影像/病理特征深度学习在结直肠癌相关基因突变应用进展

周 巍, 赵艳娟, 潘诗农

1.北部战区总医院 放射诊断科,辽宁 沈阳 110016;2.中国医科大学附属盛京医院 放射诊断科,辽宁 沈阳 110004

结直肠癌(colorectal cancer,CRC)是世界上癌症相关死亡的第三大原因[1]。CRC的结局差异较大,5年存活率为10%～90%,具体取决于疾病分期和其他病理生理因素[2-3]。CRC患者基因突变率高达48.9%,其中,KRAS、NRAS、BRAF基因突变会影响CRC的发生发展、耐药和复发转移,也是晚期CRC明确有效的药物治疗靶点和疗效预测生物标志物[2]。明确基因突变状态对于CRC精准诊疗及全程管理至关重要[1]。同时,了解具有预后能力的CRC分子和组织病理学特征可能有助于识别复发或转移风险较高的CRC患者,从而更准确地预测和指导辅助治疗[4]。目前,肿瘤组织活检是明确CRC患者基因突变状态的标准,但由于其价格昂贵且属于有创操作,患者依从性较差,严重影响药物治疗方案的选择和远期预后。因此,临床上急需一种无创性的新方法精准判断CRC患者的基因突变情况。本文就影像/病理特征深度学习在CRC相关基因突变的应用进展作一综述。

1 CRC的病理学及分子生物学特征

1.1 CRC的病理学特征

2019年,世界卫生组织对CRC亚型进行了重新分类。目前,CRC的预后主要依赖于国际癌症控制联盟(International Cancer Control,UICC)和美国癌症联合委员会(International Cancer Control,AJCC)肿瘤淋巴结转移(tumor-node-metastasis,TNM)分期分类定义的癌症分期。然而,同一病理阶段的患者预后存在较大差异,特别是在CRC的中间阶段(Ⅱ期和Ⅲ期)[5]。TNM系统是肿瘤学中应用较多的分期系统。虽然,TNM不是专门为放射分期而设计的,但TNM已被放射科医师广泛用于癌症(包括CRC)的诊断报告。组织学特征(如肿瘤出芽、神经周围浸润、根尖淋巴结阳性、淋巴结产量、淋巴结比值)和分子特征,微卫星不稳定性(microsatellite instability,MSI)、KRAS、BRAF,以及人表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)、尾型同源盒转录因子2(caudal-related homeobox transcription factor 2,CDX2),已被确定为指导预后和优化辅助治疗的组织学特征及生物标志物[6-7]。

1.2 CRC分子生物学特征

CRC常规使用的分子标志物包括KRAS、NRAS和BRAF(扩展RAS检测)缺乏特异性的激活突变分类,基因组规模分析(超突变或非超突变CRC)[8]和转录组分析[CRC的共识分子亚型(consensus molecular subtype,CMS)]这两种方法也主要用于CRC分子诊断分类[9],二者均具有基于亚型的靶向治疗的潜力。磷脂酰肌醇-4,5-二磷酸3-激酶催化亚基-α基因(phosphatidylinositol-4,5-bisphosphate 3-kinase catalytic subunit alpha,PIK3CA)激活突变与较差的具体预后、抗EGFR治疗的阴性预测反应,以及对乙酰水杨酸的成功辅助反应相关[10]。免疫相关标记物(如免疫评分)代表了潜在的预后分层工具[11],基因表达特征的预后用途受到更多依赖,特别是用于确定术后复发的风险。CRC根据其组织病理学特征进行分类,包括肿瘤大小、分级和疾病阶段。然而,这种分类方法忽略了CRC的异质性。CRC亚型联盟确定了4种CMS(CMS1、CMS2、CMS3和CMS4),为CRC提供了目前较稳健的分类系统[12]。虽然,现阶段TNM分期仍然是指导CRC治疗决策的重要的特征,但CMS分类是对TNM分期的相关补充,以便为个体患者提供最佳治疗策略。

1.2.1 KRAS KRAS是抗EGFR治疗不可或缺的生物标志物。3种RAS癌基因(HRAS、KRAS和NRAS)是人类癌症中最常见的突变基因家族的一部分,KRAS是最常突变的,约占所有RAS驱动癌症的85%,其次是NRAS(12%),最后是HRAS(3%)。当上述基因发生突变时,细胞将具有更大的侵袭和转移潜力。KRAS密码子12、13、61和146特异性点突变在KRAS突变的癌症中经常发生,其聚集在外显子2(密码子12和13)、外显子3(密码子61)或外显子4(密码子146)中,并保持KRAS-GTP活性形式,从而导致肿瘤的发生和进展。特别是超过90%的KRAS突变发生在甘氨酸12。这种氨基酸位于蛋白质的P环区,在稳定核苷酸结合中起关键作用。KRAS致癌激活对于结肠上皮的恶性转化至关重要。约29%～45%的局部晚期CRC患者检测到KRAS突变,KRAS状态显示CRC和直肠癌之间无差异[13]。有研究报道,与无突变的患者比较,Ⅳ期KRAS突变患者的病死率更高(34.0%比18.5%),总生存期降低(23.5个月比14.0个月)。此外,KRAS突变是存活率降低的独立危险因素。

