基于影像组学模型预测胃癌及胃食管交界癌新辅助化疗疗效：开启精准治疗新篇章

对于胃癌及胃食管交界癌（GC 和 GEJC）患者，临床急需新辅助化疗（NAC）疗效的早期预测指标。研究人员开展基于影像组学构建 NAC 疗效预测模型的研究，结果显示模型预测效果良好。这为 GC 患者多模式治疗提供有价值的工具。

　　在胃癌和胃食管交界癌的治疗领域，手术联合围手术期化疗是西方治疗局部晚期患者的标准方案。其中，新辅助化疗意义重大，它不仅有机会降低肿瘤分期、提高 R₀切除率，还能提前评估疾病对化疗药物的反应，甚至可能实现完全缓解。然而，目前面临着诸多困境。一方面，无法准确预测患者对新辅助化疗的反应，部分患者可能因无效治疗而延误手术时机、面临免疫抑制风险；另一方面，传统的病理分类难以判断患者是否为主要应答者，基于基因组学或分子特征的分类虽理论上有优势，但成本高昂且难以应用于临床常规实践，传统成像标记也不够精准。在这样的背景下，为解决这些难题，意大利天主教大学圣心分校等机构的研究人员开展了一项极具意义的研究，相关成果发表在《World Journal of Surgical Oncology》上。

研究人员采用了多种关键技术方法。首先是患者样本选取，他们在 2005 年 1 月至 2021 年 4 月期间，选取了在意大利一家大型转诊中心接受术前化疗和手术切除的非转移性 GC 和 GEJC 患者。然后是影像组学数据收集与特征提取，对患者诊断时和新辅助治疗前的 CT 扫描图像进行回顾分析，手动勾勒肿瘤感兴趣区域（ROI），利用 MODDICOM 软件提取 217 个属于统计、形态和纹理三大类别的影像组学特征。最后通过一系列统计分析方法，包括特征选择、模型构建和内部验证等，建立预测模型123。

在研究结果部分，研究人员进行了多方面的探索。

• 预测主要应答者（MR）与非主要应答者模型：针对接受所有类型化疗的患者构建模型，经皮尔逊相关分析和 AIC 准则筛选，确定 “F_stat.10thpercentile” 这一统计特征与 MR 相关，Lauren 分类和印戒细胞（SRC）特征也与 MR 显著相关。构建的影像组学 - 临床病理模型效果良好，ROC 曲线下面积（AUC）为 0.876，校准带显示模型预测与实际结果偏差不显著45。
• 预测非应答者（NR）与应答者模型：在对所有化疗方案的测试中，经 Boruta 算法和 AIC 准则筛选，“F_stat.energy” 这一统计特征被选入模型，该模型 AUC 为 0.725。针对不同化疗方案进一步分析发现，接受 ECF/EOX + FLOT 化疗的患者，模型 AUC 为 0.760；接受含奥沙利铂化疗方案的患者，“F_morph.volume”（形态特征）和 “F_szm.hgze”（纹理特征）被选入模型，AUC 为 0.810；仅接受 FLOT 化疗的患者，“F_morph.volume” 和 “F_szm_2.5D.szhge”（纹理特征）被选入模型，AUC 高达 0.907，且各模型校准带均显示预测效果良好67。

综合来看，该研究成功开发了基于影像组学的预测模型，用于预测局部晚期胃癌和胃食管交界癌新辅助化疗后的病理反应。预测 MR 的模型具有良好的筛查价值，可识别潜在的 MR 患者；预测 NR 的模型在不同化疗方案下都有较好的判别能力和准确性，尤其是 FLOT 化疗方案的模型。这些模型为临床医生制定个性化治疗方案提供了重要参考，有望在未来通过更大规模的数据验证，成为指导胃癌患者多模式治疗的有力工具。不过，研究也存在一定局限性，如单中心、回顾性研究设计可能带来偏倚，样本量较小，化疗方案存在异质性等。但总体而言，该研究为胃癌精准治疗开辟了新方向，具有重要的理论和实践意义 。