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）

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)(2025版)》,以期辅助预测结直肠癌患者的MSI状态等相关指标，高度不稳定(microsatelliteinstabilityhigh,MSI-H)肿瘤约占结直肠癌的15%,该类型肿瘤具有免疫应答强、淋巴细胞浸润性强和response,cCR)率可达100%5;亦有很多针对dMMR结直肠癌患者进行PD-1抑制剂治疗的研究取得了满意的病理学完全缓解卫星不稳定(microsatelliteinstability,MSI)可通过免疫组化估结直肠癌患者对免疫治疗的反应11]。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的启动时间为2024年11月17日，定稿时间为2025年3月22日。级及推荐强度见表1。证据等级内容高根据前期的临床研究及病理验证，具有高度的识别准确率(AUC≥90%)中根据前期的临床研究及病理验证，具有中等的识别准确率(80%≤AUC<90%)低根据前期的临床研究及病理验证，具有较低的识别准确率(AUC<80%)内容强弱临床问题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mutationalburden,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，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(tumorregressiongrade,T疗预后的风险比(hazardratio,HR)5个指标作为结直肠癌免疫治定指标(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(areaunderthecurve,AUC)超过0.85,其中最高队列的AUC为0.96。Yamashita等23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24]研发了基于人工智能的MSI预筛选工具MSIntuit,用度为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识别结果(概率)临床意义中强MSI(80%~<90%)对免疫治疗的敏感性需结合其他指中弱MSI-H(<80%)小概率对免疫治疗免疫治疗可能获益小低弱临床问题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了理论基础。GoliaPernicka等26J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。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0.8AUC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状态疫治疗(表3)。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识别结果(概率)临床意义中强免疫治疗可能获益小低弱中强免疫治疗可能获益小低弱Shaish等3利用MRI放射组学预测pCR和TRG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33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(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。TRG2~3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)。的新辅助治疗效果预测对免疫治识别结果(概率)临床意义病理学完全缓解率(≥85%)中强TRC0~1级(≥80%)中弱TRG2~3级(≥80%)免疫治疗可能获益小低弱临床问题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?Shimada等34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。 (即TMB高或TMB低),预测AUC为0.817。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识别结果(概率)临床意义TMB高(≥85%)中弱TMB高(<85%)免疫治疗可能获益小低弱临床问题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Skrede等37J通过使用深度学习模型直接示不良和良好预后的HR为3.84和3.04。Jiang等383开发了一种基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表6基于