胃癌是我国最常见的消化道恶性肿瘤,胃癌淋巴结转移（lymph node metastasis,LNM）的状态及分期是反映胃癌疾病进展的重要指标之一,准确定量评估LNM对于预后判定和临床诊疗有重要临床价值。18F-脱氧葡萄糖正电子发射断层扫描与计算机断层融合显像（18F-fluorodeoxyglucose positron emissiontomography/computedtomography,18F-FDG PET/CT）确定N分期（即判定LNM情况）的特异性远优于CT和磁共振成像（magnetic resonance imaging,MRI）,特异性超过 90%,联合 18F-FDG PET/CT 影像组学标签及传统临床危险因素构建的术前预测LNM的诺莫图,为现有的评价术前胃癌N分期的传统方法提供了额外信息。但基于胃癌原发灶18F-FDG PET/CT代谢及组学模型预测胃癌LNM的应用中尚存在诸多争议和难点未完全解决。为此,我们拟开展如下研究。第一部分 基于术前18F-FDG PET/CT原发灶代谢参数预测胃癌淋巴结转移的相关性分析目的:中国胃癌发病率和死亡率较高,术前准确判断是否存在LNM是胃癌患者诊疗决策的重要依据,目前仍然具有挑战性。18F-FDG PET/CT已广泛用于胃癌患者分期,再分期,疗效评估以及监测复发转移。研究表明,18F-FDG PET/CT为胃癌患者诊断LNM提供了有价值的信息,尤其是远处转移的淋巴结。然而基于淋巴结自身的信息（CT图像上短径≥ 10毫米或PET图像上淋巴结18F-FDG摄取程度≥肝脏18F-FDG摄取程度）诊断LNM特异度高（73-92.2%）,灵敏度有限,仅为40-54.7%。现有的方法不能精确评估胃癌淋巴结状态,有必要需要寻找一种基于原发灶的、简便、无创的影像学标记物,从而准确预测胃癌淋巴结状态。本研究拟探讨18F-FDG PET/CT胃癌原发灶代谢参数糖酵解总量（tumor lesion glycolysis,TLG）与LNM的关系,并评估二者间的具体量效关系。方法:回顾性分析了 106例2016年4月至2020年4月期间于苏州大学附属第三医院核医学科术前行18F-FDG PET/CT检查且经手术病理证实为胃癌患者的临床资料及18F-FDG PET/CT图像资料。根据手术病理结果将患者分为LNM组和无淋巴结转移（non-lymph node metastasis,NLNM）组。分析获得胃癌原发灶 18F-FDGPET/CT相关代谢参数:原发灶最大标准摄取值（maximum standardized uptake value,SUVmax）、平均标准摄取值（mean standardized uptake value,SUVmean）、肿瘤代谢体积（metabolic total volume,MTV）、病灶糖酵解总量（total lesion glycolysis,TLG）。采用多因素logistic回归、分段线性回归分析、绘制平滑拟合曲线评估原发灶代谢参数TLG与LNM的具体量效关系。结果:106例胃癌患者中,根据病理结果,75例（71%）患者被诊断为LNM,31例（29%）患者为NLNM。单因素逻辑回归分析显示原发灶TLG每增加个1个标准差（standard deviation,SD）,胃癌患者发生 LNM 风险增加 1.37 倍[（OR per-SD）=2.37;95%置信区间（confidenceinterval,CI）:1.42-3.98,P=0.0010]。完全校正混杂因素[性别、年龄、体质指数（bodymass index,BMI）、SUVmax、原发灶部位和糖类抗原199（cancerantigen-199,CA199）]后,多因素逻辑回归分析显示原发病灶TLG是LNM的独立影响因素,TLG每增加一个SD,发生LNM风险增加1.20倍（OR per-SD:2.20,95%CI:1.16-4.19,P=0.0164）。广义相加模型表明原发病灶TLG与LNM间为非线性相关,存在饱和以及分段效应。当原发病灶TLG＜23.2时,TLG与LNM 呈线性正相关（OR=1.26,95%CI:1.07-1.48,P=0.0053）;当原发灶 TLG≥ 23.2时,LNM概率大于60%,逐渐达到饱和效应,高达80%以上。结论:本研究初步结果表明,术前18F-FDG PET/CT胃癌原发灶的TLG是LNM的独立影响因素,存在饱和及分段效应。当原发灶TLG值较高时,应高度注意LNM的可能性。第二部分 术前原发灶18F-FDG PET影像组学特征预测胃癌淋巴结转移的增益价值目的:原发灶PET代谢参数在预测胃癌LNM方面有一定价值,但尚存争议。PET影像组学从PET图像中高通量提取大量可量化分析的影像特征,可视化反映肿瘤异质性,获得与疗效预测或预后相关的信息,指导临床决策,但在预测胃癌LNM方面研究较少。本研究旨在探讨基于18F-FDG PET肿瘤原发灶的组学特征术前预测胃癌LNM的增益价值。方法:回顾性分析2014年1月至2020年9月于苏州大学附属第三医院术前行18F-FDG PET/CT检查并于术后病理诊断为胃癌的127例患者,其中男性89例（70.08%）,女性38例（29.92%）;平均年龄65.63±10.33岁。