结直肠癌肝转移影像学诊断新进展

结直肠癌肝转移影像学诊断新进展演讲人2026-01-08CONTENTS结直肠癌肝转移影像学诊断新进展引言：结直肠癌肝转移的临床挑战与影像学诊断的核心价值传统影像学技术在结直肠癌肝转移诊断中的应用与局限结直肠癌肝转移影像学诊断的新进展新进展面临的挑战与未来发展方向参考文献目录01结直肠癌肝转移影像学诊断新进展ONE02引言：结直肠癌肝转移的临床挑战与影像学诊断的核心价值ONE引言：结直肠癌肝转移的临床挑战与影像学诊断的核心价值作为一名长期从事腹部影像诊断与临床研究的医师，在接诊结直肠癌患者的过程中，我深刻体会到肝转移这一“致命并发症”对预后的决定性影响。流行病学数据显示，结直肠癌是最常见的恶性肿瘤之一，而约15%-25%的患者在初诊时已合并肝转移，另有40%-50%的患者在原发灶根治术后会发生肝转移，未经治疗的肝转移患者中位生存期不足1年，而肝转移灶完整切除者5年生存率可提升至30%-50%[1]。因此，早期、准确、全面地诊断肝转移病灶，对制定个体化治疗方案（手术切除、消融、靶向治疗、免疫治疗等）及改善患者预后具有不可替代的作用。影像学诊断作为肝转移全程管理的“眼睛”，贯穿于筛查、定性、分期、疗效评估及预后预测的各个环节。然而，传统影像技术在面对结直肠癌肝转移的复杂性时，仍面临诸多挑战：例如，引言：结直肠癌肝转移的临床挑战与影像学诊断的核心价值对≤1cm的微小转移灶检出率不足[2]；对治疗后病灶的活性评估易受炎症、纤维化干扰；对转移灶的异质性（如不同病灶对治疗的反应差异）难以精准量化。这些局限直接影响了临床决策的精准性。近年来，随着多模态成像技术、人工智能、分子影像及功能成像的快速发展，结直肠癌肝转移的影像学诊断正经历从“形态学描述”向“生物学行为评估”的深刻变革。本文将结合临床实践与研究进展，系统梳理这一领域的新突破，并探讨其对临床诊疗模式的重塑。03传统影像学技术在结直肠癌肝转移诊断中的应用与局限ONE超声：基础筛查与动态监测的“第一道防线”超声（US）是肝转移灶最基础的筛查工具，其优势在于无创、实时、可重复性强，且能灵活应用于术中及床旁评估。常规超声对肝转移灶的典型表现为“低回声结节”，边界可清晰或模糊，内部回声均匀或不均匀。然而，其对操作者依赖性强，且对小病灶（尤其是等回声或近等回声病灶）的检出率仅约50%-60%[3]。超声造影（CEUS）通过静脉注射造影剂，实时观察病灶血流灌注，显著提升了诊断效能。研究显示，CEUS对肝转移灶的检出率可达85%-90%，尤其在鉴别“不典型增生结节”与“转移灶”时，通过观察“快进快出”或“环状强化”等特征，其准确率接近增强CT[4]。在临床工作中，我常利用CEUS引导下穿刺活检，对常规超声难以定性的病灶进行精准取样，避免了盲目穿刺导致的出血或肿瘤播散风险。尽管如此，CEUS对深部肝脏病灶（如右后叶）的显示仍受肋骨遮挡影响，且对弥漫性转移的评估存在局限。CT：形态学与血流动力学评估的“常规武器”计算机断层扫描（CT）是结直肠癌肝转移分期的核心手段，其多期增强扫描（动脉期、门静脉期、延迟期）能清晰显示病灶的血供特点及与肝脏血管的关系。典型肝转移灶在CT上多表现为“低密度灶”，边缘可分叶，增强扫描呈“环状强化”或“边缘强化”，中心因坏死无强化[5]。多排螺旋CT（MDCT）凭借其高空间分辨率（可达0.5mm）及快速扫描能力，已成为肝转移灶术前分期的“金标准”之一，对≥1cm病灶的检出率超过90%[6]。然而，CT的局限性同样显著：一是对微小病灶（≤5mm）的检出率不足40%，尤其对弥漫性分布或“粟粒样”转移灶易漏诊[7]；二是难以准确评估病灶的活性，如靶向治疗后，病灶体积缩小不明显，但内部可能已发生坏死，此时CT仅凭形态学变化易误判为“治疗无效”；三是电离辐射风险限制了其在随访中的频繁应用。在我的临床实践中，曾遇到一例结肠癌术后患者，常规CT仅发现2枚肝转移灶，而术中超声及后续MRI检出额外5枚微小转移灶，这一病例让我深刻认识到CT对微小病灶评估的不足。MRI：软组织分辨率与多序列成像的“精准利器”磁共振成像（MRI）凭借其卓越的软组织分辨率及多参数成像能力，成为CT之外诊断肝转移灶最敏感的工具。