KIA-Korekt：针对结直肠癌围手术期风险预测的分阶段单模态至多模态人工智能评估 (KIA-Korekt)

结直肠癌（CRC）是全球最常见的恶性肿瘤之一。尽管外科技术和围手术期护理取得了进展，短期术后并发症仍然频繁发生，并对患者生活质量、医疗成本和长期预后产生重大影响。这些并发症包括吻合口漏、伤口感染、败血症、血栓栓塞事件和院内死亡率。现有的临床风险评分（ASA、POSSUM）仅提供有限的个体化风险分层，且未纳入影像学生物标志物。

KIA-Korekt 研究通过开发和验证基于人工智能的结直肠癌围手术期并发症预测模型来解决这一空白，整合了三种互补的影像学模态：

数字组织病理学：来自手术切除标本和术前活检的苏木精-伊红染色全切片图像（H&E-WSIs）使用基于注意力的多实例学习（MIL）和卷积神经网络（CNNs）进行分析，建立在德累斯顿工业大学计算病理学系（AG Kather）的成熟流程基础上。

放射学：术前 CT 和 MRI 图像使用自动分割（TotalSegmentator、nnU-Net）和影像组学特征提取（PyRadiomics）进行处理。特征来源于原发肿瘤、腰大肌（肌肉减少症）以及内脏/皮下脂肪区域。专用的多指标质量控制流程确保跨扫描仪和采集协议的稳定影像数据表示。

多重组织成像（mTI）：对福尔马林固定石蜡包埋的肿瘤组织应用多重免疫组化与多光谱成像（mIHC-MSI）和成像质谱流式细胞术（IMC），以表征肿瘤微环境中的免疫和基质细胞群、标志物表达强度及空间分布模式。

针对每种模态分别开发和验证单模态模型。多模态集成通过特征级融合、晚期融合以及使用交叉注意力机制的多模态多实例学习来实现。模型性能使用 AUC-ROC、校准图、Brier 分数和决策曲线分析进行评估。可解释性通过 SHAP 值和注意力热图进行评估。

本研究采用混合回顾性（n=750，2011-2021）和前瞻性验证（n=210，2026-2028）队列设计。回顾性队列为模型开发和内部交叉验证提供基础；前瞻性队列支持在临床条件下进行真实世界的外部验证。

全面的患者层面宏观-微观相关性分析研究了放射影像表型与来自同一肿瘤的微观组织病理学和免疫学特征之间的关联，从而实现独特的整合生物学见解。

本研究由欧盟和勃兰登堡州（HealthTranslateBB/ERDF）以及德国研究基金会（DFG）资助。伦理批准已由勃兰登堡医科大学特奥多尔·冯塔内伦理委员会授予。所有前瞻性参与者均提供书面知情同意书。回顾性数据根据 GDPR 以假名化形式处理。

研究结果将通过同行评审的开放获取出版物以及国内和国际会议报告进行传播。