早期結直腸癌內鏡切除后是否行追加手術切除是根據現行指南確定的。而接受追加治療病例的淋巴結轉移(LMN)率并不高，預測LMN很難。日本昭和大學橫濱北方醫院消化內科中心神山勇太教授開發了預測T1期結直腸癌LMN的人工智能(AI)模型，并在第100屆結直腸癌研究會議(1月25~26日)上展示了準確性驗證的結果。“所開發的人工智能模型的預測能力明顯高于當前指南，并且有可能減少35%的過度手術。”

現行治療指南并未對LMN風險進行充分分級

多數T1期結直腸癌均需進行內鏡切除術。根據現行《結直腸癌治療指南》，內鏡下切除T1期結直腸癌后是否追加進行淋巴結清除術和腸切除，根據是否存在LMN危險因素來確定。

然而在追加切除術中，大約90%的病例LMN陰性，存在過度手術的可能性。目前內鏡切除后基于病理診斷的LMN風險分級還不夠充分。

為了解決這個問題，人們嘗試使用AI和列線圖對T1期結直腸癌的LMN風險進行分級。然而，這些方法都使用病理風險因素作為指標，而且病理學家之間的一致性不高，卡帕系數低于0.6。

使用近400個病例評估準確性

神山勇太教授和他的同事們專注于利用AI模型進行病理圖像的研究。他們使用多實例學習(MIL)方法開發了一種AI模型，該模型可使用全幻燈片圖像(WSI)預測T1期結直腸癌的LMN，并通過與當前指南進行比較來驗證其有效性。

該模型使用了2001年4月~2021年10月期間在昭和大學橫濱北方醫院接受T1期結直腸癌切除術的1,056名患者的數據。僅采用內窺鏡治療的病例被排除在外。使用截至2018年10月的270個隨機選擇的手術病例作為學習病例，以及從2018年11月起的連續100個手術病例作為測試病例來評估預測準確性。

測試病例背景為初次內鏡切除病例41例，LMN陽性15例。檢測病例中LMN陽性率為15%。

未來將開展多中心聯合研究

當前指南的受試者工作特征(ROC)曲線下面積(AUC)為0.524(95% CI 0.50至0.55)，而開發的AI模型的預測精度明顯更高，為0.721(95% CI 0.63至0.81)(P=0.001，圖)。

▲圖 ROC曲線下面積(AUC)

此外，與當前指南相比，當靈敏度為100%時，AI模型有可能將假陽性或過度手術減少35%。

基于上述內容，神山勇太教授總結道：“使用WSI構建的結直癌腸T1期LMN預測AI模型對于確定是否適合進行追加手術非常有用。” 不過，他也提出了這項研究的三個局限性：(1)它是一項單中心回顧性研究，(2)病理切片的狀況通常因設施而異，(3)病理切片可能沒有捕捉到最深部分。“我們打算在未來開展一項多中心合作研究。”