胃癌是消化道惡性腫瘤,威脅人類生命健康。目前,臨床上外科手術是治療胃癌的主要手段。據統計,多數胃癌患者初診時已屬進展期,該類患者行根治性切除術后易復發或轉移,致5年生存率約為30~40%。
近年來,隨著臨床對腫瘤生物學行為認識的提高,胃癌的治療模式已從單一的手術治療向圍手術期治療加規范化手術方向轉變。其中,新輔助化療即在手術前輔助化療以縮小腫瘤體積,成為圍手術期治療的重要手段之一,并在提高手術根治性與改善患者預后方面取得了一定效果,已被廣大外科醫生與患者接受。然而,由于腫瘤異質性,并非所有患者均能從中獲益。臨床上,組織病理學檢查是評估新輔助化療療效的金標準,但該方法只能術后進行,對優化治療方案不能起到必要的指導。因此,亟需一種治療前預測新輔助化療療效方法,作為進展期胃癌患者個性化治療方案制定的依據。
CT影像作為胃癌患者診斷過程中重要的診斷工具,提供了治療前分析新輔助化療效果的途徑,而僅憑醫生肉眼難以分辨進展期胃癌新輔助化療療效。人工智能技術的發展顯示了數據挖掘能力,可從CT影像中提取人眼無法感知的深層高維信息,為治療前預測進展期胃癌新輔助化療療效提供了可能。
近日,中國科學院蘇州生物醫學工程技術研究所聯合山西省腫瘤醫院,提出了一種基于人工智能的進展期胃癌新輔助化療療效預測方法(圖1),在智能計算框架下對CT影像進行全自動分析。該方法通過集成深度學習模型與影像組學模型,多維度提取腫瘤原發灶深層次高通量圖像特征,對其進行多尺度定量表征,并融合顯著性臨床特征,首次構建了面向臨床應用的深度學習影像組學模型(Deep Learning Radiomics Model,DLRM)(圖2),可實現治療前預測新輔助化療效果,并可預測患者接受新輔助化療后的無進展生存期,進而篩選出新輔助化療的受益人群。
該研究納入了4家醫療機構719例進展期胃癌患者的CT影像和臨床信息進行DLRM的訓練與驗證。研究發現,圖像特征相比于臨床特征具有更強的腫瘤響應預測能力,揭示了CT影像中蘊含大量關聯腫瘤生物學行為的預測因子。此外,相比于影像組學,深度學習可構建化療療效預測能力更強的模型,表明了深度學習能夠挖掘腫瘤異質性及微環境與腫瘤化療敏感性間的深層隱含關聯。DLRM在4家醫療機構476例進展期胃癌患者中進行新輔助化療療效預測時達到AUC > 0.8的精度,實現了目前已報道的精度最高的進展期胃癌新輔助化療療效預測;且該模型能預測患者接受新輔助化療后的無進展生存期,對患者進行預后風險分層。DLRM的輔助,可治療前預測新輔助化療的效果,有效篩選出獲益人群,為臨床制定個性化治療方案提供新的理論依據,進而改善進展期胃癌患者的預后,并提升生存率。
相關研究成果發表在EClinicalMedicine(DOI:10.1016/j.eclinm.2022.101348)上。研究工作得到國家自然科學基金委員會與山西省衛生健康委員會等的支持。
圖1.基于人工智能的進展期胃癌新輔助化療療效預測方法
圖2.面向臨床應用的深度學習影像組學模型