浙江
局部晚期胃癌患者即便接受了根治性手术，术后依然有相当比例的人会发生异时性肝转移，传统的TNM分期和血清肿瘤标志物等临床指标，往往难以提前甄别出真正高危的个体。2026年9月8日，河北医科大学第四医院赵群/孟令娇/丁平安团队在《Nature Communications》发表研究，他们整合了术前CT影像组学、术后HE切片病理组学和临床变量，构建了RCSA预测模型，并在1878例多中心患者中完成了验证。
研究团队从多个合作中心收集了患者的术前增强CT影像和术后石蜡包埋的HE染色切片。他们利用nnU-Net深度学习框架对CT图像中的原发肿瘤进行自动三维分割，从感兴趣区域中提取了1130个定量影像组学特征。对于病理切片，团队采用基于DINOv2自监督算法的UNI病理基础模型，将每张全玻片图像切分成小块并提取了1024个高维病理组学特征。通过单变量分析结合LASSO回归和随机森林两种筛选策略，他们分别从影像和病理特征中筛选出了14个和18个最有预测价值的候选变量。这些筛选出的特征被输入到九种不同的机器学习算法中进行比较，最终表现最优的配置是使用LASSO筛选特征构建的逐步逻辑回归模型。在临床变量方面，多因素逻辑回归分析确定了病理类型、术后pTNM分期和Lauren分型是独立预测因子，研究团队将这些影像组学签名、病理组学签名和三个临床变量结合，绘制出了最终的RCSA综合列线图。
在内部验证队列（包含362例患者）中，RCSA模型的受试者工作特征曲线下面积（AUC）达到了0.908，显著超过了单纯临床模型的0.688、单独影像组学模型的0.800和单独病理组学模型的0.816。在来自中国北方三家医院的外部验证队列中，模型的AUC为0.890，在南方两家医院的队列中也得到了相似的结果，公共数据库TCIA的独立验证队列AUC为0.862。前瞻性临床试验（NCT02555358）中的直接手术亚组同样支持了模型的可靠性，其AUC为0.898。DeLong检验证实RCSA显著优于临床模型，净重分类指数和综合判别改善指数均有明显提升。校准曲线的Brier分数较低，表明预测概率与实际肝转移发生率高度一致，决策曲线分析则进一步确认了该模型在不同阈值下都能带来临床净收益。
生存分析的结果显示，根据约登指数确定最佳截断值后，高风险组患者的5年总生存率显著低于低风险组，在训练集中分别为38.9%和55.6%，对数秩检验P值小于0.001。在内部和外部验证集中，这种生存差异始终保持一致，低风险组的生存优势始终明显。多因素Cox回归分析在校正了淋巴结分期和是否接受辅助化疗等因素后，仍然确认RCSA模型是独立的预后影响因素，其风险比为1.517。研究团队还运用SHAP方法对模型进行了可解释性分析，他们以两名实际患者为例，展示了各个特征对个体预测结果的正负贡献方向，并且量化了关键影像特征和病理特征在预测中的权重。基于当前医院随访方案的成本效益分析显示，与单纯临床模型相比，RCSA模型将肝转移的识别率提高了9.2%，同时减少了24例漏诊病例。
为了探究RCSA模型风险分层背后的生物学差异，研究团队对82例患者的肿瘤组织进行了转录组测序。基因集变异分析和基因集富集分析一致发现，低风险组肿瘤显著富集了干扰素-γ应答、干扰素-α应答、IL6/JAK/STAT3信号通路以及炎症反应等免疫相关通路。ESTIMATE算法计算得出的免疫评分和基质评分，在低风险组中都明显更高，CIBERSORT和MCPcounter两种细胞浸润分析方法都证实，低风险组中CD8阳性T细胞的浸润丰度显著高于高风险组。同时，低风险组还高表达一系列免疫检查点分子，包括PDCD1（PD-1）、CTLA4、TIGIT和LAG3等。进一步计算干扰素-γ效应T细胞特征评分和效应T细胞特征评分后，低风险组的得分均远高于高风险组。这些分子层面的证据共同指向，RCSA模型所定义的低风险患者，其肿瘤内部可能已经存在一个预先激活的免疫环境，这类患者或许更有可能从后续的免疫检查点抑制剂治疗中获得益处。
READING
BioPeers
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
