基于CT影像組學特征無創評估胃癌HER2狀態的多中心驗證

機器學習聯合CT影像組學賦能胃癌HER2狀態評估，構建穩健的無創輔助診斷新模型。

胃癌（GC）是全球主要的癌癥負擔之一，其發病率和死亡率長期位居惡性腫瘤前列，嚴重威脅人類健康[1]。人表皮生長因子受體2（HER2）作為胃癌關鍵的驅動基因，其過表達狀態直接決定了患者能否從抗HER2靶向藥物（如曲妥珠單抗）中獲益[2]。近年來，基于ToGA研究的確立，曲妥珠單抗聯合化療已成為HER2陽性晚期胃癌的一線標準治療方案，顯著延長了患者的總生存期。目前臨床金標準依賴于有創操作，不僅受限于取材部位的局限性，難以反映腫瘤整體的時空異質性，且耗時費力，導致部分患者因無法耐受或檢測結果假陰性而錯失治療窗口[3]。因此，如何利用無創的影像學手段，通過挖掘肉眼無法識別的深層特征來全面表征腫瘤的生物學行為，并構建高精度的HER2狀態預測模型，已成為實現胃癌精準診療分層亟待突破的關鍵問題。

一項發表在

Academic Radiology

研究設計

該研究將納入來自三個不同醫療中心的1059例胃癌患者樣本，依據免疫組化和FISH檢測結果劃分為HER2陽性組和HER2陰性組。該研究的核心方法是采用高通量影像組學技術（FAE）對患者靜脈期CT圖像中的直方圖特征和紋理特征進行提取、標準化及降維分析。研究的核心在于通過對比遞歸特征消除（RFE）等多種特征篩選策略與SVM、Lasso回歸等機器學習分類器的組合，構建穩健的影像組學標簽以闡明影像表型與基因表達之間的潛在關聯。研究的核心發現是基于RFE特征篩選和LR-Lasso分類器構建的模型展現出最佳的預測效能和臨床凈獲益，提示其作為一種有效的無創輔助工具，能幫助臨床排除非HER2陽性患者，從而有力地指導胃癌患者的精準分層和減少不必要的有創活檢。

研究結果

該研究首先評估了不同特征篩選方法與機器學習分類器組合對胃癌HER2表達狀態的預測有效性。通過對提取的影像組學特征進行降維與篩選分析，結果顯示，在特征選擇階段，RFE和方差分析（ANOVA）的表現顯著優于Kruskal-Wallis檢驗（KW）和Relief算法。結合分類器進一步分析發現，LR-Lasso構建的模型，在訓練集中展現了最高的預測效能，顯著優于SVM模型。這表明RFE特征篩選策略結合LR-Lasso算法是構建HER2影像組學預測標簽的最佳潛在策略。

圖1 不同特征選擇方法建立模型的比較

在模型驗證和泛化能力方面，研究利用獨立外部測試集（中心C）顯示，RFE+LR-Lasso模型保持了高度的穩健性。該模型在外部測試集中的曲線下面積（AUC）達到了0.8033，且優于ANOVA構建的模型以及所有的SVM模型。統計分析進一步證實，該模型在訓練集和測試集之間未表現出顯著的過擬合現象，且能夠有效捕捉靜脈期CT圖像中與HER2表達相關的微觀紋理差異。這證實了利用單時相CT影像特征進行跨中心HER2狀態預測的可行性。

圖2 訓練集、交叉驗證訓練集（cv_training）及測試集中的ROC曲線

臨床決策與診斷效能分析揭示了該影像組學模型的關鍵應用價值：決策曲線分析（DCA）顯示，當高風險閾值超過0.4時，RFE+LR-Lasso模型相比其他模型能為患者帶來顯著更高的臨床凈獲益。此外，診斷效能評估發現，該模型雖然陽性預測值（PPV）有限，但具有極高的陰性預測值（NPV=0.9834）和較高的敏感性。這提示該影像組學標簽可能作為一個高效的“排除性”生物標志物，通過高可信度地識別HER2陰性患者，從而減少不必要的有創活檢和檢測成本，優化胃癌患者的臨床診療路徑。

圖3 訓練集和驗證集的決策曲線比較

總結

本研究通過對胃癌患者隊列進行基于CT影像組學的多中心回顧性分析，有效評估了靜脈期影像紋理特征在無創預測HER2表達狀態中的重大價值。研究清晰地揭示了基于RFE篩選并結合Lasso邏輯回歸構建的影像組學標簽，可以作為評估胃癌HER2狀態的潛在無創生物標志物。更重要的是，該研究通過多中心獨立驗證和決策曲線分析，證實了該影像組學模型在不同中心數據間具有高度的穩健性以及優于傳統臨床模型的臨床凈獲益。這一無創評估能超越傳統的局部活檢限制，以極高的NPV協助排除非HER2陽性患者，從而識別出可能因腫瘤異質性而被病理檢測漏診的潛在特殊人群。這為開展針對胃癌的精準分層和減少不必要的有創檢查提供了強有力的影像學依據，并允許在病理結果存疑時對HER2狀態進行潛在的補充評估。盡管本研究存在僅基于2D圖像分析且陽性樣本比例較低的局限性，但其采用的大樣本多中心驗證設計具有重要價值。隨著對CT影像組學特征理解的加深，這種基于計算醫學的輔助診斷模型有望被納入未來的胃癌臨床實踐，以更精準地指導患者的個體化靶向治療。

參考文獻：

1. Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin. 2024;74:229–63.

2. Bang Y-J, Van Cutsem E, Feyereislova A, et al. Trastuzumab in combination with chemotherapy versus chemotherapy alone for treatment of HER2-positive advanced gastric or gastro-oesophageal junction cancer (ToGA): a phase 3, open-label, randomised controlled trial[J]. Lancet. 2010;376:687–97.

3. Eric Van Cutsem, Bang Y-J, Feng-Yi F, et al. HER2 screening data from ToGA: targeting HER2 in gastric and gastroesophageal junction cancer[J]. Gastric Cancer. 2015;18:476–84.

4. Wu ZH, Ren XR, Meng YQ, et al. Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study[J]. Acad Radiol. 2025;32(5):2596-2603.

審批編號：CN-173732 有效期至：2026-12-09
本材料由阿斯利康提供，僅供醫療衛生專業人士參考

*“醫學界”力求所發表內容專業、可靠，但不對內容的準確性做出承諾；請相關各方在采用或以此作為決策依據時另行核查。