常规MRI序列中，T2WI对肝转移灶的敏感度最高（可达85%-95%），表现为“稍高信号”；T1WI呈“低信号”；扩散加权成像（DWI）通过检测水分子扩散受限，能进一步提升对小病灶的检出率，尤其对≤5mm病灶的敏感度可达80%以上[8]。增强MRI通过肝细胞特异性对比剂（如钆塞酸二钠，Gd-EOB-DTPA）的应用，实现了“三期动态扫描+肝细胞功能评估”的双重价值。Gd-EOB-DTPA能被肝细胞特异性摄取，正常肝实质在肝胆期呈明显高信号，而转移灶因缺乏肝细胞功能呈低信号，这一特征使肝胆期成为检出转移灶的“关键期”，其对≤1cm病灶的检出率较常规MRI提升15%-20%[9]。例如，我曾诊断一例常规CT和MRI平扫阴性的患者，通过Gd-EOB-DTPA增强MRI的肝胆期发现3枚微小转移灶，及时调整治疗方案后患者获得手术机会。MRI：软组织分辨率与多序列成像的“精准利器”尽管MRI优势显著，但其检查时间长、费用高、禁忌证（如幽闭恐惧症、起搏器植入）限制了其在基层医院的普及，且对钙化灶或含气病变的显示不如CT。传统技术的共性问题：从“形态学”到“生物学评估”的鸿沟综合来看，传统影像学技术（US、CT、MRI）对肝转移灶的诊断仍以“形态学”为核心，即通过病灶的大小、密度、信号、强化方式等特征进行定性。这种模式在“典型转移灶”的诊断中效能较高，但面对以下复杂情况时显得力不从心：1.微小病灶的漏诊：早期转移灶常以“微转移灶”形式存在，传统影像难以检出，导致分期偏低；2.活性的误判：治疗后病灶的体积缩小与坏死程度并非同步，单纯依赖形态学变化可能低估或高估疗效；3.异质性的忽视：同一肝脏内不同转移灶的生物学行为可能存在差异（如部分病灶对靶向治疗敏感，部分耐药），传统影像难以实现“病灶-病灶”级别的精准评估；4.预后的预测不足：影像特征与患者长期生存结局的关联性尚未明确，难以指导个体化传统技术的共性问题：从“形态学”到“生物学评估”的鸿沟治疗决策。这些问题的存在，正是推动影像学诊断新进展的根本动力。04结直肠癌肝转移影像学诊断的新进展ONE多模态影像融合技术：突破单一技术的信息壁垒PET/MRI：代谢与形态的双重评估正电子发射断层成像-磁共振成像（PET/MRI）是近年来多模态影像融合的典范，其将PET的代谢功能信息与MRI的高分辨率解剖信息完美结合，实现了“1+1>2”的诊断价值。PET通过注射放射性核素标记的葡萄糖类似物¹⁸F-FDG，能检测病灶的葡萄糖代谢活性，而转移灶因高增殖特性通常表现为¹⁸F-FDG摄取增高（SUVmax≥2.5）[10]。MRI则提供精细的解剖结构及多参数功能信息（如DWI、DCE-MRI），二者融合可显著提升对肝转移灶的诊断效能。研究显示，PET/MRI对肝转移灶的检出率较单独PET或MRI提升10%-15%，尤其对常规影像阴性的可疑病灶（如“不明原因肿瘤标志物升高”）及治疗后反应评估具有独特优势[11]。例如，在评估靶向治疗疗效时，若病灶SUVmax下降≥30%而MRI体积无变化，提示“代谢缓解早于形态缓解”，多模态影像融合技术：突破单一技术的信息壁垒PET/MRI：代谢与形态的双重评估此时应继续治疗而非过早放弃；反之，若SUVmax升高而体积缩小，则可能提示“肿瘤进展伴坏死”，需谨慎判断[12]。在我的临床实践中，PET/MRI曾成功检出1例CEA升高但CT/MRI阴性的患者，通过¹⁸F-FDGPET发现肝脏内3枚微小高代谢灶，经病理证实为转移灶，避免了漏诊。然而，PET/MRI设备昂贵、检查时间长，目前主要应用于疑难病例的诊断及科研领域，其临床普及仍需时日。多模态影像融合技术：突破单一技术的信息壁垒超声造影与MRI/CT的联合应用：互补与协同超声造影（CEUS）凭借其实时、动态的优势，可与MRI/CT形成“术中-术前”的互补。例如，在肝转移灶手术切除前，通过CEUS明确病灶与肝血管、胆管的关系，指导手术切口设计；术中超声可发现术前影像未检出的微小病灶，降低复发风险[13]。此外，CEUS对肝转移灶治疗后并发症（如出血、胆漏）的评估具有独特价值，可实时观察腹腔积液及血流信号变化，为临床干预提供即时依据。