胃癌作为消化系统最常见的恶性肿瘤之一,胃癌淋巴结转移作为影响胃癌患者个性化治疗决策制定与的最重要因素之一,使得准确评估和术前预知淋巴结转移状态对于确定最佳的手术方式和是否需要辅助治疗具有重要的临床意义。而利用传统的影像学检查来对胃癌进行术前淋巴结转移状态的评估和预测仍然具有较大的局限性,无法满足现代医学对于精准医疗的要求。而影像组学的迅速发展,细化和丰富了影像学手段对于肿瘤异质性等特征的客观定量的描述和表征信息,对于提高肿瘤检测和诊断的精确度,提高患者靶向治疗的精准性与治疗效果,实现肿瘤患者的个性化治疗决策的制定提供了新的解决思路和方法。本文针对陕西省人民医院数据库中收集整理的胃癌患者数据围绕患者的淋巴结转移进行了一系列的回顾性分析。首先针对158例胃癌患者的多层螺旋CT平扫影像由放射科的临床医师基于3D-Slicer软件平台进行了半自动的肿瘤目标区域分割,基于患者影像的肿瘤区域影像提取了四类影像组学特征,其中包括肿瘤形状和大小特征,一阶灰度直方图特征,二阶统计纹理特征以及基于小波变换的特征,随后使用LASSO特征选择算法对提取的高通量的影像特征进行了特征筛选和降维,基于筛选所得的影像特征构建了影像组学标签并绘制了影像组学标签关于患者淋巴结转移状态的分布直方图,为了定量评估影像组学标签对于胃癌患者淋巴结转移状态的分类性能,基于影像组学标签利用SVM模型建立了淋巴结转移状态的分类模型。结果发现基于胃癌患者多层螺旋CT平扫肿瘤区域影像的影像特征构建的影像组学标签与患者的淋巴结转移状态显著相关,影像组学标签数值越高,患者发生淋巴结转移的概率越大,反之,胃癌患者的影像组学标签数值越小,患者不发生淋巴结转移的概率越大,即患者影像组学标签数值与患者发生淋巴结转移的概率成正比。而且构建的影像组学标签对于胃癌患者淋巴结转移状态具有良好的分类性能,建立的分类模型在训练集和测试集中的AUC值分别可达到0.8024(95%CI:0.7237-0.8810)和0.7045(95%CI:0.5108-0.8981)。接着基于影像组学标签,结合患者的性别,年龄和肿瘤的分化程度三个临床病理因素,建立了胃癌患者的淋巴结转移风险概率的术前预测模型,并通过模型的准确度、区分度、校准度和净获益率四个方面评估了预测模型的预测效果,还通过绘制诺谟图将预测模型转化为可视化的淋巴结转移风险概率计算工具。结果发现胃癌患者多层螺旋CT平扫影像的影像组学标签,结合患者的性别、年龄和肿瘤分化程度三个临床病理因素建立的患者淋巴结转移风险概率的术前预测模型也可以达到良好的预测性能,预测模型的预测准确率和模型的C-Index值在训练集中分别可达0.7698(95%CI:0.6704-0.8238)和0.8162(95%CI:0.7420-0.8904),在测试集中则分别可达0.625(95%CI:0.4525-0.7945)和0.6397(95%CI:0.4282-0.8512),相应的可视化诺谟图则可以作为简便可靠的、无创的计算工具,为临床诊断胃癌患者的淋巴结转移提供有效的辅助手段。最后通过影像组学方法比较了103例胃癌患者的增强CT扫描的动脉期、静脉期和延迟期影像的影像组学标签对于患者淋巴结转移状态的分类性能。结果发现基于胃癌患者增强CT扫描动脉期、静脉期和延迟期影像的影像组学标签分别建立的淋巴结转移状态的分类模型的分类性能各不相同,其中基于增强CT动脉期影像的影像组学标签建立的分类性能最优,具体表现在基于各期增强CT扫描的影像组学标签建立的分类模型的AUC值大小不同,其中动脉期影像下分类模型的AUC值则最大,在训练集中基于增强CT扫描的动脉期、静脉期和延迟期的影像组学标签的分类模型AUC值分别为0.9227(95%CI:0.8630-0.9824),0.8122(95%CI:0.7182-0.9062),和0.8345(95%CI:0.7446-0.9245),在测试集中则分别为0.7041(95%CI:0.4771-0.9309),0.6429(95%CI:0.3578-0.9279)和0.6531(95%CI:0.3736-0.9326)。