编辑推荐：
为预测胃癌淋巴结转移（LNM），研究人员开展相关影像组学研究，发现联合模型可预测 LNM 并评估预后。
### 胃癌诊疗困境催生新探索
胃癌，作为全球第五大常见恶性肿瘤和第三大癌症相关死亡原因，严重威胁人类健康。目前，根治性肿瘤切除术仍是可切除胃癌的主要治疗方式，但即便辅助治疗不断进步，其术后 5 年生存率也仅在 20 - 30% 左右。肿瘤的局部扩散和癌细胞远处转移是术后复发的主因，而淋巴结转移（Lymph Node Metastasis，LNM）在其中扮演着关键角色，它影响着癌症分期、治疗方案选择以及预后评估。准确的术前 LNM 评估对优化胃癌治疗策略至关重要。
然而，当前仅依靠 CT 形态学特征评估胃癌淋巴结状态困难重重。传统 CT 评估 LNM 的准确性仅约 62 - 63%，因为部分正常大小淋巴结可能存在微转移，而部分增大的淋巴结可能只是炎症反应所致。近年来，影像组学虽展现出在胃癌 LNM 识别方面的潜力，但大多聚焦于肿瘤本身，对瘤周区域的研究较少，且多数 CT 影像组学研究主要基于静脉期（Venous Phase，VP）图像，对动脉期（Arterial Phase，AP）图像的应用价值挖掘不足。在此背景下，为解决胃癌 LNM 术前精准预测的难题，四川省人民医院等机构的研究人员开展了基于双期增强 CT 的肿瘤内与瘤周影像组学研究，相关成果发表于《BMC Gastroenterology》。
研究方法：多技术融合破难题
研究人员回顾性收集 2017 年 1 月至 2022 年 1 月的胃癌患者，经严格筛选，408 例患者最终入组，并按 7:3 的比例分为训练组和测试组。研究采用双能 CT 进行扫描，获取患者的双期增强 CT 图像。之后，研究人员手动勾勒肿瘤及瘤周感兴趣区域（Region of Interest，ROI），并利用 Pyradiomics 软件包提取影像组学特征。通过多种统计分析方法，包括主成分分析（Principal Component Analysis，PCA）、单因素和多因素逻辑回归分析等，构建临床模型、影像组学模型以及临床 - 影像组学联合模型，以评估模型对 LNM 的预测效能。同时，研究人员对患者进行随访，以 2 年无病生存期（Disease-Free Survival，DFS）为终点，分析影响 DFS 的因素。
研究结果：联合模型优势显著
- 临床模型构建：单因素和多因素逻辑回归分析表明，CT - LNM 和 CT - T 分期是预测胃癌 LNM 的独立危险因素。基于此，研究人员建立了临床模型。
- 模型性能评估：在众多影像组学模型中，ITV + PTV - AP + VP 影像组学模型表现突出，其在训练组和验证组的 AUC 分别为 0.679 和 0.670 。而临床 - 影像组学联合模型的诊断性能最佳，在训练组和测试组的 AUC 分别达到 0.894 和 0.872，且在 T1 - 2 和 T3 - 4 亚组中，AUC 分别为 0.744 和 0.784 。校准曲线显示，联合模型在训练组和测试组的拟合度最佳；决策曲线分析表明，在较大阈值概率范围内，联合模型的总体净获益高于 ITV + PTV - AP + VP 影像组学模型。
- 亚组分析：根据病理 T 分期将患者分为 T1 - T2 和 T3 - T4 亚组，结果显示 LNM 阳性率随 T 分期增加而显著上升。临床 - 影像组学联合模型在不同亚组中均表现出良好的 LNM 预测能力。
- 预后分析：对患者进行中位 24 个月的随访，单因素和多因素 Cox 回归分析发现，年龄、CT - LNM 以及基于临床 - 影像组学联合模型的 LNM 是影响 2 年 DFS 的独立危险因素。Kaplan - Meier 分析表明，病理 LNM 和基于联合模型的 LNM 均与术后 2 年 DFS 相关，可将患者分为高风险和低风险组，高风险组的 2 年 DFS 显著低于低风险组。
研究结论与意义：开启胃癌诊疗新篇章
本研究表明，整合术前双期增强 CT 的肿瘤内和瘤周影像组学特征以及传统放射学特征的临床 - 影像组学联合模型，具有预测胃癌 LNM 的潜力。基于该联合模型预测的 LNM 可用于评估患者术后 2 年 DFS，并进行风险分层，有助于识别早期复发或转移的患者，为临床制定个性化治疗方案提供重要依据。未来，将影像组学预测模型整合到医学影像管理系统或医院临床决策支持系统中，有望帮助临床医生直观查看 LNM 预测结果，进一步推动胃癌精准诊疗的发展。
不过，该研究也存在一定局限性，如单中心研究、未纳入延迟期 CT 图像、不同机器和参数获取的图像可能影响影像组学特征、瘤周区域选择单一等。后续研究可针对这些问题展开，进一步优化影像组学模型，提升其在胃癌诊疗中的应用价值。