所有患者于PET/CT检查后14天内行胃癌根治性手术。依据术后病理有无LNM分为LNM组及NLNM组。使用LIFEx软件分析获得原发灶PET代谢参数,包括:SUVmean、SUVmax、MTV、TLG和PET影像组学特征,采用最小绝对收缩和选择算子算法（least absolute shrinkage and selection operator,LASSO）筛选放射组学特征,并计算影像组学特征评分（radiomics score,Rad-score）。为了进一步评估影像组学特征在传统危险因素及原发灶PET代谢参数基础上预测胃癌LNM的增益价值,构建3个模型。模型1由传统危险因素构成,包括:性别、年龄、BMI、空腹血糖、癌胚抗原（carcinoembryonic antigen,CEA）、糖类抗原 199（carbohydrate antigen 199,CA199）和 C 反应蛋白（C-reactive protein,CRP）;模型2为模型1+原发灶PET代谢参数;模型3为模型2+原发灶Rad-score。绘制受试者工作特征（receiver operating characteristic,ROC）曲线,计算综合判别改善指数（integrated discriminant improvement,IDI）和净重新分类指数（net reclassification improvement,NRI）评估原发灶 Rad-score 预测胃癌 LNM 的增益价值。结果:127例胃癌患者中,95例（74.8%）患者经术后病理诊断为LNM,32例（25.2%）为 NLNM。与 NLNM 组相比,LNM 组原发灶 SUVmean[5.30（3.88-8.61）比 3.69（2.15-6.17）]、SUVmax[9.38（6.66-15.03）比 7.03（3.74-10.56）]、MTV[14.89（8.47-20.22）cm3比 9.22（6.49-14.86）cm3]、TLG[81.88（48.05-117.61）g 比 41.17（19.10-74.92）g]显著增高（z 值:-3.823～-0.053,P 均＜0.05）。LNM 组原发灶 Rad-score 显著高于 NLNM 组[0.35（-0.13-0.85）比-0.61（-1.92-0.18）],差异有统计学意义（z=-5.842,P＜0.001）。多因素逻辑回归表明原发灶Rad-score是LNM的独立影响因素（OR=6.38,95%CI:2.73-14.91,P＜0.001）。模型 1 预测 LNM 的 AUC 为 0.651,加入PET常规代谢参数后,预测LNM的AUC略有改善,但没有统计学显著性（AUC为0.751比0.651,P＞0.05）,在模型2基础上加入Rad-score,预测LNM的区分度显著改善（AUC为0.882比0.751,P=0.006）,模型3预测LNM最佳cut-off值为0.664,预测LNM的灵敏度、特异度、准确性、阴性预测值（negativepredictivevalue,NPV）和阳性预测值（positivepredictivevalue,PPV）分别为 89.5%、81.3%、87.4%、72.2%和93.5%。与模型2相比,模型3校准度显著改善,NRI为0.293（P=0.004）,IDI为0.293（P=0.005）。结论:胃癌原发灶PET组学特征（Rad-score）是LNM的独立影响因素,在传统危险因素及常规PET代谢参数基础上加入PET组学特征后对LNM的预测有增益价值,有助于术前精准分期和治疗决策。第三部分 基于术前18F-FDG PET/CT的影像组学诺莫图预测胃癌淋巴结转移的临床研究目的:胃癌是中国最常见的消化系统恶性肿瘤,LNM不仅是影响胃癌预后的重要因素之一,也是选择个性化治疗方案的重要依据,术前评估有无LNM对选择手术方式、制定术中淋巴结清扫方案以及选择新辅助化疗等治疗策略具有指导意义。然而现有的影像学诊断方法如CT、超声内镜（endoscopic ultrasonography,EUS）、MRI、18F-FDG PET/CT诊断胃癌LNM效能仍有待提高。有必要寻找一种无创、准确的方法对LNM风险行术前评估。本研究旨在探讨结合临床危险因素及术前18F-FDG PET/CT原发灶影像组学特征的影像组学诺莫图预测胃癌LNM的价值。方法:回顾性分析来自两个中心[苏州大学附属第三医院（研究中心1）和盐城市第一人民医院（研究中心2）]术前行18F-FDGPET/CT检查,经术后病理诊断为胃癌患者的临床资料,共计224例。其中193例来自研究中心1,31例来自研究中心2。将研究中心1的病例按7:3比例随机分为训练集（n=134）和内部验证集（n=59）;来自研究中心2的病例作为外部验证集（n=31）。