面对Ⅱ期结直肠癌患者，如何精准判断谁需要辅助化疗、谁可避免过度治疗?这一临床困境长期存在，下面的研究为破解此难题提供了新思路，其创新方法在风险分层上的突破，或将改变现有治疗决策模式，为该领域的精准医疗发展带来重要启示。
Ⅱ期结直肠癌风险分层精度有限，精准治疗决策待突破，影像与病理融合成新方向
结直肠癌是全球第三大常见癌症，也是第二大致命性癌症，其中Ⅱ期患者因病情异质性强，治疗决策面临巨大挑战。当前临床主要依据临床病理特征(如肿瘤浸润深度、淋巴结取样数量等)进行风险分层，以决定是否采用辅助化疗，但这种方法准确性有限。数据显示，辅助化疗仅能使Ⅱ期患者的生存率提升3%-5%，导致部分低风险患者承受不必要的治疗毒性，而高风险患者却可能错失有效干预。尽管已有免疫评分、Oncotype DX等生物标志物尝试优化风险评估，但这些方法在成本效益和普及性上仍存争议。
2025年，Annals of Oncology发表了一篇题为“Enhanced risk stratification for stageⅡcolorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision”的文章，创新性地提出将深度学习影像分析与病理指标结合，旨在填补现有风险分层体系的不足，为Ⅱ期结直肠癌的精准治疗开辟新路径。
多中心数据支撑模型构建，影像与病理多维度整合，实现风险精细分层
本研究是一项回顾性多中心研究，旨在开发并验证一种整合深度学习CT分类器与病理指标的新型风险分层系统(IRIS-CRC)。研究纳入12个中心的2992例Ⅱ期结直肠癌患者，其中1587例来自4个中心的患者作为训练集(7:3分为训练组与内部验证组)，1405例来自8个独立中心的患者作为外部验证集。研究首先基于多平面CT图像，利用Swin Transformer架构开发深度学习分类器(STAR-CRC)，将患者分为低危、中危、高危三组;随后针对中危组，结合病理指标(pT4分期、淋巴结取样数量、神经侵犯、淋巴血管侵犯)构建复合评分，最终形成四级风险分层系统(IRIS-CRC)。主要评价指标为3年无病生存率(DFS)，次要指标为总生存率(OS)，通过Kaplan-Meier曲线、C指数等方法对比该系统与传统指南分层系统(GRSS-CRC)的效能。
IRIS-CRC实现四级精准分层，风险重分类优化治疗决策，效能显著优于传统方法
研究结果显示，IRIS-CRC将患者明确分为四级风险组，3年无病生存率分别为≥95%(低危)、75%-95%(中危)、55%-75%(高危)、≤55%(极高危)，分层界限清晰。外部验证中，与GRSS-CRC相比，IRIS-CRC将27.1%的传统高危患者重新归类为低危，这些患者可避免不必要化疗;同时将6.5%的传统低危患者升级为极高危，提示需加强治疗。在传统中危组中，40.1%被重新划分为低危，7.0%被划分为极高危，显著提升了风险区分度。从效能指标看，IRIS-CRC在训练集、内部验证集和外部验证集的C指数分别为0.792、0.778和0.686，均显著高于GRSS-CRC(分别为0.545、0.563和0.584)。此外，该系统在接受化疗和未接受化疗的亚组中均保持稳定的分层能力，证实其在不同治疗场景下的适用性。作者指出，“IRIS-CRC提供了比现有指南更精准的个体化风险评估，有望减少过度治疗并识别需强化治疗的高危患者”。
总结
本研究通过整合深度学习CT影像分析与病理指标，成功构建了Ⅱ期结直肠癌的精准风险分层系统IRIS-CRC。该系统突破了传统分层方法的局限，通过四级风险划分实现了更精细的患者归类，显著优化了辅助化疗决策——既为低危患者避免不必要治疗提供依据，也为高危患者争取了更积极的干预机会。其创新点在于将影像的宏观特征与病理的微观指标有机融合，且经多中心大样本验证，具有较强的临床推广价值。这一成果不仅为Ⅱ期结直肠癌的个体化治疗奠定了基础，也为其他癌症的风险分层提供了“影像+病理”多模态整合的可借鉴范式，有望推动肿瘤精准医疗迈向新高度。
参考文献：Huang Y Q, Chen X B, Cui Y F, et al. Enhanced risk stratification for stageⅡcolorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision[J]. Annals of Oncology, 2025.
