鑽石舞台

iNature

腹膜復發是胃癌根治性手術後的主要復發形式，且預後不佳。準確的個體化腹膜復發預測對於確定哪些患者可能從強化治療中受益至關重要。該研究旨在建立胃癌腹膜復發和預後的預測模型。

2022年5月，斯坦福大學李瑞江、南方醫科大學李國新及中山大學周志偉共同通訊（南方醫科大學江玉明為第一作者）在Lancet Digital Health（IF=37）在線發表題為「Predicting peritoneal recurrence and disease-free survival from CT images in gastric cancer with multitask deep learning: a retrospective study」 的研究論文，在這項包含2320名患者的回顧性多機構研究中，開發了一種多任務深度學習模型，利用術前CT圖像同時預測腹膜復發和無病生存。訓練隊列(n=510)和內部驗證隊列(n=767)的患者來自南方醫科大學。外部驗證隊列的患者(n=1043)來自中山大學癌症中心。該研究評估了該模型的預後準確性及其與化療反應的關係。此外，該研究評估了該模型是否能提高臨床醫生預測腹膜復發的能力。

深度學習模型在預測腹膜復發方面具有始終如一的高精度。當被人工智能(AI)模型告知時，腫瘤醫生預測腹膜復發的敏感性和評分者之間的一致性得到了提高。在多變量分析中，該模型獨立於臨床病理學變量預測腹膜復發和無病生存。對於預計腹膜復發風險高且生存期低的患者，輔助化療與兩種 II 期疾病和 III 期疾病的無病生存期改善相關。相比之下，對於預計腹膜復發風險低且生存率高的患者，化療對無病生存率沒有影響。對於其餘患者，化療的益處取決於分期：只有 III 期疾病患者才能從化療中獲益。總之，深度學習模型可以準確預測胃癌患者的腹膜復發和生存情況。 需要前瞻性研究來檢驗該模型在結合臨床病理學標準指導個性化治療方面的臨床效用。