Int J Surg：程向东教授团队提出基于深度学习的胃癌新辅助化疗疗效预测方法

胃癌是世界范围内最常见的胃肠道恶性肿瘤之一，也是全球癌症相关死亡的第三大常见原因。

近年来，新辅助化疗已被证明可显著改善进展期肿瘤患者的预后，并已成为标准治疗方案。新辅助化疗通过术前化疗减少肿瘤体积，实现肿瘤降解，尽早消除微转移，增加R0切除率，提高总生存期和无病生存期。然而，目前只有部分进展期胃癌患者能够从新辅助化疗中获益。无效的新辅助治疗还可能会增加毒性并导致肿瘤在化疗期间进展。

因此，亟需一种治疗前预测新辅助化疗疗效方法，作为制定进展期胃癌患者个性化治疗方案的有效依据。

近日，我院胃外科程向东教授团队在国际权威外科杂志International journal of surgery（IF=13.4）上在线发表了题为“Deep learning radio-clinical signature for predicting neoadjuvant chemotherapy response and prognosis from pretreatment CT images of locally advanced gastric cancer patients”的研究成果，提出一种基于深度学习的胃癌新辅助化疗疗效预测方法。基于门静脉期CT 图像和临床病理学特征的深度学习影像临床模型(DLCS)，集成多模态特征信息以预测局部晚期胃癌患者新辅助化疗疗效。

为打破真实临床不平衡数据带来的模型预测偏差，该模型利用基于图像的最新过采样方法(DeepSMOTE)来生成少样本图像，以快速高效平衡数据集。另外，该模型融入通道间注意力机制，强化重要特征通道，提升模型预测准确率。其泛化性在多个验证集上得以评估，进一步证实人工智能辅助新辅助疗效预测的可行性。此外，该模型可作为进一步预测患者总生存期的独立影响因子，以辅助临床医生完成治疗决策。

该研究纳入了6家医疗机构共1060例进展期胃癌患者的CT影像和临床信息，进行深度学习的训练与验证。研究表明，相较于临床特征，深度学习影像特征具有更强的新辅助化疗反应预测能力，揭示了CT影像中含有大量与肿瘤分子生物学行为相关的特征，表明了深度学习能够挖掘肿瘤异质性及微环境与肿瘤化疗敏感性间的深层隐含关联。

该DLCS模型通过内部验证集和外部验证集，预测进展期胃癌患者新辅助化疗疗效的精度达AUC > 0.8，是目前已报道的纳入人群最大、精度最高的进展期胃癌新辅助化疗疗效预测模型。此外，该团队还建立深度学习模型预测接受新辅助化疗患者的生存期，对患者进行了预后风险分层。DLCS模型的辅助，可在治疗前有效筛选胃癌新辅助化疗疗效获益人群，为临床制定个性化治疗方案提供新的理论依据，进而改善进展期胃癌患者的预后并提高患者生存率。

图 1 基于深度学习的进展期胃癌新辅助化疗疗效预测方法

浙江省肿瘤医院胃外科程向东教授为该研究的通讯作者，徐志远教授和杜义安教授为共同通讯，胡灿博士为第一作者，医学影像科陈武杰医师和深睿医疗李冯工程师为共同第一作者。该研究得到了国家重点研发计划、国家自然科学基金、浙江省上消化道肿瘤防控与诊治重点实验室等的经费支持。研究特别感谢浙江省肿瘤医院随访室为该研究提供的支持和帮助。

近日我院程向东教授团队在国际权威期刊杂志Oncogene（医学一区TOP，IF=8.756）上在线发表了题为“Glutathione peroxidase 2 knockdown suppresses gastric cancer progression and metastasis via regulation of kynurenine metabolism”的研究成果。

在本研究中，该研究团队首次报道了谷胱甘肽过氧化物酶2（GPx2，也称为胃肠GPx）在胃癌的发生发展中发挥着重要作用。

GPx2是谷胱甘肽过氧化物酶家族中的一员，可以清除细胞内的活性氧，恢复细胞内的氧化还原平衡状态，帮助维持粘膜的稳态。在既往研究中，GPx2在肺癌、胰腺癌、胶质母细胞瘤和乳腺癌等恶性肿瘤的发生发展中具有重要作用，然而其在胃癌中的作用尚不明确。该研究团队首次发现了GPx2在胃癌组织中表达显著上调，且GPx2表达水平胃癌患者不良预后密切相关。GPx2表达量的下调，可明显抑制胃癌细胞的增殖和转移。反之，GPx2的过表达能够促进胃癌细胞的增殖和转移。

通过蛋白组学等多维组学分析，本研究发现GPx2能够通过调节KYNU的表达水平，影响胃癌细胞的犬尿氨酸代谢通路，参与胃癌的发生和发展。综上，本研究阐明了GPx2基因在调节胃癌进展转移中的新机制，并提出其可能是治疗胃癌的潜在药物靶标。

图 1 GPx2调节胃癌进展转移机制图

浙江省肿瘤医院胃外科程向东教授为该研究的通讯作者，徐志远教授和覃江江教授为共同通讯，硕士研究生徐瀚栋为第一作者，博士研究生胡灿为共同第一作者。该研究得到了国家重点研发计划、国家自然科学基金、浙江省上消化道肿瘤防控与诊治重点实验室等的经费支持。研究特别感谢浙江省肿瘤医院随访室为该研究提供的支持和帮助。

实验室简介

浙江省上消化道肿瘤防控与诊治重点实验室依托浙江省肿瘤医院与中科院医学所，形成了以临床医学、药学、生物化学、人工智能、生物信息等多学科交叉、医工研深度融合的创新团队，围绕上消化道肿瘤“多维早筛技术研发及防控体系构建、临床智能诊疗关键技术研发与应用、疾病机制与干预策略研究”三个研究方向。

原始出处：

Deep learning radio-clinical signature for predicting neoadjuvant chemotherapy response and prognosis from pretreatment CT images of locally advanced gastric cancer patients，Int J Surg  . 2023 May 4. doi: 10.1097/JS9.0000000000000432