作者：王欣悦, 蔡佳楠, 杨巨顺, 顾啸宇, 徐维泽，何伯圣，南通大学第二附属医院放射科

新辅助化疗（neoadjuvant chemotherapy，NAC）是胃癌（gastric cancer，GC）患者临床常用的辅助治疗方案，具有缩小原发肿瘤体积、减少肿瘤转移等优势。然而，由于个体差异性和肿瘤异质性，部分患者对化疗未应答。术前准确评估NAC疗效，并据此选择合适的手术时机、调整治疗方案来尽可能减少毒副反应和并发症的发生，对患者的手术效果及预后极其重要。GC NAC评估的金标准仍为肿瘤病理学缓解程度（pathologic tumor regression grade，pTRG），但其是有创检查，所以利用影像学技术的无创性可以在短时间内评估NAC疗效对GC临床治疗具有重要意义。本文就影像学方法，从形态学成像、功能学成像及影像组学和人工智能三个方面对GC NAC后的疗效评估进行综述。

1. 形态学成像

1.1 肿瘤分期

GC的临床肿瘤分期主要基于美国癌症联合委员会和国际抗癌联盟（AJCC/UICC）发布的第8版胃癌TNM分期系统。该分期系统将传统TNM分期分为三个独立的分期系统，包括临床分期、新辅助治疗后病理分期、病理分期。临床分期可根据新辅助治疗阶段的不同，进一步分为临床基线分期（clinical baseline stage，cBStage）和新辅助治疗后临床再分期（clinical restage，cReStage）。

目前，NCCN指南推荐CT用于诊断临床基线分期，诊断新辅助治疗后临床再分期的影像学方法主要推荐CT和超声内镜检查（EUS）。然而，此前多项研究表明，CT诊断的准确性颇低，所以通过CT诊断分期来评估NAC疗效是不可靠的。这一发现可能是因为化疗后肿瘤坏死、纤维化、水肿和炎症引起的胃壁分层变化导致CT难以区分胃壁层，其N分期的准确性差可能是由于化疗后淋巴结大小可能不变或部分淋巴结因化疗后水肿、炎症而增大。另外，多项研究表明，EUS对GC NAC后再分期的诊断准确性一般，其T分期的诊断准确性为47%~80.2%，N分期的诊断准确性为54.17%~88.5%。Guo等发现，尽管EUS再分期不如病理分期准确，但其证实T/N分期与化疗后pTRG密切相关。

1.2 肿瘤大小

肿瘤负荷评估是评价临床疗效的重要指标之一。目前，大多数临床试验使用实体瘤反应评估标准（RECIST）指南，根据肿瘤最大直径的变化来评估NAC疗效，将疗效分为完全缓解、部分缓解、疾病稳定和疾病进展。Mazzei等发现CT肿瘤最大直径缩小率可预测pTRG，其敏感性和特异性分别为97.3%和90.9%。此外，在影像学和组织学肿瘤最大径之间发现了高度相关性（相关系数为0.829）。

Wang等研究证实化疗后最大淋巴结直径变小和肿瘤厚度比降低这两个CT特征是NAC GC患者术后病理完全缓解的独立预测因素。然而，Sandø等比较了NAC后两种疗效评估方法：一种使用CT在RECIST指南指导下进行评估；另一种是将CT诊断的临床基线分期与新辅助治疗后病理分期结合的影像/病理学方法，结果发现根据RECIST指南未能识别一半进展为转移性疾病的患者，也无法根据反应类别将患者分配到不同长期生存率的亚组，但TNM分期可以实现这些要求。

此外，Ang等使用超声双重造影（double contrast-enhanced ultrasound，DCUS）测量肿瘤大小的总体准确性为60.5%，略高于基于RECIST进行CT评估的53.5%。肿瘤形态学变化的测定可作为评估GC NAC疗效的简单指标，但其诊断准确性不高，导致对NAC后续治疗决策的指导价值有限。一方面，要提高影像学技术对肿瘤形态学诊断的准确性；另一方面，多种诊断方法的结合，例如影像学与病理学联合评估，是未来诊断肿瘤及评估肿瘤预后的方向。此外，还值得注意的是，基于DCUS测量的肿瘤面积减少预测化疗反应的能力略高于使用RECIST标准的CT评估，这为我们提供了新的思路，即结合形态学和功能学成像也许会提高NAC疗效的预测性能。

2. 功能学成像

功能学影像可以根据结构变化以及代谢和功能变化来评价恶性肿瘤患者NAC的疗效。目前用于评估GC NAC治疗效果的CT 功能成像方法主要包括CT 灌注成像和能谱CT，MRI功能成像方法包括动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI）、扩散加权成像（diffusion weighted image，DWI）、扩散峰度成像（diffusion kurtosis imaging，DKI）、磁共振波谱（magnetic resonance spectroscopy，MRS）等。此外，正电子发射断层扫描-计算机断层扫描（PET-CT）也是常用的方法。