1.2.2 NRAS NRAS突变患者从临床和分子角度形成一个独特的转移性CRC亚组[14]。3%～5%的CRC显示NRAS基因的外显子2、3和4突变,但由于患者数量少,与KRAS和BRAF突变比较,这些遗传变化的影响研究较少。有研究报道,KRAS和NRAS突变患者的临床和病理特征相似,NRAS突变患者对抗EGFR治疗反应不佳[15]。KRAS和NRAS突变肿瘤表现出相似的转移模式,即其播散通常是肝、肺和腹膜。然而,存在个体差异,NRAS突变患者的黏液组织学发生率及肺转移频率均较低[16]。

1.2.3 BRAF BRAF较少见,但很重要。BRAF在丝裂原活化蛋白激酶(mitogen activated protein kinase,MAPK)途径激活中发挥作用,并有助于细胞生长、增殖和分化,以及其他关键细胞过程,如迁移、凋亡和细胞存活。BRAF和KRAS突变是相互排斥的。约13%的患者同时存在BRAF与PIK3CA的突变,BRAF突变被认为是转移性CRC阴性预后的生物标志物[15]。近年来,有研究报道,RNF43突变有可能可以预测接受抗BRAF/EGFR治疗的BRAF突变微卫星稳定mCRC患者的结局[16]。

1.2.4 c-MET及Claudin18.2 c-MET是位于7号染色体带q21eq31上的原癌基因,是由MET基因编码产生的具有自主磷酸化活性的跨膜受体,属于酪氨酸激酶受体家族。c-MET信号的异常激活可引发癌症,原因包括蛋白质过表达和基因扩增或重排。在胃肠道恶性肿瘤中,c-MET异常激活可能与KARS基因的转录上调有关[17]。c-MET过表达对于c-MET抑制剂的反应具有潜在的预测价值[18]。Claudin18.2(CLDN18.2)蛋白是一种跨膜蛋白,基因位于人第3号染色体的3q22.3,具有高度选择性的标志蛋白,异常表达可导致上皮细胞、内皮细胞的结构功能受损。有研究表明,CLDN18.2持续异常过度表达尤其好发于消化道肿瘤[19]。

1.2.5 HER2及MSI HER2癌基因是酪氨酸激酶家族的成员,类似于EGFR、HER1、HER3和HER4。HER2位于17号染色体上,编码185 kD的跨膜蛋白,该蛋白通过配体结合激活[20]。HER2激活启动信号通路,包括MAPK和PI3K/AKT,对细胞增殖和分化至关重要[21]。有研究报道,HER2在包括CRC在内的多种恶性肿瘤中过度表达[22]。HER2扩增是转移性CRC的相关遗传改变。这一事实在Meric-Bernstam等[23]研究中均有记录。Crimi等[24]研究已经证明了CRC领域对抗HER2疗法的反应。MSI的生发异常代表了林奇综合征的分子基础[25]。事实上,携带dMMR/MSI肿瘤的CRC患者使用免疫检查点抑制剂,使无进展生存期翻倍并保持持久反应,显示出显著且改变实践的结果[26]。与Ⅳ期比较,CRC肿瘤在Ⅱ期和Ⅲ期的MSI阳性更常见。散发性MSI阳性肿瘤位于近端,在老年女性中更常见,分化较差,有黏液组织学,并有明显的淋巴细胞浸润[27]。

1.2.6 CDX2 CDX2是一种高度保守的主转录因子,可控制肠上皮的发育和分化。编码CDX2的基因位于染色体13q12-13上。CDX2是一种调节肠上皮细胞分化的转录因子。CDX2在基因转录水平上诱导分化并抑制增殖,其表达几乎完全局限于胃肠道。在常规的日常诊断实践中,CDX2被用作识别肠道起源肿瘤的标志物。少数研究试图将CDX2表达缺失与特定的MMR基因(MLH1、MSH2、MSH6、PMS2)相关联[28]。Konukiewitz等[29]研究报道,CDX2缺失不仅可以识别生存特征较差的CRC患者,还可以识别特定分期组(如UICCⅡ/Ⅲ期)中具有特别侵袭性病程的CRC患者。2022年,Alarid-Escudero等[30]报道了CDX2表达检测和辅助化疗实施Ⅱ期CRC的成本效益分析,研究发现,根据CDX2表达缺失确定一组Ⅱ期CRC患者进行靶向化疗是一种具有成本效益的策略。

2 影像组学与病理组学

近年来,医学图像的深度计算分析,特别是放射组学和病理组学、基因组学,已经显示出许多令人兴奋的结果,用于预测CRC患者的预后[31]。分别来自传统放射组学、病理组学分析的初步结果已经证明了将图像特征与不同系统恶性肿瘤相关临床指标相结合对疾病的预测能力[32-33]。