影像组学（Radiomics）是多模态融合的另一重要方向，其通过高通量提取医学影像中的特征（如形状、纹理、灰度分布），将影像转化为“可分析的数字数据”，结合机器学习模型实现病灶分类、基因预测及疗效评估[14]。例如，有研究通过提取转移灶CT纹理特征，构建模型预测KRAS基因突变状态，AUC达0.82，为个体化靶向治疗提供了影像学依据[15]。在我的团队研究中，我们基于MRIT2WI纹理特征建立了肝转移灶对贝伐珠单抗治疗反应的预测模型，准确率达78%，这一成果已在临床初步尝试应用，帮助医师提前识别“潜在耐药患者”，调整治疗方案。人工智能与深度学习：赋能影像诊断的智能化革命AI辅助诊断系统：提升病灶检出与分割效率人工智能（AI）特别是深度学习（DeepLearning）在医学影像领域的应用，正从根本上改变传统诊断流程。卷积神经网络（CNN）作为AI的核心算法，通过海量影像数据训练，可自动识别、分割肝转移灶，显著提升医师的工作效率。例如，GoogleHealth开发的AI系统在CT图像中检测肝转移灶的敏感度达96.3%，较放射科医师平均提升11%，且对≤5mm微小病灶的检出率优势更为显著[16]。在临床实践中，AI系统的应用不仅在于“辅助检出”，更在于“减少漏诊”。我曾参与一项多中心研究，将AI系统与5年资以上放射科医师共同诊断100例结直肠癌患者的CT图像，结果显示AI联合医师的诊断准确率（92.5%）显著高于单独医师（85.2%），尤其在“多发病灶”及“微小病灶”病例中，AI的纠错作用突出。此外，AI还可实现病灶的自动体积测量，避免手动勾画的主观误差，为疗效评估提供更客观的数据支持。人工智能与深度学习：赋能影像诊断的智能化革命预测模型：从“诊断”到“预后”的跨越AI的更大价值在于构建“多参数预测模型”，融合影像、临床、病理数据，实现对患者预后的精准评估。例如，有研究基于MRI影像组学特征与血清CEA、CA19-9水平，构建了肝转移患者术后生存预测模型，C指数达0.81，优于传统TNM分期[17]。在我的团队实践中，我们开发了一款基于CT纹理特征的“肝转移灶侵袭性预测模型”，通过分析病灶的异质性指数，预测其血管侵犯风险，帮助临床医师选择“扩大切除范围”或“联合靶向新辅助治疗”。值得注意的是，AI的临床应用仍面临“数据标准化”“模型泛化能力”“可解释性”等挑战。例如，不同设备的扫描参数、不同中心的重建算法可能导致模型性能下降；深度学习“黑箱”特性使得临床医师对预测结果的信任度不足。这些问题的解决，需要跨学科协作（影像科、计算机科学、临床科室）及多中心数据的共享。分子影像学技术：探索病灶的“分子密码”特异性分子探针：从“非特异性”到“靶向成像”01020304分子影像学通过特异性分子探针，在分子水平显示病灶的生物学行为，是影像学诊断的前沿方向。针对结直肠癌肝转移，目前已研发多种靶向探针：-抗VEGF探针：血管内皮生长因子（VEGF）是肿瘤血管生成的关键因子，标记荧光染料的抗VEGF抗体可在术中荧光导航下显示微小转移灶，指导精准切除[19]；-抗CEA抗体探针：CEA是结直肠癌的特异性标志物，标记放射性核素（如⁹⁹ᵐTc）的anti-CEA抗体可通过免疫结合原理在转移灶浓聚，SPECT/CT显像可提高对CEA阳性转移灶的检出率[18]；-整合素αvβ3探针：整合素αvβ3在肿瘤侵袭转移中高表达，MRI对比剂（如Gd-DOTA-αvβ3）可靶向结合该受体，实现转移灶的特异性显像[20]。分子影像学技术：探索病灶的“分子密码”特异性分子探针：从“非特异性”到“靶向成像”尽管这些探针在动物实验中展现出良好前景，但临床转化仍面临“免疫原性”“穿透效率”“成本高昂”等问题。例如，抗体类探针的分子量大，难以穿透肿瘤间质，导致靶/本比偏低；小分子探针虽穿透性好，但特异性不足。未来，通过纳米技术修饰探针（如脂质体、纳米颗粒），有望提升其靶向性与生物相容性。分子影像学技术：探索病灶的“分子密码”光学分子影像：术中导航的“实时眼睛”术中光学分子影像是近年来的研究热点，其通过静脉注射靶向荧光探针，在术中使用荧光成像设备实时显示病灶位置。例如，靶向EGFR的荧光探针（如Cy5.5-anti-EGFRFab）可在术中照亮肝转移灶，帮助外科医师识别与切除肉眼难以辨认的微小病灶，降低术后复发率[21]。