2.1 CT灌注成像及能谱CT

CT灌注成像通过各种灌注参数反映活组织肿瘤的血管生长情况，进而反映肿瘤的生物学和行为学特征。灌注参数主要包括血容量（blood volume，BV）、血流量（blood flow，BF）、表面通透性（permeability surface，PS）和平均通过时间（mean transit time，MTT）。Sun等发现两个周期的NAC前后GC患者CT灌注参数中BF和BV的下降率与病理反应分级之间存在相关性（P<0.001）。能谱CT可以获取各种图像及参数，包括虚拟单色图像、基物质图像（碘基图和水基图）、能谱曲线和有效原子序数来量化组织的微观结构和功能状态。

Deng等回顾性纳入60例接受NAC并在化疗前接受能谱CT检查的GC患者，根据术后病理肿瘤消退分级分为有反应组和无反应组，测量化疗前门静脉期的碘浓度（IC）、标准化碘浓度（NIC）、水浓度（WC）和有效原子序数（Eff-Z），结果发现有反应组的IC、NIC和Eff-Z 值均高于无反应组，其曲线下面积（AUC）分别为0.688、0.799和0.690。

此外，该研究还发现NIC、Eff-Z和中性粒细胞与淋巴细胞比值的组合在预测GC NAC反应中显示出良好的诊断效能，其AUC值为0.857。Li等发现90秒延迟期的IC/NIC在预测胃癌NAC病理反应方面优于门静脉期的IC/NIC，表明延迟期扫描方案在胃能谱CT中的临床可行性和适用性。以上研究表明，CT 灌注成像和能谱CT 参数早期评估NAC对晚期GC的疗效的预测是可行的，但在临床应用之前，还需要进行更全面、更大样本量的研究。另外，治疗后扫描时间节点的选择尚待进一步讨论。

2.2 MRI功能成像

DWI是一种对水分子扩散特点进行无创成像的MRI技术，可以使用表观扩散系数（ADC）进行量化，DWI及ADC在评估肿瘤治疗效果方面表现良好。另外，模拟肿瘤组织灌注和血管生成的真实药代动力学过程的DCE-MRI是评估肿瘤微循环状态的首选技术，其在评估多种癌症的治疗反应中起着重要作用。有研究发现，ADC值与pTRG相关，预测化疗反应效能的AUC 值为0.673。此外，延迟期标准化碘浓度（nICDP）和ADC 的组合实现了预测能力的显著提升（AUC=0.770）。

Li等结合DCE-MRI和DWI预测晚期GC NAC的疗效，发现NAC前的ADC、Ktrans和Kep值与pTRG相关，ADC联合Kep值在预测化疗反应方面具有较高的效能，其AUC值达到0.886。另一项研究将DCE-MRI与体素内非相干运动DWI（IVIM-DWI）相结合，以预测胃癌NAC疗效，结果表明，化疗前的体积转移常数、速率常数、血管外间隙和扩散系数值是NAC后病理反应的独立预测因素，DCE-MRI联合IVIM-DWI的组合模型的预测效能AUC值为0.922。

Fu等使用DWI和更复杂的DKI模型来预测晚期胃癌对NAC的反应，结果显示，NAC给药有效组与无效组的治疗前平均峰度（MK）、治疗后MK和ADC值、平均扩散系数（MD）、治疗前后MK和MD变化以及MK百分比变化均有差异（P<0.05）。在这些参数中，MK在治疗后应答者中显示出最高的预测效能（AUC=0.958）。MRS作为一种无创性观察活体组织代谢、生化变化的技术，可以获取肿瘤组织的多种生物学信息，目前已经在脑肿瘤中得到了广泛的应用，并逐渐在其他肿瘤的诊断、疗效评估等方面得到推广。

有学者对2例胃食管癌伴肝转移患者在开始化疗前后进行7-T磷磁共振波谱（31P MRS）检查，在化疗前2例患者测定的磷酸胆碱（PC）和磷酸乙醇胺（PE）值相较于健康志愿者测定的水平更高，化疗2周后PC和PE值仍较高，与化疗2个月后疾病进展的临床评估一致。该研究表明通过MRS获得的代谢物水平来评估胃食管癌肝转移患者的化疗疗效具有可行性，目前MRS也已逐渐应用于评估乳腺癌NAC疗效的研究之中。

功能性MRI 技术对于预测GC 患者的病理反应效能较好，但既往研究样本量较小，需要进一步的大样本研究进行验证。与CT相比，MRI具有一些局限性，例如不可避免的运动伪影等因素。然而，MRI优越的软组织分辨率以及可以避免电离辐射损伤使其成为CT的良好替代检查，尤其是对于碘过敏者、肾功能损害者和妊娠患者。

2.3 PET-CT

PET-CT是一种融合功能代谢显像和解剖结构显像的新型影像技术。18Ｆ-脱氧葡萄糖（18F-fluorodeoxyglucose，18FFDG）是目前最常用的显像剂，通过显示病灶对18F-FDG的摄取来反映病灶的代谢情况，在多种肿瘤的疗效评价中具有重要作用。Mi等发现NAC前后18FDG-PET CT获取的代谢参数，例如最大标准化摄取值（SUV）、平均SUV、代谢肿瘤体积（MTV）和总病变糖酵解（TLG）可准确反映化疗效果，ΔTLG%是局部晚期胃癌术后无进展生存期和总生存期的唯一独立预测因素。

