《European Journal of Surgical Oncology》：Integrating Multi-Omics Data for Enhanced Prognosis Prediction in Gastric Cancer Post-Neoadjuvant Therapy
编辑推荐：
胃癌新辅助治疗预后模型研究：基于深度学习CT特征与免疫评分的整合模型在179例局部进展胃癌患者中开发，采用ResNet18模型分析增强CT影像，结合ESTIMATE算法计算的免疫评分和ypTNM分期构建多组学预后模型，验证显示其1/2/3年DFS预测AUC分别为0.858/0.843/0.839（开发组）和0.844/0.825/0.833（内验证组），外部验证组AUC达0.786，低风险组3年DFS达83.3%，显著优于高风险组（P<0.001），免疫微环境特征验证模型有效性。
黄泽宁|张浩翔|陈峰|刘志伟|王磊|李毅|翁彩明|何继勋|庄宏远|郑朝辉|李萍|王家斌|陈启月|曹龙龙|林敏|涂如红|王斌|黄长明|林建贤|谢建伟
中国福州福建医科大学附属医院胃外科
摘要
背景
新辅助治疗对局部晚期胃癌（LAGC）至关重要，但患者的反应差异显著。基于临床病理特征的传统模型往往缺乏准确性。本研究旨在开发并验证一个综合预后模型，该模型结合了CT图像的深度学习特征和免疫评分，以改进风险评估。
方法
2019年至2022年间接受新辅助治疗的179名LAGC患者被分为开发队列（DC，n=125）和内部验证队列（IVC，n=54）。此外，还包括一个由29名患者组成的外部验证队列（EVC）。使用基于ResNet18的深度学习模型分析治疗前的腹部增强CT图像，提取特征并通过单变量Cox和LASSO回归生成DeepScore。免疫评分（ImmuneScore）是根据术后转录组数据使用ESTIMATE算法计算得出的。构建了一个结合DeepScore、ImmuneScore和ypTNM分期的多组学诺模图，在开发队列中进行校准，并进行验证。
结果
在DC队列中，高、中和低DeepScore组的3年无复发生存率分别为83.3%、71.4%和29.3%（P<0.0001）；在IVC队列中分别为92.0%、66.7%和35.7%（P=0.0011）。该综合诺模图在DC队列中的1年、2年和3年无复发生存率的AUC分别为0.858、0.843和0.839，在IVC队列中分别为0.844、0.825和0.833。在EVC队列中，1年和2年无复发生存率的AUC分别为0.786和0.785。低风险患者在DC和IVC队列中的3年无复发生存率和总生存率均显著高于高风险患者（所有P<0.001）。ssGSEA显示低风险组的免疫浸润较高，GSEA表明免疫相关通路富集。
结论
结合深度学习和免疫评分的综合模型提高了LAGC患者新辅助治疗后的预后准确性，为临床决策提供了有价值的支持。
引言
胃癌（GC）是全球第五大常见恶性肿瘤，是癌症相关死亡的第三大原因。外科切除仍是胃癌的主要治疗手段。然而，超过30%的局部晚期胃癌（LAGC）患者在根治性切除和术后辅助化疗后仍会复发。MAGIC和RESOLVE研究验证了新辅助治疗在可切除II/III期胃癌中的疗效和安全性，使其成为减少肿瘤负担和改善患者预后的广泛采用的治疗策略。然而，由于胃癌的异质性较大，患者对新辅助治疗的反应存在差异。因此，更准确的预后预测对于制定个性化治疗计划至关重要。
传统预后模型主要依赖于临床病理特征，如肿瘤分期和病理分级。但这些指标往往无法准确反映肿瘤的微观生物学行为。近年来，生物信息学和人工智能技术的快速发展促进了多组学预后模型在胃癌治疗效果评估中的应用。深度学习作为一种新兴的人工智能技术，已被广泛应用于医学影像分析，能够从庞大的影像数据集中提取高维特征，并为疾病诊断和预后提供新的见解。免疫评分（ImmuneScore）基于基因表达，反映了肿瘤微环境中的免疫细胞浸润，在多种肿瘤类型中显示出显著的预后价值。然而，目前尚缺乏将深度学习与免疫评分相结合的综合性预后模型来评估胃癌新辅助治疗的疗效。
本研究致力于开发并验证一个综合预后模型，该模型结合深度学习技术和免疫评分，以提高接受新辅助治疗的局部晚期胃癌患者的预后风险评估精度。通过结合放射组学特征和基因表达数据，该研究旨在更全面地反映肿瘤的生物学特征，从而为临床治疗决策提供有力支持。
纳入和排除标准
本研究是一项回顾性单中心队列研究，涉及2019年1月至2022年12月在福建医科大学附属医院接受新辅助治疗的局部晚期胃癌患者。纳入标准如下：1）通过胃镜病理学确诊为胃腺癌；2）临床分期为cT3/T4N0/+M0，并且至少接受过两个周期的新辅助治疗；3）完成根治性手术。
患者基线特征分析
表1总结了开发队列（n=125）、内部验证队列（n=54）和外部验证队列（n=29）患者的基线临床病理特征。开发队列和内部验证队列在年龄、性别、BMI、肿瘤位置、临床T/N分期、新辅助治疗周期和方案以及病理反应指标等方面具有相似的分布。
讨论
本研究成功开发并验证了一个综合预后模型，该模型结合了深度学习方法和免疫评分来评估接受新辅助治疗的局部晚期胃癌患者的预后风险。通过整合计算机断层扫描的深度学习特征和基因表达谱，该模型提供了更全面的肿瘤生物学表征，为临床医生提供了更精确的预后评估工具。
伦理批准和参与同意
本研究获得了福建医科大学附属医院独立伦理委员会的批准。
出版同意
不适用。
数据和材料的可用性
本研究中使用和/或分析的数据集可向相应作者提出合理请求后获取。
利益冲突
作者声明没有利益冲突。
作者贡献
谢建伟完全掌握了研究中的所有数据，并负责数据的完整性和数据分析的准确性。黄泽宁、张浩翔、陈峰和刘志伟对这项工作做出了同等贡献，应被视为共同第一作者。黄长明、林建贤和谢建伟也作为共同最后作者做出了同等贡献。
研究概念：张浩翔、黄泽宁和谢建伟
研究设计：张浩翔、谢建伟
资助
本研究得到了国家自然科学基金（批准号：82503519）、福建省科技创新联合基金（批准号：2023Y9208）、福建省自然科学基金（批准号：2023J01674）以及福建省医学“创建高水平医院、高水平医疗中心和关键专科项目”（批准号：MWYZ [2021] No. 76）的支持。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
我们感谢所有为这项研究付出辛勤努力的人，包括护士、进一步研究的医生、统计学家、审稿人和编辑。
