基于深度学习的胃癌新辅助化疗后病理退缩的CT影像预测模型构建与验证研究综述.docVIP

基于深度学习的胃癌新辅助化疗后病理退缩的CT影像预测模型构建与验证研究综述

一、胃癌新辅助化疗病理退缩评估的临床需求与现有技术瓶颈

胃癌是全球范围内发病率位列第五、死亡率位列第三的恶性肿瘤，我国胃癌新发病例占全球总数的43.9%，其中约60%的患者初诊时已处于局部进展期。新辅助化疗作为局部进展期胃癌的标准治疗方案之一，可通过术前缩小肿瘤体积、降低肿瘤分期、清除微转移灶，显著提高R0切除率并改善患者长期生存。然而，不同患者对新辅助化疗的敏感性存在显著异质性，仅约40%~60%的患者可获得明显病理退缩，约20%的患者甚至在化疗期间出现疾病进展。病理退缩程度作为评估新辅助化疗疗效的核心指标，与患者无病生存期、总生存期呈显著正相关，治疗前或治疗早期准确预测病理退缩程度，可为个体化治疗方案制定提供关键依据——对化疗敏感患者可维持现有方案以最大化肿瘤降期效果，对不敏感患者则可及时调整治疗策略，避免无效化疗带来的毒副反应与手术时机延误。

目前临床评估新辅助化疗疗效的金标准是术后病理检查，但该方法仅能在治疗结束后获得结果，无法为术前治疗方案调整提供参考。现有术前疗效评估手段主要依赖实体瘤疗效评价标准（RECIST），即通过测量CT影像中肿瘤最大径的变化判断治疗响应，但该方法存在显著局限性：首先，胃癌属于空腔脏器肿瘤，肿瘤形态多不规则、边界模糊，不同观察者对肿瘤最大径的测量一致性仅为0.62~0.7