这是一项关于光谱CT（spectral CT）碘图（iodine maps, IMs）栖息地分析（habitat analysis）预测胃癌（gastric cancer, GC）新辅助治疗（neoadjuvant therapy, NAT）病理学反应的多中心回顾性研究。该研究由郑州大学第一附属医院放射科的You Yaru、Yuan Mengchen、Yang Xiaofei、Chen Yusong、Gao Jianbo，以及郑州大学附属肿瘤医院暨河南省肿瘤医院放射科的Chen Xuejun、Li Jing等学者合作完成，其中Li Jing和Gao Jianbo为共同通讯作者。Philips（中国）投资有限公司的Dang Jinjin亦参与了此项工作。论文发表于 *European Radiology*，DOI为10.1007/s00330-026-12727-w。

研究背景与目的

局部进展期胃癌的标准治疗方案为新辅助治疗，其可提高R0切除率并改善总生存，但患者治疗反应存在显著异质性，约20%至50%的患者临床获益有限。术后病理学肿瘤退缩分级（tumor regression grade, TRG）是评估疗效的金标准，但具有滞后性，无法在治疗前进行实时调整。因此，临床上迫切需要可靠的疗前生物标志物来预测NAT疗效。双层光谱CT作为双能CT的一种形式，可在不增加辐射剂量的前提下同时获取低能与高能数据，其衍生的碘图能够无创定量评估肿瘤血管生成——这一影响治疗反应的关键因素。然而，既往基于碘浓度（iodine concentration, IC）预测疗效的研究多采用二维感兴趣区（region of interest, ROI）的平均值，未能捕捉胃癌显著的空间异质性。栖息地分析可将肿瘤分割为具有相似体素特征的子区域，从而表征肿瘤内异质性（intratumoral heterogeneity, ITH）。本研究旨在利用基于IMs的栖息地成像探究肿瘤内灌注模式，并评估其预测胃癌患者NAT病理学反应的价值。

研究设计与工作流程

该研究为回顾性、双中心设计，纳入2022年7月至2025年6月间经病理证实为胃腺癌、在NAT后接受根治性胃切除术、且疗前2周内完成双层光谱CT检查的151例患者。其中来自中心A（郑州大学第一附属医院）的114例用于模型训练与内部五折交叉验证，来自中心B（郑州大学附属肿瘤医院暨河南省肿瘤医院）的37例作为独立外部测试集。所有患者在CT检查前均行空腹、呼吸训练及饮水充盈胃腔准备，并采用团注追踪法行动、静脉双期增强扫描。图像后处理中，由同一光谱数据集重建出常规图像与碘图，层厚及层间距均为1.0 mm。图像预处理步骤包括：将碘图重采样至1×1×1 mm³各向同性体素，应用固定窗宽窗位的线性灰度变换以统一初始强度，以及基于主动脉参照的标准化以校正对比剂分布的生理性变异。肿瘤分割由一名有5年经验的放射科医师在标准化碘图上逐层勾画肿瘤容积（volume of interest, VOI），并由另一名有7年经验的医师复核确认。栖息地分析采用K均值聚类算法对肿瘤VOI内的体素进行无监督聚类，聚类数通过Calinski-Harabasz评分与轮廓系数从2至6中择优确定，最终确定最优聚类数为3。三个子区域按标准化碘浓度（normalized iodine concentration, NIC）升序分别命名为habitat_high、habitat_middle与habitat_low。对每个栖息地计算其体积分数（volume fraction, VF），即该栖息地体素数占肿瘤总体素数的百分比。此外，研究团队将Li等人原先用于非小细胞肺癌ITH量化的二维面积法拓展至三维体积法，计算出肿瘤内异质性评分（intratumoral heterogeneity score, ITHScore），该评分整合了每个栖息地簇的连通区域数量与最大连通区域体积，范围为0至1，值越高代表灌注异质性越强。统计分析中，为增强参数选择的稳健性，采用分层五折交叉验证进行单因素分析，仅保留在至少四个折中P<0.05的变量进入后续多因素分析。由于数据存在类别不平衡，最终构建了加权逻辑回归模型以预测病理学反应。