2.1 影像组学概述 影像组学是指基于CT、MRI、PET/CT或超声等医学图像,高通量地提取大量相关疾病的影像组学特征,将医学影像转化为高维数据,量化医学图像上各种肿瘤的特征信息,然后,对这些特征进行统计学分析,建立具有分类、预测功能的统计学模型[34]。影像组学在CRC诊疗中的临床应用主要包括CRC鉴别诊断、术前分期、转移预测、疗效及预后评估等[35]。

2.2 影像组学在CRC诊疗中的应用 2023年,Chen等[36]提出对结直肠感兴趣区域特征预处理的规范化,特征筛选精细化,标签构建方面增强等方法具有可推广性。基于术前增强CT图像的影像学分析,可无创读取CRC肿瘤MSI状态,并成功将Ⅱ期CRC患者进行预后分层。Yao等[37]对Ⅱ～Ⅲ期CRC术后进行预后预测,在特征提取方面做了创新,以深度特征代替羽翳及纹理特征,最后与TNM分期联合构建了个体化预测工具。Dohan等[38]基于CRC肝转移治疗后2个月时的增强CT图像纹理分析,即可预测患者总生存期,预测时效早于经典RECIST 1.1(美国国家癌症研究所和欧洲癌症治疗研究组织共同制定的实体癌评价)标准,相当于6个月时经典RECIST 1.1评估的预测效能。可见影像组学可以辅助临床,可尽早制定治疗决策(继续/停止)。

2.3 影像-病理组学在CRC诊疗中的应用 2022年,Feng等[39]使用治疗前MRI和苏木精-伊红染色的活检载玻片图像,其中,对于病理模型的建立包括两部分:病理组学核心模型和病理组学微环境模型。Feng等[39]使用CellProfiler软件从全视野数字切片中提取病理组学核心特征(肿瘤细胞),并使用VGG-19深度卷积神经网络提取病理组学微环境特征(肿瘤间质),开发和验证一个影像-病理组学的集成预测系统(RAPIDS)来预测局部晚期直肠癌患者对新辅助放化疗的病理完全缓解,识别对放化疗高度敏感且有可能实现病情完全缓解的直肠癌患者,并为其提供标准(或强化)新辅助放化疗,可提高生存期和生活质量。

3 人工智能在CRC诊断与预后中的应用现状

随着人工智能的发展,深度学习已在医学图像分析领域中开展了无数的应用,在肿瘤学、放射学、病理学、皮肤病学和眼科等均取得了飞速发展。结肠镜检查被认为是CRC筛查的“金标准”[40]。然而,小型(直径≤5 mm)或无蒂息肉仅凭人眼观察可能漏诊(漏诊率约为23.6%)[41]。随着人工智能的进展,特别是计算机辅助检测(computer aided detection,CAD)系统,如实时自动检测系统,以改进CRC检测率[42]。这主要得益于深度学习程序可以独立识别大量图像和声音的强大技术,从而减少视觉诊断中的人为错误。Xu等[43]在2023年的一项双盲随机对照试验中,证实了CAD辅助结肠镜检查有助于提高腺瘤检出率。Hsu等[44]提出了一种基于深度学习开发的结肠镜检查程序内预警系统,对于模糊图像和包含褶皱、粪便和不透明水的图像的检测,准确率为96.2%;而应用于视频图像时,每个息肉的检测准确率为100.0%;高质量图像帧和息肉图像帧的召回率分别为95.7%和92.0%;通过每帧分析获得的视频图像的总体警报准确率和低质量假阳性率分别为95.30%和0.18%。这提示,在结肠镜移动过快、肠道中存在粪便残留物或结肠扩张不足的情况下,人工智能系统可用于提醒内镜医师放慢手术速度或进行冲洗或管腔扩张。CAD在检测CRC方面的准确性已得到普遍认可。Barua等[45]纳入了5项随机对照试验(共4 311例患者),证实结肠镜检查时使用CAD的腺瘤检出率明显优于单独结肠镜检查(29.6%比19.3%),假阳性警报平均值为11.2%。Li等[46]分析了16项使用CAD的研究,发现CAD对CRC检测和分类的受试者工作特征曲线下面积为0.940,且敏感性高于专家组(88%比80%,P<0.05)。

4 小结

在精准医疗快速发展的时代,伴随着人工智能深度学习的发展,传统影像组学、病理组学及基因组学的结合是CRC肿瘤诊断、分期、疗效评估等预后相关指标的无创预测的又一方式和选择,且进一步融合、发展,可以为影像学对肿瘤综合评价的机制方面做出更全面和客观的解释,对于影像组学方法不断规范化和标准化,确保更强的通用性和可重复性,影像组学与CRC病理表型的前瞻性研究,可以进一步提高影像学在CRC的早期诊断及预后评估中的作用,在未来多模态医学不断融合和人工智能不断发展的时代,发挥更大的作用。