近日，浙江省肿瘤医院（以下简称浙肿）胃外科程向东教授团队在国际权威外科期刊《国际外科杂志》（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

另悉，近日浙肿程向东教授团队在国际权威期刊《致癌基因》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，帮助维持黏膜的稳态。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2  GPx2调节胃癌进展转移机制图