直肠癌术后也能“幸福排便”，中山六院联合多家医院发布这个肠功能障碍风险预测工具！

放疗联合根治性保肛手术是目前局部进展期直肠癌最常用的治疗方式，患者在保留肛门的同时还能获得相对良好的肿瘤学预后。但是，此类患者术后肛门功能的恢复往往不理想，不少患者恢复经肛排便后会出现大便次数增多、大便失禁、里急后重、丛集排便等症状，严重影响生活质量，部分患者不得不再次选择肠造口手术以减轻痛苦。因此，如何提前预测放疗联合保肛手术患者术后肠功能障碍的风险就显得尤为重要，部分高风险患者因此可以尽早获得个体化预防和支持措施，甚至规避不必要的保肛手术。

针对上述问题，得益于中国放射性肠损伤研究协作组（CRIIR Group）的支持，经过数年的不懈努力，近日，中山六院结直肠外科王辉/秦启元团队联合北京大学肿瘤医院张晓燕团队、北京友谊医院姚宏伟团队，在消化系统疾病国际权威杂志Gastroenterology（IF=29.4）发表题为Development and validation of a post-radiotherapy prediction model for bowel dysfunction after rectal cancer resection（构建及验证一项直肠癌放疗联合保肛手术后肠功能障碍风险的预测模型）的研究论文。文中建立的PORTLARS预测模型不仅可在术后早期评估新辅助放疗联合保肛术后患者发生严重肠功能障碍的风险，还可在术前模拟手术情景下推测手术方式带来的功能缺失，为直肠癌患者的治疗决策提供参考。

中山六院王辉主任医师、北京大学肿瘤医院张晓燕主任医师及北京友谊医院姚宏伟教授为论文共同通讯作者，中山六院秦启元副主任医师、黄斌杰博士后、北京大学肿瘤医院武爱文教授、北京友谊医院高加勒博士、北京大学肿瘤医院刘新志博士为论文第一作者。

结直肠癌是全球第三大恶性肿瘤，我国大约1/3到一半的结直肠癌发生在直肠。随着抗肿瘤药物、放疗、手术等恶性肿瘤治疗技术的发展，局部进展期直肠癌患者的5年生存率目前已达70%左右，越来越多的患者不仅仅追求生存时间的延长，还要求更高的术后生活质量。但是，近40%的患者在直肠癌保肛术后会发生严重的大便失禁、便频、排便困难等症状。这种与肠功能障碍相关的症状以及对身体、心理和社会功能的有害影响被称为低位前切除综合征（Low Anterior Resection Syndrome, LARS）。国际公认的LARS评分量表可用于客观、量化的评估患者LARS严重程度，总评分0~42分，评分≥30分即为重度LARS，预示患者生活质量严重受损。

针对癌症的治疗应追求生存时间与生活质量的平衡。作为放射性肠损伤研究领域先驱，国家道德模范提名奖获得者、中山六院原副院长王磊教授十分重视直肠癌患者术后肛门功能的恢复，将帮助患者实现“幸福排便”作为重要研究目标。在王磊教授的指导下，该院秦启元副主任医师在国内最早开展了对直肠癌保肛手术后患者肠道功能的横断面调查，发现肠功能障碍在术后十分普遍，确认术前放疗、低位肿瘤以及放疗引起的直肠结构性改变是患者术后发生重度LARS的独立危险因素，接受新辅助放疗患者术后重度LARS发生率高达55%，而无新辅助放疗患者术后重度LARS发生率只有22%。该研究率先于2017年发表在结直肠疾病领域知名杂志Disease of Colon & Rectum。

此次研究通过设立内部训练数据集及外部验证数据集，使用机器学习的方法建立PORTLARS预测模型，其预测指标包括术后直肠残端长度、是否发生吻合口漏、用于吻合的近端肠管部位及术后病理淋巴结分期。该模型在内部训练数据集及外部验证数据集中均取得了良好的预测效果（AUC分别为0.835及0.884），且主要事件预测能力优于先前西方国家研究者发布的术前LARS评分。PORTLARS预测模型目前可通过登录网站http://www.portlars.cn/或下载手机APP自由使用。

研究团队首先回顾性收集中山六院521例新辅助放疗联合保肛手术后直肠癌患者数据作为内部训练集，同时收集北京大学肿瘤医院及北京友谊医院共347例新辅助放疗联合保肛术后直肠癌患者数据作为外部验证集，这些患者的临床、影像学资料齐全且在术后平均4.7年接受了LARS量表随访，LARS平均评分28.4分。

随后，研究团队在内部训练集的临床及影像学资料基础上提取候选预测指标，使用Logistic回归模型、随机森林回归模型、梯度提升决策树模型（GBDT）及支持向量机（SVM）等机器学习模型对候选预测指标进行筛选建模，使用Wald检验、递归特征消除（RFE）算法截取最优的预测指标用于最终建模。在众多候选预测指标中，术后直肠残端长度、是否发生吻合口漏、用于吻合的近端肠管部位（降结肠/乙状结肠）及术后病理淋巴结分期被用于最后的PORTLARS模型建模。

最后，团队将PORTLARS模型在内部及外部验证集中进行验证，并将PORTLARS与既往已发表的术前LARS评分（POLARS）预测模型进行对比，发现基于Logistic回归模型的算法优于其它机器学习模型，且对主要事件的预测效果优于POLARS。新的PORTLARS在内部训练集及外部验证集中均取得了良好的预测效果，有望成为指导直肠癌治疗决策的重要参考工具。