胃癌是一種起源于胃黏膜上皮的常見惡性腫瘤，其早期癥狀隱匿且無特異性，常與胃炎、胃潰瘍等慢性疾病癥狀類似，極易被忽略，致使80%-90%胃癌患者初診時已屬進展期。目前，進展期胃癌患者的主要治療手段是外科手術(shù)，但其預(yù)后不佳，5年生存率僅為30%。

近年來，新輔助化療在改善進展期胃癌患者預(yù)后方面取得了一定效果，為廣大外科醫(yī)生和患者所接受。然而，仍有約30%進展期胃癌患者無法從新輔助化療中獲益，卻要承受疾病進展風(fēng)險、額外身體損傷及高額治療費用。術(shù)后組織病理學(xué)檢查雖是新輔助化療療效評估的金標準，但明顯滯后，不具備臨床治療方案優(yōu)化的指導(dǎo)價值。因此，治療前精準識別進展期胃癌新輔助化療抵抗患者至關(guān)重要。

前期，中國科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所高欣團隊聯(lián)合山西省腫瘤醫(yī)院，首次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(yù)測方法。在此基礎(chǔ)上，團隊針對進展期胃癌新輔助化療抵抗患者識別難題，基于醫(yī)學(xué)影像智能計算技術(shù)，提出了一種療效預(yù)測新方法。團隊通過ResNet-50神經(jīng)網(wǎng)絡(luò)架構(gòu)，自動挖掘腫瘤影像高維特征，同時借助多通道圖像輸入策略，深度融合腫瘤影像空間特征，并利用腫瘤邊界信息引導(dǎo)網(wǎng)絡(luò)重點關(guān)注病灶區(qū)域，最終構(gòu)建一種端到端的進展期胃癌新輔助化療療效預(yù)測模型（圖1）。該研究使用3家醫(yī)院的633例進展期胃癌患者CT影像數(shù)據(jù)進行模型訓(xùn)練與驗證。

圖1 進展期胃癌新輔助化療療效預(yù)測新方法流程

圖2 進展期胃癌新輔助化療療效預(yù)測模型可視化圖例

結(jié)果表明，所構(gòu)建的模型精度高且泛化性強，在內(nèi)外部測試集上預(yù)測精度均大于0.75，是目前報道中性能最佳的端到端式進展期胃癌新輔助化療療效預(yù)測模型。此外，為了進一步直觀展現(xiàn)模型的可解釋性，團隊通過可視化方法量化腫瘤影像與化療抵抗間的對應(yīng)關(guān)系。腫瘤內(nèi)部模型激活區(qū)域并不均勻，為揭示腫瘤異質(zhì)性與化療抵抗間的隱含關(guān)聯(lián)提供了借鑒思路（圖2）。

相關(guān)成果發(fā)表于Gastric Cancer。研究工作得到國家自然科學(xué)基金委員會等機構(gòu)的資助。

原始出處：

Zhang J, Cui Y, Wei K, Li Z, Li D, Song R, Ren J, Gao X, Yang X. Deep learning predicts resistance to neoadjuvant chemotherapy for locally advanced gastric cancer: a multicenter study. Gastric Cancer. 2022 Aug 6. doi: 10.1007/s10120-022-01328-3