背景结直肠癌(Colorectal cancer,CRC),全球高发恶性肿瘤[1,2]。化疗是抑制术后肿瘤生长的重要方式,极大提高了患者的生存期[3,4]。但不同个体对化疗反应不尽相同,仅20%真正得到临床获益,仍有多数出现化疗不反应(抵抗)。关于化疗效果的评价,疗程结束后肿瘤标志物CA199、癌胚抗原CEA检测及定期影像检查,是临床采用的主要方式,而可以一定程度上预测关于化疗不反应的功能机制、耐药基因及分子靶点的研究,不胜枚举,但仍待进一步整合及验证。无法在化疗前,预先评估化疗疗效是亟待解决的临床需求。因此,迫切需要增加新的无创高效的预测手段,精准筛选适宜人群。人工智能(Artificial Intelligence,AI),凭借其强大的图像识别、特征分析技术为创新结直肠癌预后评估方式带来了新角度,越来越多海内外研究期望联合AI解决此类临床难题。目前,在结直肠癌领域,借助AI平台协助评估预后主要是基于影像[5-7],基于病理将临床特征与预后状况通过AI算法相联系尚未得到有效开展。但已有研究证实可使用AI引导机器学习分析前列腺癌等病理图片预测患者疾病进展风险[8]。上述研究无疑能为结直肠癌化疗反应评估开拓新思路,即基于数字病理图像联合AI算法,构建精准无创的预测模型,“看到”临床及病理医生看不到的微观或亚视觉,建立有预测应用价值的数字病理生物标签,丰富了临床决策权重,实现化疗反应精准预测,具有巨大的潜在应用价值。目的探讨AI辅助结直肠癌化疗疗效智能应用模式,探讨结直肠癌化疗疗效的智能病理预测模型的可行性及准确性。方法收集符合条件的样本89例,根据条件分为反应组/部分反应组、无反应组/进展组,获得数字病理图像,方法一通过标注肿瘤细胞,利用ResNet50模型提取特征,方法二通过标注肿瘤细胞、肿瘤微环境(肿瘤间质、肿瘤内浸润免疫细胞、肿瘤相关性血管),利用Xception、InceptionV3、ResNet50三种模型融合提取特征,后分别利用算法进行聚类、分类,构建化疗疗效预测模型,评估模型准确性。结果1、基于结直肠癌肿瘤细胞特征构建的化疗疗效的智能病理预测模型在训练集、测试集上的准确率分别约为0.99(99%)、0.74(74%);在反应组/部分反应组、不反应组/进展组、所有样本组上的准确率分别约为0.67(66.67%)、0.90(90%)、0.80(80.00%);在训练集、测试集上的ROC曲线下面积分别为1.00(AUC=1.00)、0.74(AUC=0.74)。2、基于结直肠癌肿瘤细胞及其微环境(肿瘤间质、肿瘤内浸润免疫细胞、肿瘤相关性血管)构建的化疗疗效的智能病理预测模型在训练集、测试集上的准确率分别约为0.92(92%)、0.78(78%),其中测试最好的情况下,准确率可达到0.83(83%);在训练集、测试集上的ROC曲线下面积分别为1.00(AUC=1.00)、0.87(AUC=0.87)。结论结直肠癌化疗疗效的智能病理预测准确率较高,效果较好,基于肿瘤或肿瘤及其微环境特征的方式准确率均达到75%左右,较好情况下可高达80%以上,技术具有可行性,预测结果具有临床指导意义。基于结直肠癌肿瘤细胞及其微环境(肿瘤间质、肿瘤内浸润免疫细胞、肿瘤相关性血管)构建的化疗疗效的智能病理预测模型的准确性优于基于单一的基于肿瘤细胞特征。