一项纳入2501名直肠癌患者的多中心研究，训练了一个自动识别MRI上肠壁外血管侵犯（mrEMVI）的模型。在两个外部测试队列里，它判断的准确率分别达到81.5%和84.7%，与资深放射科医生的一致性达到「较高度」。

做直肠癌术前评估时，可以主动问医生：报告里有没有提到「肠壁外血管侵犯」这项指标，它对治疗方案和预后判断意味着什么。如果医院正在使用AI辅助判读，也可以了解它是作为参考，还是参与最终报告。

一个靠经验判读的指标

直肠癌的MRI报告里，有一项指标叫「肠壁外血管侵犯」——肿瘤细胞跑到了肠壁外的血管里。它和复发风险、预后密切相关。但它也是出了名的「看人下菜」：不同医生看同一张片子，判断差异可以不小。

同一个片子，两个人两个答案

你可以想象这样的场景：同一份影像，甲医生判「有侵犯」，乙医生说「看不清」。差别会影响分期，也可能影响要不要做更积极的治疗。问题的根子在于，这个指标目前主要依赖人工在灰度图像上做主观判断。能不能让机器先给一个更稳定的定位和提示？

2501例，训练加外部验证

先教AI认出血管侵犯：研究共纳入2501名直肠癌患者，其中1830人用于训练模型（做五折交叉验证），另外671人分属两个独立的外部测试队列。模型的任务，是把MR图像里提示血管侵犯的区域自动圈出来并可视化，而不是只给一个「是或否」。

两个外部队列都过八成：在分割效果上，肿瘤区域的相似度最高（0.850），血管内肿瘤信号和扩张血管较低（0.442和0.335）。而在判断「有没有血管侵犯」这件事上，模型在两个外部队列的准确率分别为81.5%和84.7%，与资深放射科医生的判断一致性为0.713到0.736。

判出来的结果，确实有预后意义：研究没有停在「准不准」上：被模型判为有血管侵犯的患者，三年无病生存和五年总生存都明显更低。这说明AI圈出来的指标与真实结局挂钩。

81.5%和84.7%——两个外部队列、两场考试，成绩都稳在八成以上；与资深医生的一致性也达到较高度。但要注意，两个队列的患者都接受了新辅助放化疗，这会改变影像表现。

AI能帮忙，但不能拍板

1 AI的价值在一致性——把「看人下菜」的主观判断，往更稳定的方向拉一点。

2 它仍需临床把关——研究提示，模型会把较大的直肠周围血管误判成血管侵犯；最终报告仍应由医生签发。

3 影像评估正在变得更结构化，治疗后评估是同一个方向：把肿瘤床形态、扩散受限、系膜筋膜、血管侵犯等逐项打分，再与手术病理对照，能让「疗效好不好」这件事更可讨论 [来源：MRI-Based Structured Assessment of Treatment Response in Rectal Cancer After Total Neoadjuvant Therapy: Correlation With Surgical and Pathological Outcomes]。

① 研究设计：多中心回顾性研究，尚需前瞻性验证才能用于临床决策。
② 人群局限：均为中国患者，向其他人种外推需谨慎。
③ 已知误判：模型会把较大的直肠周围血管当作血管侵犯，存在假阳性。
④ 标注问题：血管侵犯由单个放射科医生标注，可能带入主观偏倚。

参考资料：Huang H, Feng L, Zhong M E, et al. Artificial intelligence for evaluation of magnetic resonance imaging-detected extramural vascular invasion in rectal cancer. PLOS Digital Health（2026）. https://doi.org/10.1371/journal.pdig.0001763