基于临床影像组学的胃癌新辅助化疗前后分期整合预后模型：一项多中心回顾性研究

　　本研究针对肿瘤消退分级(TRG)和ypTNM在评估胃癌(GC)新辅助化疗(NAC)疗效时预后价值有限的问题，开发了一种不依赖TRG的临床-影像组学融合模型。来自多中心的研究团队通过整合动态T/N分期变化与影像组学特征，构建的Final SCORE模型在内部与外部验证中均显示出优于传统指标的预后分层能力，为NAC后GC患者的个体化预后评估及辅助治疗人群筛选提供了新工具。

　　

在胃癌(Gastric Cancer, GC)的治疗策略中，新辅助化疗(Neoadjuvant Chemotherapy, NAC)的应用日益广泛，但传统评估手段——包括肿瘤消退分级(Tumor Regression Grade, TRG)和术后病理分期(ypTNM)——在预测患者长期预后方面存在明显局限性。

为突破此瓶颈，一项涵盖三大医疗中心、875例GC患者的回顾性多中心研究应运而生。研究团队创新性地将目光投向化疗前后的动态T/N分期变化规律，并融合了前沿的影像组学(Radiomics)技术。通过采用Cox比例风险回归模型进行临床变量筛选与权重分配，并运用Lasso回归对海量影像特征进行降维与筛选，研究者成功构建了三个核心模型：基于临床病理特征的Clinical SCORE模型、基于CT影像特征的CT SCORE模型，以及二者融合而成的终极预测工具——Final SCORE模型。

研究成果令人振奋：动态T/N分期变化本身就是强有力的预后区分指标；而Clinical SCORE与CT SCORE的整合更是将预测精度提升至新高度。在训练集与外部验证队列中，Final SCORE模型展现出的预后判别能力均显著优于传统的TRG和ypTNM体系。更值得一提的是，该模型还能有效甄别哪些患者能从术后辅助治疗中真正获益，为临床治疗决策提供了极具价值的参考依据。

这项研究标志着胃癌预后评估迈入了临床与影像组学深度融合的新阶段，其开发的Final SCORE模型为实现GC患者接受NAC后的个体化、精准化预后管理提供了强大而可靠的工具。