胃癌（GC）是全球范围内常见的消化道恶性肿瘤。2022年数据显示，其发病率位居全球第五，同时，它也是导致癌症相关死亡的第三大主要原因[1]。目前，临床上主要依赖传统影像学检查对胃癌进行评估。这类方法要求影像医师根据图像中的形态学特征，结合个人专业知识与临床经验作出判断并撰写诊断报告，因而存在一定主观性与局限性。近年来，影像组学作为一门新兴学科，正逐步应用于胃癌的转移、分期以及相关蛋白表达等多个方面。

1影像组学在GC转移方面的应用

淋巴转（LNM）是胃癌最主要的转移途径，有研究表明淋巴结转移（LNM）是影响GC分期、治疗选择和预后评估的重要因素之一。计算机断层扫描（CT）是国家综合癌症网络（NCCN）指南推荐在手术前评估淋巴结转移的最常用工具[2]近年来，越来越多的研究表明，影像组学在识别胃癌中LNM的可行性。ZHOU[3]等整合双期增强CT肿瘤内+肿瘤周围影像组学特征、CT-T分期和CT-LNM的临床-影像组学联合模型，可有效术前预测胃癌LNM，且能分层患者风险并评估2年术后预后，为个性化治疗方案制定提供参考。

淋巴血管浸润（LVI）是指肿瘤细胞进入血管或淋巴系统，这一现象与较高的复发风险密切相关，它可作为胃癌（GC）患者术后生存率较低的独立预测因素[4]。目前，LVI评估依赖于显微镜下手术标本的检查，这是一种侵入性，传统影像技术常常无法准确捕捉肿瘤异质性的生物学复杂性，SUN[5]等本研究开发了一种基于静脉期增强CT的2.5D多示例学习（MIL）模型，用于术前预测胃癌淋巴血管侵犯（LVI），研究结果显示，2.5D MIL模型及其与影像组学、传统CT特征结合的联合模型在测试集上表现最佳（AUC分别为0.820和0.822），优于传统临床模型、影像组学模型及2D/3D深度学习模型，显示出良好的临床应用潜力。ZHOU[6]等基于双期增强CT的瘤内及瘤周影像组学模型，结合临床危险因素，能够有效术前预测胃癌淋巴血管侵犯，在训练集和测试集中均表现出优异的预测性能（AUC分别为0.903和0.901）。

2影像组学在GC分期方面的应用

目前，胃癌的病理分期主要基于美国癌症联合委员会（AJCC）/国际抗癌联盟（UICC）认可的肿瘤-淋巴结转移（TNM）第8版分期手册[7]。有研究表明，胃癌分期与预后呈负相关，表明早期胃癌I-II期胃癌预后优于晚期胃癌III-IV期[8]。胃癌通常采用独立分期系统，包括新辅助疗法和切除后的病理分期，以及术前临床分期。放射学将CT和MRI等多种成像方式转换为高维数据，并通过机器学习技术和临床模型在预测组织分类、治疗反应和预后方面展现出显著潜力。Tao等[9]回顾性纳入3个中心771例GC患者,整合影像组学特征与深度学习特征的混合模型，在GC T分期预测中表现最优，能实现无创、精准的术前T分期评估，为临床制定个性化治疗方案（如晚期患者新辅助治疗决策）提供可靠支持，该研究样本量有限且仅纳入亚洲人群，研究存在选择偏倚。胃癌的病理分期包括对术后标本的组织形态进行细致检查，包括对肿瘤、淋巴结和临床转移的全面评估，Tan[10]等首次将病理组学与放射组学特征融合，构建多模型进行胃癌分期预测，融合CT影像与病理切片的放射病理组学模型在区分早期（I–II期）与进展期（III期）胃癌方面表现最佳，该模型具有较高的预测准确性和临床实用性，为胃癌精准分期提供了一种有前景的新方法，也为胃癌的个体化治疗和精准医学提供了新思路。

3影像组学在GC相关蛋白表达方面中的临床应用

3.1影像组学在GC Ki-67表达方面中的应用

Ki-67被广泛认为是细胞增殖标志物，能够客观反映肿瘤细胞生长，并展现出显著的临床价值。Ki-67水平升高表明细胞增殖活性增加，这与GC患者的生存率降低及预后较差密切相关。Ki67指数还可用于监测治疗效果，帮助医生评估患者对特定治疗方案的反应，从而及时调整治疗策略，提高患者生存率和生活质量。研究表明Ki-67可作为评估胃腺癌预后的独立生物标志物，Ki-67在胃腺癌中高表达，与肿瘤的增殖、侵袭性密切相关[11]。评估Ki67水平需要进行侵入性活检和免疫组化分析，这对患者来说既繁琐又不适，这种侵入性方法还存在疼痛、出血和术后感染的风险，因此，开发一种非侵入性且可靠的Ki67水平预测技术至关重要，这种方法将简化评估流程，及时提供关键的预后信息。

作为一项创新的跨学科技术，放射学利用深度学习和机器学习算法的力量，从医学图像中提取和分析大量定量特征，该方法在开发多种癌症的预测模型方面极具价值，并用于预测癌症患者对新辅助化疗和术后治疗的反应。牛林军等[12]研究表明Ki67是晚期胃癌预后的独立预测因素，基于Ki67及其他临床因素构建的列线图可有效预测患者生存预后，阿帕替尼对Ki67高表达的晚期胃癌患者疗效更显著，可能通过Ki67影响患者生存。来自PET/CT图像的放射学特征可以比CT和MRI图像得出的特征更能提供关于生物组织代谢的信息。然而，不同GC病理类型的代谢存在异质性，并非所有恶性GCs都具有高氟脱氧葡萄糖（FDG）摄取率，Chen等[13]开发基于内脏脂肪组织（VAT）的¹⁸F-FDG PET/CT影像组学模型，能有效预测Ki-67和HER2状态，为胃癌的术前无创分子分型提供了新途径。