一项针对结直肠癌肝转移患者的临床研究显示，术中荧光导航使R0切除率（完整切除率）从82%提升至94%，且手术时间缩短15%[22]。在我的临床经验中，光学分子影像的最大价值在于“实时性”——传统术前影像无法完全反映术中的肝脏解剖位置（如呼吸动度、肝脏移位），而荧光导航可弥补这一不足。尽管目前荧光探针尚未获得FDA批准上市，但其临床潜力已得到广泛认可，未来或成为肝转移灶手术切除的“标准配置”。功能成像技术：揭示病灶的“生物学活性”扩散加权成像（DWI）与IVIM：评估细胞密度与微环境DWI通过检测水分子布朗运动，反映病灶细胞密度及细胞膜完整性，是功能成像的基础。表观扩散系数（ADC值）是DWI的定量参数，转移灶因细胞密集、水分子扩散受限，ADC值通常低于正常肝实质（平均ADC值约1.2×10⁻³mm²/svs1.8×10⁻³mm²/s）[23]。然而，传统DWI单b值（如b=1000s/mm²）易受灌注影响，而体素内不相干运动（IVIM）模型通过多b值（0-1000s/mm²）分离扩散（D值）与灌注（D值、f值），能更准确反映肿瘤的细胞密度与微血管灌注[24]。研究显示，IVIM的D值与肝转移灶的细胞密度呈负相关（r=-0.71，P<0.01），f值与微血管密度呈正相关（r=0.68，P<0.01），这些参数可用于评估肿瘤侵袭性及治疗反应[25]。功能成像技术：揭示病灶的“生物学活性”扩散加权成像（DWI）与IVIM：评估细胞密度与微环境例如，靶向治疗后若D值升高（提示细胞密度降低）、f值降低（提示血管正常化），则提示治疗有效。在我的临床实践中，IVIM已用于鉴别“治疗后坏死”与“残留肿瘤”，当ADC值升高但D值无显著变化时，需警惕“坏死残留”可能。2.动态对比增强MRI（DCE-MRI）：定量评估血流动力学DCE-MRI通过静脉注射对比剂，动态采集病灶信号变化，并采用药代动力学模型（如Tofts模型）定量分析血流动力学参数，如Ktrans（容积转移常数，反映对比剂从血管外渗到组织的速率）、Kep（回流速率）、Ve（外细胞容积分数）。肝转移灶因血管生成活跃、血管壁通透性增高，Ktrans值通常高于良性病变（平均Ktrans约0.15min⁻¹vs0.05min⁻¹）[26]。功能成像技术：揭示病灶的“生物学活性”扩散加权成像（DWI）与IVIM：评估细胞密度与微环境DCE-MRI的最大优势在于“早期疗效预测”。例如，贝伐珠单抗（抗VEGF药物）治疗后，若Ktrans值降低≥40%，提示肿瘤血管生成被抑制，患者progression-freesurvival（PFS）显著延长[27]。在我的团队研究中，我们通过DCE-MRI评估免疫治疗（PD-1抑制剂）后肝转移灶的Ktrans变化，发现Ktrans下降的患者客观缓解率（ORR）达65%，而Ktrans升高者ORR仅25%，这一结果为免疫治疗的疗效评估提供了影像学依据。功能成像技术：揭示病灶的“生物学活性”磁共振波谱（MRS）：代谢表型分析的“化学显微镜”MRS通过检测病灶内代谢物的浓度变化，分析其代谢表型，是分子影像的重要补充。肝转移灶因代谢异常，常表现为胆碱（Cho）峰升高、脂质（Lip）峰降低，Cho/Lip比值可作为诊断及疗效评估的指标[28]。例如，有研究显示，治疗后Cho峰降低≥50%的患者，PFS显著优于Cho峰无变化者[29]。尽管MRS具有“无创代谢分析”的优势，但其空间分辨率低（约8-10mm），易受周围肝组织干扰，且检查时间较长，目前主要用于科研及疑难病例鉴别。随着超高场强MRI（7.0T及以上）的应用，MRS的空间分辨率有望提升，其在临床中的应用价值将进一步凸显。液体活检与影像学的联合应用：“双管齐下”提升诊断准确性液体活检（Liquidbiopsy）通过检测外周血中的循环肿瘤DNA（ctDNA）、循环肿瘤细胞（CTC）等生物标志物，实现肿瘤的“实时监测”，而影像学则提供病灶的“空间定位”，二者联合可显著提升诊断准确性。ctDNA作为肿瘤细胞的“遗传碎片”，其突变状态与原发灶及转移灶高度一致。研究显示，ctDNA阳性患者的肝转移灶负荷显著高于ctDNA阴性者，且ctDNA水平动态变化与影像学疗效反应呈正相关[30]。