基于CT影像组学精准预测局部进展期胃癌手术预后的研究

Local advanced gastric cancer accounts for about 75% of all gastric cancers. Although surgical resection is the preferred treatment option for local advanced gastric cancer patients, they encountered with high recurrence rate and low overall survival rate. Therefore, precise evaluation of the clinical outcome for local advanced gastric cancer patients following surgical removal can aid in decision-making, however, the current method based on clinical pathological indicators cannot accurately predict the prognosis. Our previous research and other researchers' results indicated that radiomics can extracted imaging feature from the medical imaging of the tumors to decode the clinical information including treatment evaluation and prognosis prediction for local advanced gastric cancer. This project is to: (1) extract and select the key radiomics features from the gastric cancer imaging, which is highly associated with the prognosis of the patients; (2) investigate and quantify the molecular markers related to the prognosis of gastric cancer; (3) integrate radiomics features, clinical and pathological variables, and molecular markers to build the prognostic prediction model for local advanced gastric cancer, and the prediction model will be validated. The results of this project will provide an adjunct tool for clinicians to individualized predict the prognosis of local advanced gastric cancer after surgical resection, which will aid in clinical decision-making in precise medicine for the patient management.

局部进展期胃癌约占所有胃癌的75%，手术切除肿瘤是首选治疗方式，但存在术后复发率高和总体生存率低的临床预后难题。准确评价局部进展期胃癌手术预后可指导临床决策，但目前基于临床病理指标的方法尚不能准确预测预后。申请人和国外研究团队的研究证实，使用影像组学方法，挖掘蕴含于肿瘤影像中的深层特征，可用于肿瘤患者的疗效评价和预后预测，为进展期胃癌手术后的预后预测提供了新思路。本项目拟：1、基于影像组学技术，挖掘并筛选胃癌影像中的与预后高度关联的影像组学特征，组成影像组学特征标签；2、检测并量化胃癌预后相关分子标志物的表达；3、融合影像组学特征标签、预后相关分子靶向标志物和常规临床病理指标，构建并验证预后预测模型，对局部进展期胃癌预后进行个体化预测。本研究的结果，将为临床医师预测局部进展期胃癌手术切除后的预后结局提供辅助工具，对患者进行个体化预后预测，指导临床决策。

针对局部进展期胃癌术后复发率高和总体生存率低的临床预后难题，本项目基于影像组学方法，构建预后预测模型，实现对患者的个体化预后预测。本项目主要从以下几个方面展开研究，包括基于胃癌CT影像进行特征提取和筛选，临床病理指标和胃癌预后相关分子标志物的获取和筛选以及影像组学预后预测模型构建、验证和优化。其中，针对CT扫描仪器和参数不一致的问题，项目组提出了基于生成对抗网络（GAN, generative adversarial network）的归一化方法，证实其可以减少不同CT成像方案引起的影像组学特征的变异。此外，采用深度学习的方法进行特征提取、降维与筛选。研究结果表明，基于影像组学特征，并融合预后相关分子和常规临床病理指标对局部进展期胃癌的预后预测具有良好的效能，有望为相关患者人群的个体化治疗提供更多的参考。基于影像组学研究，本项目组发表课题相关文章31篇，其中SCI文章30篇，合计影响因子179.046分，包括肿瘤学领域顶级期刊《Ann Oncol》1篇（影响因子：32.976）、《Clin Cancer Res》1篇（影响因子：12.531）；国家发明专利7项，软件著作权5项，并获得2020年广东省科技进步奖一等奖。.同时，在本项目的资助下，项目组借助现代图像信息处理技术，挖掘病理或免疫组化图像中的肿瘤预后相关因素，通过定量分析为肿瘤的预后提供更多参考信息；此外，还将本项目的相关研究方法应用于结直肠癌、乳腺癌及肺癌等多种肿瘤的评估，主要包括肿瘤的定性、分期分级、疗效评估和预后预测等方面，有较高的临床应用价值和科研意义。其中，在乳腺癌的研究方面，分别基于多参数MRI和CT影像组学特征并结合相关激素受体表达信息构建个体化的预测模型，为乳腺癌患者新辅助化疗后的病理完全缓解精准预测提供辅助工具；此外，对前哨淋巴结转移和EGFR2表达情况也构建了相关的预测模型。对临床上患者的预后预测具有重要的指导价值。对结直肠癌等其他多种肿瘤的相关研究也为临床提供了重要参考。.本团队在影像组学方面的工作，为肿瘤患者的评估提供了新的思路和方法，进一步为实现个体化治疗提供了重要参考。