3.2影像组学在GC Her-2表达方面中的应用

随着临床试验的持续推进，靶向治疗药物逐步应用于临床医学。其中，人表皮生长因子受体2（HER2）被确认为胃癌（GC）靶向治疗的关键靶点之一[14]。根据NCCN胃癌指南（2022版），HER2阳性胃癌的检测通常采用免疫组化（IHC）或荧光原位杂交（FISH）方法。这两种技术均属于侵入性检查，需依赖组织样本，并且操作复杂、耗时较长。影像组学作为快速兴起的研究方向，已获得广泛关注。其中，基于CT/MRI的影像组学被广泛用于胃癌HER2状态的评估。动态对比增强磁共振成像（DCE-MRI）可无创量化肿瘤血管密度、血流灌注等功能特征，Shen等[15]研究表明HER2/ERBB2过表达是胃癌发生发展的重要相关因素，且与DCE-MRI特定影像组学参数（如Ecv 95分位数、差异熵）显著关联，这种关联为临床无创评估HER2状态提供了可能，可辅助靶向治疗决策。

参考文献：

[1] Bray F,Laversanne M,Sung H,Ferlay J,Siegel RL,Soerjomataram I,Jemal A.Global cancer statistics 2022:GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries.CA Cancer J Clin.2024 May-Jun;74(3):229-263.

[2]Natwork(NCCN)NCC.NCCN Clinical Practice Guidelines in Oncology(NCCN Guidelines^®)Gastric Cancer Version 5.2021 2021[updated 2021/10/06].

[3]Zhou YH,Chen XL,Zhang X,Pu H,Li H.Dual-phase contrast-enhanced CT-based intratumoral and peritumoral radiomics for preoperative prediction of lymph node metastasis in gastric cancer.BMC Gastroenterol.2025 Feb 28;25(1):123.

[4]Choi S,Song JH,Lee S,Cho M,Kim YM,Kim HI,Hyung WJ.Lymphovascular Invasion:Traditional but Vital and Sensible Prognostic Factor in Early Gastric Cancer.Ann Surg Oncol.2021 Dec;28(13):8928-8935.

[5]Sun X,Wang P,Ding R,Ma L,Zhang H,Zhu L.Preoperative prediction value of 2.5D deep learning model based on contrast-enhanced CT for lymphovascular invasion of gastric cancer.Sci Rep.2025 Jul 15;15(1):25646.

[6]Zhou YH,Liu Y,Zhang X,Pu H,Li H.Dual-phase contrast-enhanced CT-based intratumoral and peritumoral radiomics for preoperative prediction of lymphovascular invasion in gastric cancer.BMC Med Imaging.2025 Feb 10;25(1):43.

[7]López Sala P,Leturia Etxeberria M,Inchausti Iguíñiz E,Astiazaran Rodríguez A,Aguirre Oteiza MI,Zubizarreta Etxaniz M.Gastric adenocarcinoma:A review of the TNM classification system and ways of spreading.Radiologia(Engl Ed).2023 Jan-Feb;65(1):66-80.

[8]Zhang M,Ding C,Xu L,Ou B,Feng S,Wang G,Wang W,Liang Y,Chen Y,Zhou Z,Qiu H.Comparison of a Tumor-Ratio-Metastasis Staging System and the 8th AJCC TNM Staging System for Gastric Cancer.Front Oncol.2021 Jul 8;11:595421.

[9]Tao J,Liu D,Hu FB,Zhang X,Yin H,Zhang H,Zhang K,Huang Z,Yang K.Development and Validation of a Computed Tomography-Based Model for Noninvasive Prediction of the T Stage in Gastric Cancer:Multicenter Retrospective Study.J Med Internet Res.2024 Oct 9;26:e56851.

[10]Tan Y,Feng LJ,Huang YH,Xue JW,Feng ZB,Long LL.Development and validation of a Radiopathomics model based on CT scans and whole slide images for discriminating between Stage I-II and Stage III gastric cancer.BMC Cancer.2024 Mar 22;24(1):368.

[11]马璐瑶,韩正祥.ki-67在胃腺癌组织中的表达及临床意义[J].医学研究杂志,2024,53(06):136-141.

[12]牛林军,李心忠,闾永健.基于Ki67构建晚期胃癌预后的预测模型[J].中国临床研究,2025,38(07):1038-1042.DOI:10.13429/j.cnki.cjcr.2025.07.013.

[13]Chen D,Zhou R,Li B.Preoperative Prediction of Her-2 and Ki-67 Status in Gastric Cancer Using 18F-FDG PET/CT Radiomics Features of Visceral Adipose Tissue.Br J Hosp Med(Lond).2024 Sep 30;85(9):1-18.

[14]Kim CG,Jung M,Kim HS,Lee CK,Jeung HC,Koo DH,Bae WK,Zang DY,Kim BJ,Kim H,Yun UJ,Che J,Park S,Kim TS,Kwon WS,Park J,Cho SW,Nam CM,Chung HC,Rha SY.Trastuzumab Combined With Ramucirumab and Paclitaxel in Patients With Previously Treated Human Epidermal Growth Factor Receptor 2-Positive Advanced Gastric or Gastroesophageal Junction Cancer.J Clin Oncol.2023 Sep 20;41(27):4394-4405.

[15]Shen L,Li Y,Huang H,Lu Z,Chen B.HER2 in Gastric Cancer:A Comprehensive Analysis Combining Meta-Analysis and DCE-MRI Radiomics.Cancer Control.2024 Jan-Dec;31:10732748241293699.

通讯作者：阿里甫·依马木