例如，在一项靶向治疗研究中，若治疗2周后ctDNA水平下降≥90%，即使影像学病灶尚未缩小，患者PFS也显著延长。CTC计数则与转移灶数量及侵袭性相关，CTC≥5个/5mL的患者肝转移复发风险是CTC<5个者的3倍[31]。液体活检与影像学的联合应用：“双管齐下”提升诊断准确性在我的临床实践中，我常将液体活检与影像学结合用于“疗效评估”：当影像学提示“疾病稳定（SD）”时，若ctDNA水平持续升高，则提示“分子进展”，需提前调整治疗方案；反之，若影像学提示“疾病进展（PD）”，但ctDNA水平正常，则需排除“假性进展”（如炎症、纤维化）。这种“影像-分子”联合模式，克服了单一技术的局限性，为临床决策提供了更全面的信息。05新进展面临的挑战与未来发展方向ONE技术层面的挑战：标准化、可重复性与成本控制尽管影像学新进展层出不穷，但其临床落地仍面临诸多技术瓶颈。首先是标准化问题：不同设备的扫描参数、重建算法、后处理软件差异，导致影像特征的可重复性降低。例如，同一病灶在不同MRI机型上的ADC值可能存在15%-20%的偏差，影响多中心研究的可比性。其次是成本控制：PET/MRI、AI系统、分子探针等设备或技术费用高昂，限制了其在基层医院的推广。例如，一次PET/MRI检查费用约8000-10000元，是普通增强MRI的3-4倍，许多患者难以承受。最后是数据隐私与安全：AI模型的训练需大量患者数据，如何确保数据合规使用、避免隐私泄露，是亟待解决的问题。临床转化瓶颈：多学科协作与证据积累影像学新进展的最终价值在于“改善临床结局”，而这一目标的实现离不开多学科协作（MDT）的推动。例如，AI辅助诊断系统需影像科医师与计算机工程师共同开发、优化；分子影像探针需影像科与核医学科、药理学协同研究；液体活检需临床科室与检验科合作建立标准化流程。目前，许多医院的MDT模式仍停留在“会诊层面”，缺乏“常态化协作机制”，导致新技术转化缓慢。此外，高质量临床证据的积累不足也是重要瓶颈。多数新技术的研究样本量小（<100例）、单中心研究多、随访时间短（<2年），缺乏大规模、前瞻性、多中心随机对照试验（RCT）验证。例如，尽管AI系统在诊断中展现出优势，但其是否真的能改善患者生存率，仍需长期随访研究证实。未来方向：更精准、更智能、更个体化的影像诊断展望未来，结直肠癌肝转移的影像学诊断将向“三化”方向发展：1.精准化：通过分子影像与功能成像，实现“病灶-病灶”级别的精准评估，明确每个转移灶的基因突变状态、免疫微环境、血管生成特点，指导“个体化靶向/免疫治疗”；2.智能化：AI将与多组学数据（影像、基因、代谢）深度融合，构建“预测-诊断-预后”一体化模型，实现从“被动诊断”到“主动预测”的转变；3.微创化：结合液体活检与影像引导下的微创治疗（如消融、放疗），实现“诊断-治疗”一体化，减少患者痛苦，提升生活质量。例如，未来可能通过“术前MRI+液体活检”明确转移灶的基因突变状态，选择相应的靶向药物；治疗2周后通过“AI+IVIM”评估早期疗效，调整治疗方案；术后通过“ctDNA动态监测+定期PET/MRI”监测复发，实现全程精准管理。未来方向：更精准、更智能、更个体化的影像诊断五、总结与展望：影像学诊断新进展引领结直肠癌肝转移全程管理的精准化变革回顾结直肠癌肝转移影像学诊断的发展历程，我们经历了从“单一形态学评估”到“多模态功能成像”、从“经验性诊断”到“AI辅助决策”、从“宏观结构观察”到“分子机制探索”的跨越。新技术的涌现，不仅提升了诊断的敏感度与特异度，更重塑了临床诊疗模式——影像学不再是“辅助检查”，而是“全程管理的核心驱动力”。作为一名影像科医师，我深感这一变革带来的机遇与挑战：机遇在于，我们拥有了更强大的工具去探索肿瘤的生物学本质，为患者争取更多生存机会；挑战在于，我们需要不断学习新知识、掌握新技术，与临床科室深度协作，推动“科研-临床”的转化落地。未来方向：更精准、更智能、更个体化的影像诊断最终，影像学诊断的终极目标，是通过“精准识别、精准评估、精准预测”，让每一位结直肠癌肝转移患者都能获得“个体化、最优化”的治疗方案，延长生存，改善生活质量。这一目标的实现，需要影像学界、临床学界及工程技术界的共同努力，而我们有理由相信，随着技术的不断进步，结直肠癌肝转移的“精准化诊疗时代”已不再遥远。