面对Ⅱ期结直肠癌患者，如何精准判断谁需要辅助化疗、谁可避免过度治疗?这一临床困境长期存在，下面的研究为破解此难题提供了新思路，其创新方法在风险分层上的突破，或将改变现有治疗决策模式，为该领域的精准医疗发展带来重要启示。
Ⅱ期结直肠癌风险分层精度有限，精准治疗决策待突破，影像与病理融合成新方向
结直肠癌是全球第三大常见癌症，也是第二大致命性癌症，其中Ⅱ期患者因病情异质性强，治疗决策面临巨大挑战。当前临床主要依据临床病理特征(如肿瘤浸润深度、淋巴结取样数量等)进行风险分层，以决定是否采用辅助化疗，但这种方法准确性有限。数据显示，辅助化疗仅能使Ⅱ期患者的生存率提升3%-5%，导致部分低风险患者承受不必要的治疗毒性，而高风险患者却可能错失有效干预。尽管已有免疫评分、Oncotype DX等生物标志物尝试优化风险评估，但这些方法在成本效益和普及性上仍存争议。
2025年，Annals of Oncology发表了一篇题为“Enhanced risk stratification for stageⅡcolorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision”的文章，创新性地提出将深度学习影像分析与病理指标结合，旨在填补现有风险分层体系的不足，为Ⅱ期结直肠癌的精准治疗开辟新路径。
多中心数据支撑模型构建，影像与病理多维度整合，实现风险精细分层
本研究是一项回顾性多中心研究，旨在开发并验证一种整合深度学习CT分类器与病理指标的新型风险分层系统(IRIS-CRC)。研究纳入12个中心的2992例Ⅱ期结直肠癌患者，其中1587例来自4个中心的患者作为训练集(7:3分为训练组与内部验证组)，1405例来自8个独立中心的患者作为外部验证集。研究首先基于多平面CT图像，利用Swin Transformer架构开发深度学习分类器(STAR-CRC)，将患者分为低危、中危、高危三组;随后针对中危组，结合病理指标(pT4分期、淋巴结取样数量、神经侵犯、淋巴血管侵犯)构建复合评分，最终形成四级风险分层系统(IRIS-CRC)。主要评价指标为3年无病生存率(DFS)，次要指标为总生存率(OS)，通过Kaplan-Meier曲线、C指数等方法对比该系统与传统指南分层系统(GRSS-CRC)的效能。
IRIS-CRC实现四级精准分层，风险重分类优化治疗决策，效能显著优于传统方法
研究结果显示，IRIS-CRC将患者明确分为四级风险组，3年无病生存率分别为≥95%(低危)、75%-95%(中危)、55%-75%(高危)、≤55%(极高危)，分层界限清晰。外部验证中，与GRSS-CRC相比，IRIS-CRC将27.1%的传统高危患者重新归类为低危，这些患者可避免不必要化疗;同时将6.5%的传统低危患者升级为极高危，提示需加强治疗。在传统中危组中，40.1%被重新划分为低危，7.0%被划分为极高危，显著提升了风险区分度。从效能指标看，IRIS-CRC在训练集、内部验证集和外部验证集的C指数分别为0.792、0.778和0.686，均显著高于GRSS-CRC(分别为0.545、0.563和0.584)。此外，该系统在接受化疗和未接受化疗的亚组中均保持稳定的分层能力，证实其在不同治疗场景下的适用性。作者指出，“IRIS-CRC提供了比现有指南更精准的个体化风险评估，有望减少过度治疗并识别需强化治疗的高危患者”。
总结
本研究通过整合深度学习CT影像分析与病理指标，成功构建了Ⅱ期结直肠癌的精准风险分层系统IRIS-CRC。该系统突破了传统分层方法的局限，通过四级风险划分实现了更精细的患者归类，显著优化了辅助化疗决策——既为低危患者避免不必要治疗提供依据，也为高危患者争取了更积极的干预机会。其创新点在于将影像的宏观特征与病理的微观指标有机融合，且经多中心大样本验证，具有较强的临床推广价值。这一成果不仅为Ⅱ期结直肠癌的个体化治疗奠定了基础，也为其他癌症的风险分层提供了“影像+病理”多模态整合的可借鉴范式，有望推动肿瘤精准医疗迈向新高度。
参考文献：Huang Y Q, Chen X B, Cui Y F, et al. Enhanced risk stratification for stageⅡcolorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision[J]. Annals of Oncology, 2025.
