编辑推荐：
为提升胃癌（GC）患者总生存预测精度，研究人员开展研究，整合 CT 影像组学特征、基因表达谱及临床数据以挖掘放射基因组生物标志物。从 37 例 GC CT 影像提取 107 个影像组学特征，经筛选后结合基因与临床数据，借 GSEA 等分析，发现 SVM 模型中多因素为独立预测因子，为预后评估提供新方向。
本研究旨在整合计算机断层扫描（CT）影像组学特征、基因表达谱和临床数据，以识别放射基因组生物标志物并改善胃癌（GC）患者的总生存预测。研究对 37 例胃癌 CT 图像进行定量影像组学分析，并结合基因表达和临床数据，筛选与总生存相关的生物标志物。经肿瘤分割和影像组学特征提取后，通过皮尔逊相关分析进行特征选择。基因集富集分析（GSEA）确定了将基因表达变化与影像组学特征相关联的通路。应用回归模型探讨这些通路、影像组学特征和临床数据在生存预测中的关系。
结果共提取 107 个影像组学特征，筛选出 46 个影像组学特征、1,032 个基因和 1 个临床特征（年龄）用于进一步分析。GSEA 鉴定出 29 条显著的 KEGG 通路，主要涉及免疫、信号转导和分解代谢通路。在生存分析中，支持向量机（SVM）模型表现最佳，确定年龄、基因 CSF1R 和 CXCL12，以及影像特征 ShortRunHighGrayLevelEmphasis 和逆差归一化（Idn，Inverse Difference Normalized）为独立预测因子。
结论表明，整合影像学、基因组学和临床数据在胃癌患者预后评估中具有潜力，所鉴定的基因提示了可用于未来评估的新型放射基因组生物标志物候选。