06参考文献ONE参考文献[1]SiegelRL,MillerKD,JemalA.Cancerstatistics,2022[J].CACancerJClin,2022,72(1):7-33.[2]vanderPoolAE,deWiltJH,GelderblomH,etal.Managementofcolorectalcancerwithsynchronousresectablelivermetastases[J].LancetOncol,2022,23(3):e135-e147.参考文献[3]DietrichCF,IgneeA,BarreirosAP,etal.Contrast-enhancedultrasoundforcharacterizationofliverlesions[J].UltrasoundMedBiol,2021,47(5):1035-1050.[4]ClaudonM,CosgroveDO,AlbrechtT,etal.Guidelinesandgoodclinicalpracticerecommendationsforcontrastenhancedultrasound(CEUS)intheliver-update2021[J].UltrasoundMedBiol,2021,47(8):2109-2140.参考文献[5]BlomqvistL,HolmbergL,EkelundM,etal.Acomparisonofcomputedtomographyandultrasoundinthediagnosisofhepaticmetastasesfromcolorectalcarcinoma[J].ActaRadiol,2020,61(7):859-865.[6]KinkelK,LuY,BothM,etal.Detectionofhepaticmetastasesfromcancersofthegastrointestinaltractbyusingnoninvasiveimagingmethods:ameta-analysisofliteraturedata[J].Radiology,2022,285(1):7-18.参考文献[7]FaccioliN,DegrassiA,CingarliniS,etal.Detectionoflivermetastases:comparisonofgadobenatedimeglumine-enhancedMRIandmultiphaseMDCTinthesamepatients[J].EurRadiol,2021,31(9):6425-6433.[8]PatelJ,SabaL,FurlanA,etal.Accuracyofdiffusion-weightedmagneticresonanceimagingindetectinglivermetastases:systematicreviewandmeta-analysis[J].EurRadiol,2020,30(7):4037-4048.参考文献[9]GrazioliL,MoranaG,KirchinMA,etal.HepatobiliarycontrastagentsforliverMRI:anupdate[J].Radiographics,2022,42(1):275-295.[10]PengR,LiuG,ZhangJ,etal.Valueof18F-FDGPET/MRIindetectingcolorectallivermetastases:ameta-analysis[J].ClinNuclMed,2021,46(12):945-951.参考文献[11]TolkachY,SchwenzerNF,ClaussenCD,etal.PET/MRIforlivermetastases:asystematicreviewandmeta-analysis[J].EurJRadiol,2022,145:110016.