主要研究结果

在151例患者中，54例（35.8%）为病理学应答者（TRG 0-1），97例为非应答者（TRG 2-3）。基于K均值聚类，肿瘤被划分为高、中、低三个灌注栖息地。对比应答者与非应答者，非应答者的高灌注栖息地体积分数显著更高（P=0.002），ITHScore显著更高（P=0.022），而低灌注栖息地体积分数显著更低（P=0.006）；中灌注栖息地体积分数无显著组间差异（P=0.170）。值得注意的是，传统的二维ROI测量参数——静脉期碘浓度（ICvp）与标准化碘浓度（NICvp）在两组间均无显著差异，提示基于平均值的传统测量方法可能掩盖了肿瘤内灌注的实质性空间异质性。经五折交叉验证的单因素筛选，共保留五个稳健参数：Lauren分型、高灌注栖息地体积分数、低灌注栖息地体积分数、ITHScore与分化程度。Spearman相关分析显示高灌注与低灌注栖息地体积分数存在强负相关（|r|=0.80，P<0.001），因高灌注栖息地体积分数与其他变量累积相关性更高，故将其剔除，保留低灌注栖息地体积分数、ITHScore、Lauren分型及分化程度进入后续分析。ROC分析确定低灌注栖息地体积分数与ITHScore的最佳截断值分别为45.9%与0.847。据此将患者分层：低灌注栖息地体积分数≥45.9%定义为低灌注主导（low-perfusion-dominant, LPS）型，ITHScore<0.847定义为低异质性。结合这两个指标将患者划分为四种灌注亚型：A型（低异质性/LPS）、B型（低异质性/非LPS）、C型（高异质性/LPS）与D型（高异质性/非LPS）。在中心A队列中，各亚型的病理学反应率分别为75.0%、40.0%、44.4%与17.4%（P<0.001）；在外部验证队列（中心B）中，反应率分别为71.4%、30.0%、40.0%与13.3%（P<0.001），呈现出高度一致的趋势。多因素逻辑回归分析显示，Lauren分型与灌注亚型是病理学应答的独立预测因子，其中肠型与A型为保护因素。联合Lauren分型与灌注亚型构建的加权逻辑回归模型在内部交叉验证中的平均AUC为0.794（95% CI: 0.751–0.836），敏感性为76.1%，特异性为75.0%；在外部测试集中的AUC为0.782（95% CI: 0.605–0.909）。敏感性分析进一步证实，在排除接受5–6周期延长治疗的患者后，以及仅保留接受新辅助免疫化疗（neoadjuvant immunochemotherapy, NAIC）的患者后，Lauren分型与灌注亚型仍为独立预测因子，模型AUC分别为0.804与0.785，且治疗与模型预测间无显著交互作用（P=0.236），表明模型在不同治疗亚组中表现稳定。

结论与研究价值

本研究证实，基于疗前碘图的栖息地分析能够识别具有不同新辅助治疗病理学反应的肿瘤灌注亚型。灌注亚型是病理学反应的独立预测因子，联合Lauren分型构建的预测模型具有良好的诊断性能与跨中心泛化能力。这一发现为胃癌患者疗前无创预测NAT疗效提供了一种有前景的影像学生物标志物，有助于筛选最可能从标准新辅助治疗中获益的患者（如A型患者，反应率高达75.0%），同时识别出疗效不佳的高风险亚组（如D型患者，反应率仅17.4%），对这一亚组可考虑早期手术干预或联合靶向、放疗等更强化的治疗策略，以避免无效治疗及不必要的药物相关毒性。值得注意的是，高异质性/非LPS亚型约占研究队列的40%，提示相当一部分患者可能从基于灌注亚型的个体化治疗决策中获益。

研究亮点与方法学特色

本研究的创新性主要体现在以下几个方面：其一，首次将栖息地分析应用于光谱CT碘图以预测胃癌NAT疗效，突破了传统二维ROI平均碘浓度无法反映肿瘤空间异质性的局限。其二，研究团队自主将二维面积的ITH量化方法拓展为三维体积评分（ITHScore），更全面地刻画了肿瘤灌注异质性的空间特征。其三，通过整合低灌注主导状态与ITHScore构建出具有明确临床可解释性的四分类灌注亚型，而非单纯依赖黑箱式机器学习特征，在保持良好预测性能的同时增强了临床实用性。其四，研究采用了严格的双中心独立外部验证设计，并辅以交叉验证与敏感性分析，增强了结果的稳健性与可推广性。此外，研究针对碘浓度测量的跨扫描仪变异性问题，采用了主动脉参照标准化与单厂商双层光谱CT设备等质控措施，并在讨论中指出灌注亚型基于肿瘤整体主导灌注模式与异质性评分的综合评估，预期对双能CT平台的变异性具有更强的稳健性。

其他有价值内容

研究亦坦承了若干局限性：回顾性设计可能引入选择偏倚，尚需前瞻性多中心验证；灌注亚型阈值来自本队列，需在更大样本中优化；仅分析了静脉期图像，未来整合多期相数据或可更全面地捕捉肿瘤异质性；错配修复缺陷或微卫星高度不稳定等分子表型因占比极低而未纳入，后续研究可进一步探究其在免疫治疗中的价值；主要治疗方案为NAIC，接受单纯新辅助化疗的患者数量有限，且排除了靶向及抗血管生成治疗，研究结果向其他治疗方案的推广需进一步确认。总体而言，该研究为光谱CT功能成像在胃癌精准治疗决策中的应用提供了新的证据与思路，具有明确的科学研究价值与潜在的临床转化前景。