近日，MISA实验室刘相宇准聘副教授，联合四川大学华西医院王辛主任团队、中科院自动化研究所刘振宇/田捷研究员团队，在基于人工智能的局部晚期直肠癌个体化新辅助治疗方案选择中取得新进展。相关成果发表于Springer Nature旗下期刊npj Digital Medicine（中科院1区TOP，SCI IF：18.0）。
局部晚期直肠癌的术前新辅助治疗包括全程新辅助治疗（TNT）、标准新辅助放化疗（nCRT）和单纯新辅助化疗（nCT）等多种方案。不同方案在治疗强度、毒副作用及疗效获益方面各具特点，目前临床主要依据肿瘤分期、高危影像表征及多学科团队（MDT）经验进行方案选择。然而，即使处于相同风险分层，不同患者对各类治疗方案的敏感性仍存在显著差异，容易造成治疗不足或过度治疗。因此，如何在治疗前实现个体化方案选择，是直肠癌精准诊疗的重要挑战。
针对这一问题，研究团队构建了一个融合治疗前多参数MRI与临床信息的人工智能支持框架。与传统仅预测单一治疗方案疗效不同，该模型能够同时评估患者接受TNT、nCRT和nCT三种方案时获得病理完全缓解（pCR）的概率，并据此推荐更适合患者的治疗方案，为临床医生提供可比较的量化决策依据。
在模型设计上，团队创新性地引入治疗扰动学习策略，将不同治疗强度之间的临床先验关系融入模型训练过程，使模型能够在真实世界非随机治疗数据中更稳定地学习不同方案间的疗效差异。同时，模型采用硬门控混合专家（Mixture-of-Experts，MoE）架构，为TNT、nCRT和nCT分别构建方案特异性专家网络，学习不同治疗方式对应的影像-临床响应模式，实现面向不同治疗方案的精准疗效预测与个体化推荐（图 1）。
研究共纳入855例局部晚期直肠癌患者，其中760例回顾性多中心队列用于模型训练与验证，95例独立前瞻性多中心队列用于测试。结果显示，该模型在验证队列和前瞻性测试队列中的AUC分别达到0.827和0.790，显著优于传统临床模型，并在TNT、nCRT和nCT三个治疗亚组中均保持稳定的预测性能，验证了模型良好的泛化能力。（图 2）。
进一步的治疗决策分析表明，模型能够识别潜在治疗不足和过度治疗患者，并据此提出治疗升级、维持或降级建议。其中，被建议升级治疗的患者在实际接受原方案时的pCR率仅为11.11%，而模型预测其接受更高强度治疗后的pCR概率可提升至30.95%；对于部分建议降级治疗的患者，模型预测其在较低强度方案下仍可保持较高的治疗响应，体现出在兼顾疗效与降低治疗毒性的潜力。
该研究将治疗扰动学习与方案特异性MoE建模相结合，实现了局部晚期直肠癌三种新辅助治疗方案的个体化智能推荐，为AI辅助MDT精准制定治疗策略提供了新的技术路径，推动直肠癌新辅助治疗由“群体分层”向“个体化方案选择”迈进。
期刊介绍
npj Digital Medicine是Nature旗下国际权威数字医学期刊，关注数字与移动技术、虚拟医疗、人工智能和信息学在健康与医疗中的临床应用和实施，覆盖经验证的人工智能与机器学习模型、数字生物标志物、数字孪生、临床信息学和数字化临床实践等主题。JCR 2026发布的2025 Journal Impact Factor为18.0。期刊位列中科院一区Top期刊，在数字医学、医学信息学、人工智能医疗和临床计算应用等交叉方向具有较高国际影响力。
西安电子科技大学为该论文第一完成单位，MISA实验室刘相宇准聘副教授为该论文第一作者。
论文链接：https://www.nature.com/articles/s41746-026-02798-w