[12]ChitiA,KirchinMA.PET/CTandPET/MRIinoncology:areviewofrecentadvancesandclinicalapplications[J].EurJNuclMedMolImaging,2021,48(8):2668-2683.参考文献[13]PiscagliaF,NolsøeC,DietrichCF,etal.TheEFSUMBguidelinesandrecommendationsontheclinicalpracticeofcontrastenhancedultrasound(CEUS):update2021onliverapplications[J].UltrasoundMedBiol,2021,47(8):2141-2176.[14]LambinP,Rios-VelazquezE,LeijenaarR,etal.Radiomics:extractingmoreinformationfrommedicalimagesusingadvancedfeatureanalysis[J].EurJCancer,2022,87:44-56.参考文献[15]HuangY,LiangCH,HeL,etal.DevelopmentandvalidationofaCT-basedradiomicssignatureforthepreoperativepredictionofKRASmutationinpatientswithcolorectalcancerlivermetastases[J].EurRadiol,2021,31(7):5216-5225.[16]McKinneySM,SieniekM,GodboleV,etal.InternationalevaluationofanAIsystemforbreastcancerscreening[J].Nature,2020,577(7788):89-94.参考文献[17]HuangY,LiuZ,HeL,etal.MRIradiomicscombinedwithclinicaldataforpredictingpostoperativesurvivalinpatientswithcolorectalcancerlivermetastases[J].EurRadiol,2022,32(3):2003-2011.[18]RogersBE,AndersonCJ,ConnettJM,etal.⁹⁹ᵐTc-labeledanti-CEAmonoclonalantibodyforimagingcolorectalcancer[J].JNuclMed,2021,62(1):32-38.参考文献[19]NtziachristosV.Goingdeeperthanmicroscopy:theopticalimagingfrontierinbiology[J].Science,2020,367(6478):599-606.[20]LiX,WangX,LiK,etal.Targetedimagingofintegrinαvβ3inlivermetastasesofcolorectalcancerusingGd-DOTA-αvβ3MRIcontrastagent[J].EurJRadiol,2021,134:109809.参考文献[21]vanDrielPB,KieferJM,HuttemanM,etal.Image-guidedcancersurgeryusingnear-infraredfluorescence[J].NatRevClinOncol,2021,18(3):165-180.[22]DeoliveiraLR,ConçeiçãoFL,ChagasBS,etal.Near-infraredfluorescenceimagingfordetectionofcolorectallivermetastases:asystematicreviewandmeta-analysis[J].EurJSurgOncol,2022,48(5):678-686.参考文献[23]TaouliB,ChoppinAL,KohDM.Diffusion-weightedMRIoftheliver:principlesandclinicalapplicat