基于双区域双时相CT影像组学的胃癌小弯侧淋巴结转移自动化预测模型研究

为解决胃癌淋巴结转移(LNM)诊断难题，南方医科大学团队通过双区域(原发灶+小弯侧)和双时相(动脉期+静脉期)CT影像组学分析，构建了预测小弯侧淋巴结转移的混合模型(AUC达0.847)。该研究创新性地整合肿瘤微环境特征，为个体化治疗决策提供新工具，发表于《Cancer Imaging》。

　　

胃癌作为全球高发恶性肿瘤，其治疗效果与淋巴结转移(LNM)状态密切相关。小弯侧和胰上区作为淋巴引流的关键区域，转移发生率高达36.6%，但传统CT对<3mm的隐匿转移(OLNM)检出率不足14.5%，导致临床决策严重依赖经验判断。当前NCCN指南推荐的CT评估标准仅关注淋巴结大小和轴比，而PET/CT虽能提升诊断效能，却受限于空间分辨率。这种技术瓶颈使得14.5%的微小转移灶被漏诊，可能影响手术范围和预后评估。

为突破这一局限，来自南方医科大学附属南方医院、中国科学院自动化研究所等机构的研究团队，创新性地提出"种子-土壤"协同分析策略。通过整合原发肿瘤("种子")和淋巴微环境("土壤")的双区域特征，结合动脉期/静脉期双时相CT信息，开发出具有临床转化价值的预测模型。这项发表于《Cancer Imaging》的研究，首次证实了影像组学特征可有效反映胃癌淋巴结转移的生物学行为。

研究团队采用多中心回顾性设计，纳入939例接受D2淋巴结清扫的胃癌患者数据。关键技术包括：(1)手动分割原发灶(tumor-ROI)和小弯侧区域(LN-ROI)三维感兴趣区；(2)通过PyRadiomics提取1070个影像组学特征；(3)采用mRMR-LVQ算法进行特征选择；(4)应用FLAML自动化机器学习构建A-tumor、V-tumor等4个子模型；(5)通过逻辑回归整合为混合模型。所有分析均经过5次蒙特卡洛交叉验证以确保稳健性。

临床特征分析
数据显示小弯侧转移(LNM_No.3
)与胰上区转移显著相关(p<0.001)，证实该区域在淋巴转移中的枢纽地位。这为选择小弯侧作为关键预测靶点提供了病理生理学依据。

模型性能验证
混合模型在测试队列中展现卓越性能：

• 内部验证AUC 0.847(95%CI 0.770-0.924)
• 外部验证AUC 0.833(95%CI 0.800-0.867)
  显著优于单区域模型(p<0.05)，且特异性达81.2%，可有效减少假阴性。决策曲线分析显示其临床适用性阈值范围覆盖0-90%。

机制探索发现
特征分析揭示：原发灶的灰度游程矩阵(GLRLM)和小弯区的灰度异质性特征最具预测价值，印证了肿瘤细胞侵袭与微环境重塑的协同作用。动脉期淋巴区域(A-LN)特征权重最高，提示血供丰富区域更易发生转移。

泛化能力验证
模型在预测胰上区(No.7/8/9/11站)转移时AUC达0.678-0.761，但对肝总动脉旁淋巴结(No.8)预测效能稍弱，反映解剖位置对特征提取的影响。

这项研究开创了胃癌淋巴结转移预测的新范式：通过非侵入性影像特征解码肿瘤-微环境互作机制。其临床意义在于：(1)突破传统影像学尺寸限制，可检测OLNM；(2)双时相分析揭示动脉期淋巴区域的关键预测价值；(3)为D2淋巴结清扫范围提供量化依据。局限性在于未纳入新辅助治疗患者，且需在西方人群中验证。未来研究可结合循环肿瘤DNA等液体活检技术，构建多模态预测体系。该成果标志着胃癌精准诊疗向"数字病理"时代迈出关键一步。