近来，68Ga-FAPI作为一种新型显像剂正逐渐应用于多种肿瘤的PET-CT成像中，其利用68Ga标记成纤维细胞活化蛋白特异性酶抑制剂（FAPI）作为分子探针，通过靶向肿瘤微环境中丰富的成纤维细胞活化蛋白（FAP）来达到可视化肿瘤显像。Miao等通过前瞻性研究发现，肿瘤退缩分级（TRG）与68Ga-FAPI变化率的参数相关，包括最大SUV、SUV峰值和肿瘤-本底比值，这些参数预测晚期GC对NAC病理反应效能的AUC 值分别0.856、0.811、0.864，优于18F-FDG PET-CT 参数。出现该结果的原因可能是18F-FDG在胃壁的生理性或炎症性摄取的干扰以及在标志环细胞癌（SRCC）、黏液腺癌和一些具有高黏液成分的分化不良肿瘤中的低18F-FDG摄取，这限制了其在GC患者治疗反应评估中的应用。此外，Lin等还发现68Ga-FAPI PET-CT在检测原发肿瘤、淋巴结转移和腹膜转移等方面优于18FDG PET-CT。68Ga-FAPI的发现与应用为未来晚期GC患者的个性化治疗提供了希望。

3. 影像组学和人工智能

3.1 影像组学

放射组学是一种新兴技术，通过从传统图像中高通量提取与肿瘤表型相关的定量特征，对大量图像数据进行深度挖掘、预测和分析。目前，放射组学主要应用于肿瘤学，促进恶性肿瘤的鉴别诊断、转移预测、疗效及预后评估。Wang等纳入了205例接受NAC的胃腺癌患者，通过采集患者NAC前后的CT图像，建立了四个模型来评估其疗效，最后发现，基于CT放射组学和临床病理特征的治疗前后的双序贯点动态放射组学模型效能最好，其AUC 值为0.769。

Chen等从GC患者NAC前的能谱CT碘摄取图像中得到的最佳放射组学模型在预测患者无病生存率和总生存率方面表现良好（其AUC值分别为0.80和0.77）。此外，放射组学-临床组合模型在测试队列的预测效能更佳，无病生存率和总生存率的C指数分别为0.810和0.710。Li等分别通过基于CT和多参数MRI中提取的放射组学特征结合临床特征建立列线图模型来比较GC NAC后病理反应的预测效能，两个模型都与肿瘤退缩分级具有相关性，其测试集AUC值分别为0.770和0.831，没有显著差异（P=0.267），与CT相比，MRI放射组学模型并未提高早期识别GC NAC后病理反应的预测效能。

生境分析，也被称为亚区域影像组学，是一种创新影像组学策略，通过肿瘤及其周围区域内每个体素的异质性描述，使用聚类方法收集相似体素来解释生态学和生物多样性中的生境。该技术通过将复杂肿瘤划分为不同的亚区域来量化肿瘤内异质性，这种异质性与患者的预后、治疗反应以及复发风险密切相关。利用生境分析来预测肿瘤NAC后的治疗反应已经运用于乳腺癌、非小细胞肺癌以及鼻咽癌中，有关GC在该方面的研究还有待进一步探索。

3.2 人工智能（AI）

AI应用于医学成像的各个方面，包括图像优化、诊断和预测，已经成为放射学研究的一大重点。深度学习是一类用于AI的机器学习方法，其中神经网络层通过调整参数进行训练，通常负责放射学中的分割、检测或分类。Zhang等研究证实基于CT的深度学习模型在预测GC患者NAC耐药性方面表现出良好的性能，其训练集的AUC值为0.808。此外，另一项研究使用深度学习提取的深度特征和手动放射组学特征来预测NAC对GC的疗效，并将两种方法相结合，获得了良好的预测效能，其AUC值达到0.848。

Zhang等通过将手动放射组学特征、深度学习特征与临床特征相结合，建立列线图模型，动脉期、门静脉期、延迟期的列线图模型预测NAC反应效能的AUC值分别是0.848、0.802和0.751。与放射组学的精确手动轮廓相比，深度学习可以直接从图像中提取特征并自动选择特征，这种端到端的模式节省了相当多的时间，避免了人为因素的影响。放射组学和深度学习对于早期治疗策略调整具有巨大的潜在价值。然而，这些研究大多是小型和单中心的，不足以用于临床决策和转化。此外，这些研究缺乏统一标准，差异较大，尚处于不成熟阶段，研究结果尚未进行临床调查。如果进行后续的前瞻性研究，需要严格遵守现有的指南。

来源：王欣悦,蔡佳楠,杨巨顺,等.评估胃癌新辅助化疗疗效的影像学研究进展[J].临床放射学杂志,2025,44(07):1350-1354.DOI:10.13437/j.cnki.jcr.2025.07.024.