研究背景结直肠癌（Colorectal Cancer,CRC）是发病率及致死率都位于前列的恶性肿瘤。TNM分期系统目前仍难以为CRC患者提供充分的术后预后信息,临床仍亟需更精准的预后预测手段辅助个体化诊疗决策。影像组学在预后效用方面的研究结果已见于多种实体恶性肿瘤,但仍少见于在结直肠癌预后方面的研究和应用。越来越多的研究成果表明CRC肿瘤蕴藏的高度异质性可反映患者预后,但经典影像组学方法基于肿瘤整体区域提取特征,在空间异质性量化方面仍存在一定局限。而数字病理图像领域已通过生态系统多样性分析方法实现肿瘤空间异质性的全面量化,辅助恶性肿瘤的预后预测。因此,能否在经典影像组学基础上,融合肿瘤生态系统多样性分析方法,全面量化肿瘤空间异质性,反映CRC的术后预后,亟待研究探讨。研究目的本研究目的为在经典影像组学基础上,融合肿瘤生态系统多样性分析方法,全面量化CRC术前CT图像空间异质性,建立预测标签,继而融合标签及临床独立危险因素构建预测模型,以实现CRC患者的个体化术后预后精准预测。材料与方法回顾性收集409例接受根治性切除的CRC术前CT和临床病理信息,以2:1的配比随机将患者纳入训练组和内部验证组。另纳入103名自外单位的患者作为外部验证组。基于肿瘤整体区域,首先进行591个经典影像组学特征提取;随后并进一步进行肿瘤亚区域切割,提取每一亚区域内的45个核心影像组学特征,并应用肿瘤生态系统多样性分析方法对每一影像组学特征进行亚区域间特征值的聚类,聚类值即为生态系统多样性-影像组学融合（EcoRad）特征。随之进行特征筛选,分别构建经典影像组学标签及EcoRad标签,进一步联合标签及临床病理因素构建预测模型。使用准确性、区分效能、校正效能以及临床使用价值指标和方法评估并验证模型的预测效能。结果经典影像组学标签及EcoRad标签均是独立于临床病理因素的预后因子,进行OS预测均表现出对良好的预测效能;同时,EcoRad标签的预测效能较经典影像组学标签高:在外部验证组,EcoRad标签的C-index为0.765（95%CI:0.745-0.785）,经典影像组学标签的C-index为0.679（95%CI:0.659-0.699）。构建的模型预测纳入了经典影像组学标签、EcoRad标签、T分期以及N分期。该模型显示了较好的区分能力（在独立验证组C-index:0.746,95%CI:0.722-0.770）。校正曲线显示模型具有较好的校正能力。在临床使用价值方面,融合预测模型在大范围风险阈值内均提供阳性净效益。结论本研究将肿瘤生态系统多样性分析方法融合于影像组学分析,建立了可基于术前CT图像全面量化结直肠癌空间异质性的方法,构建的预测标签可反映患者术后预后;进一步将预测标签与TNM分期系统联合所构建的融合预测模型可用于患者术后预后个体化预测,辅助临床决策。