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

用及人工智能(artificialilntelligence,AI)法的建立,肿瘤的治

疗模式已发生颠覆性改变U⑵。胃癌作为发病率高、预后较差的常见消

化道肿瘤，其治疗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式

为一体的综合诊疗模式⑶。此种诊疗体系旨在依据不同患者的肿瘤特征

制定个性化的、特异性的干预式，以求达到患者获益最大化，从而实

现精准治疗24-5】。胃癌的高异质性导致患者间出现较大个体差异，受困

于诊断技术与治疗手段，部分“个体化”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I。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(areandercrve,AUC)

在。.85以上［8-9】。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情况，C指数为0.777-0.821,该模型亦

能对总生存(overallsrvival,OS)进行较好预测(C指数

0.596-0.696)。对于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，可形成类似于“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

阵和灰度游程矩阵等133个定量特征，进行建模后对腹膜转移进行预

测，其AUC高于。.92,隐匿性腹膜转移检出率超过85%［101o

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，对于部分疑难病理、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案【侦。如

神经网络resnet-50评估淋巴转移的模型AUC值可达。・99,基于该

模型的AI辅助诊断可发现6.8%病理医师漏诊的病变，且提高医师对小

的移淋巴结的确诊效率［⑵。哈佛医学院团队开发出病理AI基础大模型

“CHIEF”用1500余万张图像进行预训练，在18种肿瘤的诊断中达

到了89.5%的准确率，并以。.87的AUC值预测了微卫星不稳定

(microsatelliteinstability,MSI)状态，优于现有普通模型。此

外，AI驱动的数字病理平台也能评估三级淋巴结构，一项在肺癌的研

究显示，该案可实现对肺癌预后的评估与风险分层E1。上述系统的研

发并不需要超越或取代病理学家，较为理想的模式是作为辅助工具在可

接受的假阳性范围内，尽可能提升诊断灵敏度，以促进不同环境下诊断

水平的同质化。

2.分子诊断：基于分子分型的胃癌精准诊断是个体化诊疗的前提。现有

TCGA分型和ACRG分型均对指导临床治疗有一定价值W】。这两种分

型均对MSI-H型胃癌单独分类，免疫治疗在此类胃癌的疗效显著，然

而其比例不足全部胃癌患者的1/4,影响了其广泛应用。对于诸如基因

稳定型、染色体不稳定型等亚类，已有分型案仍需进一步优化以增强

对治疗的指导价值1。单一分子标志物如DKK1、FGFR2等阳性的肿

瘤也在基础研究与临床试验中显示出了对相应靶向药物良好的响应效

果。基于最新的肿瘤生态学(tmorecosystem)理念，癌症基因组

学的核心任务是全面解析肿瘤发生与进展驱动事件的分子基础I】。部分

在泛癌种中