在工业化国家，结直肠癌是癌症相关死亡的三大常见原因之一。据推测，大多数类型的结直肠癌都起源于存在多年的腺瘤样息肉。因此，癌前息肉的早期发现并切除可以降低结直肠癌的发病率和死亡率。由于通常无明显症状或症状不典型，因此免疫化学粪便潜血试验和光学结肠镜(OC)检查在结肠直肠癌的早期筛查和预防中发挥着重要作用。 在过去的20年里，CT结肠造影作为一种非侵入性结直肠癌筛查手段越来越被临床所熟识。在无症状筛查人群和有相关结直肠癌症状的患者中，CT结肠造影和OC对6mm或更大的结肠息肉检测的敏感性相当。但CT结肠造影并不能明确区分良性和癌前息肉，这对于个体风险分层和指导治疗至关重要。放射组学通过提取基于密度、形状、大小、体积和纹理的定量图像特征，可将医学图像数据集转换为可挖掘的高维数据。放射组学所提供的CT纹理特征分析使通过CT结肠造影早期鉴别良恶性息肉成为可能。 近日，发表在Radiology杂志的一项研究在无症状、平均风险结直肠癌筛查队列的CT结肠造影数据中，应用基于机器学习的放射组学进行良性(即增性息肉或正常粘膜)和癌前(即腺瘤)息肉的鉴别，为临床建立一种无创的、术前鉴别良恶性结