整合CT影像组学与临床病理特征预测HER2阳性胃癌生存率

CT影像组学融合模型赋能HER2阳性可切除胃癌预后评估，突破传统TNM分期局限的精准诊疗新策略。

胃癌（GC）是全球主要的癌症负担之一，其发病率和死亡率长期位居恶性肿瘤前列，严重威胁人类健康[1]。近年来，HER2阳性胃癌作为一种具有独特生物学行为的分子亚型，其治疗策略已从单纯手术演变为包括根治性胃切除、新辅助治疗及抗HER2药物在内的综合模式，一定程度上改善了患者预后。然而，临床实践表明，即便是处于相同TNM分期且接受相似治疗方案的可切除晚期胃癌（SRAGC）患者，其生存结局仍存在显著的个体差异，这提示仅基于解剖学特征的传统TNM分期系统在反映肿瘤生物学异质性方面存在局限，难以满足精准医疗的需求[2]。因此，如何利用无创技术（如CT影像组学）挖掘肉眼无法识别的深层肿瘤特征，构建能够补充甚至超越传统分期系统的个体化预测模型，从而识别出高风险复发或预后不良的特定亚群，已成为优化HER2阳性胃癌临床管理亟待解决的关键问题。

一项在

Academic Radiology

研究设计

本研究是一项基于双中心数据的回顾性队列研究，旨在系统性地评估HER2-p SRAGC患者在接受根治性手术或围手术期治疗后，治疗前CT影像组学特征、临床及实验室指标在预测OS中的临床价值。研究将纳入的621例HER2-p SRAGC患者样本按来源和用途划分为训练队列、内部验证队列和外部验证队列，并依据建立的模型风险评分将患者划分为高风险组和低风险组。该研究的核心方法是采用高通量影像组学技术对患者治疗前静脉期CT图像提取定量特征，并结合肿瘤位置、厚度、cTNM以及CA199水平等临床病理变量进行归纳分析 。研究的核心在于通过LASSO-Cox回归和随机生存森林算法（RSF），构建了融合Radscore与临床-实验室评分的多维列线图模型，以阐明肿瘤异质性与生存预后之间的潜在关联。研究的核心发现是该综合影像组学模型在预测OS效能上优于传统的临床及病理TNM分期系统（pTNM），并对pTNM分期具有显著的增量预后价值，提示通过无创影像手段早期识别高危亚群，可以加强术后监测并辅助制定个体化治疗方案，从而有力地指导HER2阳性胃癌的临床精准诊疗。

研究结果

该研究首先评估了HER2-p SRAGC患者在CT影像组学特征上对OS的预测有效性。通过LASSO-Cox回归和RSF算法进行特征筛选与分析，结果显示，筛选出的6个关键影像组学特征构建的“Radscore”具有显著的预后价值。在训练队列及验证队列中，利用Radscore均能成功将患者划分为高风险组和低风险组，且Log-rank检验表明高风险组患者的预后显著差于低风险组。这表明基于静脉期CT图像的影像组学标签是预测HER2阳性胃癌患者不良预后的潜在生物标志物。

图1 通过lasso-Cox回归筛选并经随机生存森林排序的放射组学特征

在临床病理特征和实验室指标分析方面，研究利用单因素和多因素Cox回归分析显示，肿瘤位置、厚度、cTNM、年龄以及CA199水平是影响OS的独立风险因素。基于此构建的临床评分（ct_score）和实验室评分（lab_score）虽然与OS存在相关性，但在不同队列中的预测稳定性表现一般，且部分队列的区分度未达到统计学显著差异。这提示单一维度的临床或实验室指标在捕捉肿瘤生物学异质性方面仍存在局限。

图2 不同研究队列中放射组学模型的列线图及生存曲线可视化

多维特征联合分析揭示了影像与临床指标整合的关键价值：融合了Radscore、ct_score和lab_score的综合影像组学模型表现出了最佳的预测效能。该模型在所有研究队列中的C-index均显著优于单独的临床评分、cTNM以及术后pTNM。此外，分层分析进一步证实，在接受根治性胃切除术的患者中，该影像组学模型不仅预测效能优于pTNM，还能为pTNM分期提供显著的增量预后价值。这提示该多维模型能够有效补充传统分期系统，通过无创手段实现对HER2-p SRAGC患者更精准的风险分层。

图3 HER2阳性可手术切除的晚期胃癌患者接受根治性胃切除术后的生存曲线亚组分析

总结

本研究通过对两个中心的患者队列进行CT影像组学的回顾性分析，有效评估了治疗前影像组学特征、临床及实验室指标在预测OS中的重大价值。研究清晰地揭示了基于静脉期CT构建的Radscore结合临床病理特征，可以作为HER2阳性胃癌患者预后分层的潜在生物标志物。更重要的是，该研究通过多模态数据的融合分析证实了影像组学在量化肿瘤生物学异质性方面的独特优势。这一综合模型能超越单一的TNM分期系统，以更高的预测效能揭示影像表型与患者生存结局之间的深层关联，尤其是在弥补pTNM预测不足方面展现了显著的增量价值。这为开展针对HER2阳性胃癌的术前风险评估和优化治疗决策提供了强有力的客观依据，并允许医生根据风险分层结果对高危患者进行更密切的术后监测或及时的干预 。尽管本研究是一项基于回顾性数据和传统机器学习算法的初步探索，但其展示的影像组学与临床特征的整合模式具有重要临床意义。随着前瞻性验证的开展和先进人工智能技术的引入，这种基于无创影像的精准评估工具有望被纳入未来的胃癌诊疗流程，以更精准地指导HER2阳性患者的全程个体化管理。

参考文献：

1. Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin. 2024;74:229–63.

2. Xiao H, Xiao Y, Chen P, et al. Association Among Blood Transfusion, Postoperative Infectious Complications, and Cancer-Specific Survival in Patients with Stage II/III Gastric Cancer After Radical Gastrectomy: Emphasizing Benefit from Adjuvant Chemotherapy[J]. Ann Surg Oncol. 2021;28:2394–404.

3. Zhao H, Gao J, Li J, et al. CT Radiomics for Predicting Outcomes in HER2-Positive Surgically Resectable Advanced Gastric Cancer: A Preliminary Study[J]. Acad Radiol. 2025;32(9):5254-5266.

审批编号：CN-173730 有效期至：2026-12-09
本材料由阿斯利康提供，仅供医疗卫生专业人士参考

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。