别结果（概率）\n 临床意义\n 推荐意见\n 证据等级\n 推荐强度\n \n \n 病理学完全缓解率（≥85%）\n 大概率对新辅助治疗敏感\n 可考虑使用免疫治疗\n 中\n 强\n \n \n TRG 0~1 级（≥80%）\n 大概率对新辅助治疗敏感\n 可考虑使用免疫治疗\n 中\n 弱\n \n \n TRG 2~3 级（≥80%）\n 小概率对新辅助治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n\n\n注:TRG示肿瘤退缩分级\n 临床问题5：基于人工智能平台预测结直肠癌TMB状态对免疫治疗的意义？ 近年来，TMB作为预测肿瘤免疫治疗效果的生物学标志物，已被多项研究证实。根据TMB进行分层会识别出可能从免疫检查点抑制剂治疗中获益的结直肠癌患者的亚群，从而指导免疫治疗的选择。Shimada 等开发了一种基于卷积神经网络的算法，直接利用HE染色组织切片预测TMB高的结直肠癌的AUC为0.910，同时随机选择载玻片进行10次验证试验，预测TMB高的载玻片的平均AUC为0.934。Huang等利用一种基于残差网络和多模态紧凑双线性池的多模态深度学习模型，直接从组织病理学图像和临床数据中预测TMB状态（即TMB高或TMB低），预测AUC为0.817。 推荐意见5：推荐对行新辅助治疗的结直肠癌患者进行TMB状态预测，主要判定标准为TMB高的概率，从而辅助判断是否增加免疫治疗，推荐将该指标与MSI状态预测协同应用（表5）。 表5基于人工智能辅助评估系统的肿瘤突变负荷(TMB)状态预测对免疫治疗的推荐\n\n \n 识别结果(概率)\n 临床意义\n 推荐意见\n 证据等级\n 推荐强度\n \n \n TMB高(≥85%)\n 大概率对新辅助治疗敏感\n 可考虑使用免疫治疗\n 中\n 弱\n \n \n TMB高(\n 小概率对新辅助治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n\n\n 临床问题6：基于人工智能平台预测结直肠癌的预后对免疫治疗的意义？ Kather等利用卷积神经网络评估人类肿瘤微环境，并直接利用组织病理学图像预测预后，发现总体生存时间的HR为1.63，结直肠癌特异性总体生存时间的HR为2.29、无复发生存时间的HR为1.92。Skrede等通过使用深度学习模型直接分析常规HE组织切片的扫描图像，开发原发性结直肠癌患者预后的生物学标志物，该标志物提示不良和良好预后的HR为3.84和3.04。Jiang等开发了一种基于深度学习的预后分层系统，用于自动预测结直肠癌患者术后的总体生存和癌症特异性生存，并使用模型预测的风险评分将患者分为不同的风险组，比较组间的生存结果，外部验证的结果表明，高危组的疾病特异性生存时间低于低危组，HR为3.08；在另外两个测试集中，疾病特异性生存时间的HR分别为2.23和3.07。 推荐意见6：推荐对行新辅助治疗的结直肠癌患者进行病情预后的预测，主要判定标准为患者预后不良的高风险和低风险概率，从而辅助判断是否增加免疫治疗，推荐将该指标与MSI预测协同应用（表6）。 表6基于人工智能辅助评估系统的结直肠癌预后的预测对免疫治疗的推荐\n\n \n 识别结果(概率)\n 临床意义\n 推荐意见\n 证据等级\n 推荐强度\n \n \n 高风险(HR≥3)\n 大概率对辅助治疗敏感\n 可考虑使用免疫治疗\n 中\n 弱\n \n \n 高风险(HR\n 小概率对辅助治疗敏感\n 免疫治疗可能获益小\n 低\n 弱\n \n\n\n注:HR示风险比\n 人工智能的计算方法在自动量化肿瘤特征方面取得了令人满意的效果，结直肠癌患者的诊疗流程涉及许多高质量视觉数据的评估，从初始诊断中内镜的组织病理学检查图像，到制订治疗决策的组织病理学或影像学检查图像，人工智能平台已被证实可更快速、精准地辅助临床医师进行结直肠癌诊疗效果的预测和评估。目前已有许多临床获批的基于人工智能的预测系统及生物学标志物研究，基于人工智能诊疗的首批前瞻性随机临床试验正在进行中，目前两个关键研究终点是总体生存时间和生活质量。当然，在无法进行分子检测的情况下，降低检测成本和工作量，实现有针对性的治疗方法，也是将人工智能诊疗应用于结直肠癌患者诊断和治疗的重要原因。 参与本共识撰写和讨论的编审小组成员（按姓氏拼音首字母排序） 外科学组： 丁培荣（中山大学肿瘤防治中心）、杜晓辉（解放军总医院第一医学中心）、冯波（上海交通大学医学院附属瑞金医院）、高源（青岛大学附属医院）、韩加刚（首都医科大学附属北京朝阳医院）、何显力（空军军医大学第二附属医院）、靖昌庆（山东第一医科大学附属省立医院）、兰平（中山大学附属第六医院）、李心翔（复旦大学附属肿瘤医院）、刘骞（中国医学科学院肿瘤医院）、卢云（青岛大学附属医院）、陶凯雄（华中科技大学同济医学院附属协和医院）、童卫东（陆军特色医学中心）、王贵英（河北医科大学第四医院）、王权（吉林大学第一医院）、王振军（首都医科大学附属北京朝阳医院）、王征（华中科技大学同济医学院附属协和医院）、武爱文（北京大学肿瘤医院）、许剑民（复旦大学附属中山医院）、姚宏伟（首都医科大学附属北京友谊医院）、张卫（海军军医大学第一附属医院）、张忠涛（首都医科大学附属北京友谊医院）、周建平（中国医科大学第一附属医院） 人工智能组： 郝爱民（北京航空航天大学）、李帅（北京航空航天大学） 病理学组： 陈光勇（首都医科大学附属北京友谊医院）、王继刚（青岛大学附属医院）、邢晓明（青岛大学附属医院） 影像学组： 郝大鹏（青岛大学附属医院）、刘学军（青岛大学附属医院）、张晓燕（北京大学肿瘤医院） 肿瘤学组： 李波（青岛大学附属医院）、李健（北京大学肿瘤医院）、章真（复旦大学附属肿瘤医院） 执笔者： 高源、卢云、李帅、姚宏伟 点击左下角“阅读原文”，获取更多文章信息 来源：中华外科杂志 编辑：李静 初审：沈锡宾 终审：刘冰

推荐意见与 GRADE 证据分级