1255-结直肠癌深度学习放射组学与多组学预后分层研究

这项研究开发了一种基于深度学习影像组学模型（DLRM）的整合分析框架，旨在改善结直肠癌（CRC）的预后风险分层。研究人员通过分析一千多名患者的CT图像，并对比百余种机器学习算法组合，成功将患者分为高风险与低风险两组。除了影像学分析，研究还结合了转录组学与代谢组学数据，揭示了不同风险组之间显著的生物学差异。结果发现，高风险肿瘤通常表现出细胞外基质（ECM）相关通路的活跃，而低风险肿瘤则具有更强的免疫激活特征。此外，研究确定了丁酸代谢与氮代谢是与良好预后相关的关键保护性途径。这一多组学整合模型不仅提高了生存预测的准确性，还为结直肠癌的个体化治疗提供了潜在的生物学靶点。

References:

• Li Z, Cai R, Qin Y, et al. Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer[J]. NPJ Precision Oncology, 2026.