临床问题为导向的胃癌精准诊疗2025.pdf

临床问题为导向的胃癌精准诊疗2025

随着新型抗肿瘤药物的研发、新型设备及器械的使用、多组学技术的应

人工智能(art山cialilntelligence,AI)法的建立，肿瘤的治

用及方

疗模式已发生颠覆性改变|1-2)。胃癌作为发病率高、预后较差的常见消

化道肿瘤，其治疗方式已由手术为中心的外科诊疗主导模式，演变为由

分子分型指导下的集手术、放化疗、靶向治疗以及免疫治疗等多种方式

一体的综合诊疗模式13]。此种诊疗体系旨在依据不同患者的肿瘤特征

为

制定个性化的、特异性的千预方式，以求达到患者获益最大化，从而实

4

现精准治疗12,-5]。胃癌的高异质性导致患者间出现较大个体差异，受困

千诊断技术与治疗手段，部分“个体化”方案仍然难以实现精准医学的

目标，胃癌的总体生存率仍不尽如人意。因此，以医疗实践过程中的临

床问题为导向，开展进一步临床及转化研究成为了突破胃癌精准诊疗瓶

颈的必经之路。

一、临床问题为导向的精准诊断是胃癌治疗的基石

1影像分期与病理诊断：胃癌临床分期主要依靠CT,而浸润层次不易

分辨、淋巴结识别不准确及腹膜转移敏感性不强，是CT用于临床分期

的主要问题。近年来，影像组学的进步丰富了影像检查在术前诊断的应

用价值，而AI的发展极大推动了影像诊断技术的进步。联合使用多平

面重建技术和AI分析等能够对胃癌浸润层面进行精确的解析，经影像

组学处理的综合T分期准确度可高达90％以上(6-7]。而应用多中心数据

进行深度学习并建立模型，能够显著提高CT对转移淋巴结的识别率，

准确度在70%~95.4%，感受性曲线下面积(areaundercurve,

AUC)

在0.85以上低9]。基于影像组学的深度学习放射列线图，可较好区别局

部晚期胃癌患者淋巴结转移悄况，C指数为0.777~0.821,该模型亦

能对总生存(overallsurvival,OS)进行较好预测(C指数

0.596~0.696)。对千腹膜转移的早期识别，应用AI技术分析肿瘤及

“”

相关位置的CT图像，可形成类似千生物标志物的无创化诊断特征。

本中心牵头的多中心研究，利用影像组学手段，提取形状、灰度共生矩

33个

阵和灰度游程矩阵等1定量特征，进行建模后对腹膜转移进行预

(101

测，其AUC高千0.92,隐匿性腹膜转移检出率超过85%0

病理诊断结果常因不同年资、不同地区的病理医师而异，经验与阅片水

平的差异使诊断结果同质性较低，对千部分疑难病理、微小病灶存在漏

诊及误诊。AI读片与深度学习模型能够为该问题提供解决方案(11)如。

神经网络resnet-50评估淋巴转移的模型AUC值可达0.99,基千该

模型的AI辅助诊断可发现6.8％病理医师涌诊的病变，且提高医师对小

的移淋巴结的确诊效率(12)。哈佛医学院团队开发出病理AI基础大模型

HFE1500余万张图像进行预训练，在18种肿瘤的诊断中达

C用