应用LIFEx软件从18F-FDGPET/CT图像中分割、勾画病灶并提取影像组学特征,采用LASSO回归筛选有意义的特征,计算Rad-score,构建影像组学预测模型,采用多因素逻辑回归分析筛选LNM的独立影响因素,使用赤池信息准则（Akaike’s information criterion,AIC）选择最佳模型参数构建影像组学诺莫图。采用ROC和决策曲线分析（Decision curve analysis,DCA）评估并验证诺莫图在训练集、内部验证集和外部验证集预测LNM的效能。结果:两个研究中心患者临床资料的比较,差异均无统计学意义（P均＞0.05）。基于18F-FDG PET/CT影像组学模型在训练集、内部验证集、外部验证集中预测胃癌LNM的AUC分别为0.792（95%CI:0.712-0.870）、0.803（95%CI:0.681-0.924）和0.762（95%CI:0.579-0.945）。多因素逻辑回归表明CA199[(OR（95%CI）:10.180（1.267-81.831）]、PET/CT诊断LNM[(OR（95%CI）:6.370（2.256-17.984）]、PET/CTRad-score[（OR（95%CI）:16.536（5.506-49.660）]是胃癌 LNM 的独立影响因素（P均＜0.05）,并以此建立影像组学诺莫图。影像组学诺莫图在训练集、内部验证集以及外部验证集中预测LNM的AUC分别为0.861（95%CI:0.799-0.924）、0.889（95%CI:0.800-0.976）和0.897（95%CI:0.683-0.948）。影像组学诺莫图预测LNM的灵敏度、特异度及准确度在训练集分别为85.4%,71.1%,80.6%;内部验证集分别为82.1%,85.0%,83.1%;外部验证集分别为95.2%,80.0%,90.3%。DCA表明基于18F-FDGPET/CT影像组学诺莫图具有较好的临床实用性。结论:基于18F-FDG PET/CT原发灶的影像组学诺莫图可有效应用于胃癌术前LNM评估,有助于胃癌患者的危险分层和个体化治疗。第四部分 术前18F-FDG PET/CT影像组学模型预测胃癌N2-3b期淋巴结转移的临床研究目的:根据第八版美国癌症联合委员会（American Joint Committee on Cancer,AJCC）TNM分期系统,胃癌N分期根据转移淋巴结数目分为NO（无LNM）、N1（1-2 个 LNMs）、N2（3-6LNMs）、N3a（7-15 LNMs）和 N3b（7-15 LNMs）。胃癌患者的N分期越高,死亡率越高。此外,N分期不同,治疗方案也不同。NO期患者可选择创伤较小的术式,如内镜黏膜切除术和内镜黏膜下剥除术,且无需淋巴结清扫。N1-2期患者需要行标准D2淋巴结清扫术,大于N2期患者优先行新辅助化疗。所有行手术治疗的胃癌患者至少进行D1淋巴结清扫术,因此N1状态不影响其手术治疗术式选择,明确N2或N3状态具有更大的临床实用性。本研究旨在构建并验证基于18F-FDG PET/CT的影像组学诺莫图模型预测胃癌N2-3b期LNM的价值。方法:回顾性收集180例来自苏州大学附属第三医院术前行18F-FDGPET/CT检查且术后病理证实为胃癌的患者用于建模及内部验证。按照7:3比例,将2014年1月至2020年9月的127例患者设置为训练集,用于构建模型,2020年10月至2021年08月的53例患者设置为内部验证集。选取盐城市第一人民医院收治的31例术前行18F-FDC PET/CT检查且术后病理证实为胃癌的患者作为外部验证集对模型的外部预测准确性进行验证。采用LIFEx软件分别提取PET和CT放射组学特征,采用LASSO选择放射组学特征,并计算Rad-score。使用多因素逻辑回归分析筛选胃癌N2-3b期LNM的独立风险因子并基于AIC筛选最佳预测因子,构建结合Rad-score和临床危险因素的影像组学诺莫图预测模型。绘制ROC,计算曲线下面积（areaunderthecurve,AUC）评估各预测模型在训练集、内部验证集和外部验证集的预测效能,并采用DCA评估各诺莫图预测模型的临床实用性。结果:训练集、内部验证集与外部验证集患者临床资料的比较,差异均无统计学意义（所有P＞0.05）。从训练集中基于18F-FDG PET/CT的组学特征筛选出4个与病理性N2-3b转移相关的特征,均为PET特征,分别为CONVENTIONALSUVSkewness,GLCMCorrelation,GLZLMLGZE和GLZLMLZHGE。基于AIC准则构建一个包含Rad-score和CEA的预测N2-3b期LNM模型,并以诺莫图的形式呈现出来。影像组学诺莫图在训练集预测N2-3b期转移效能较高[AUC:0.814（95%CI:0.740-0.888）,P＜0.001）,准确度为74.8%],诺莫图在内部验证集和外部验证集预测N2-3b转移的AUC分别为0.810、0.779,准确度分别为83.0%、74.2%。DCA表明该诺莫图临床实用性强。结论:本研究构建并验证了基于18F-FDG PET/CT图像和CEA的影像组学诺莫图预测N2-3b期LNM,该诺莫图可在术前有效预测胃癌N2-3b期LNM,为个体化诊疗方案的制定提供了依据。