胃肠间质瘤（Gastrointestinal stromal tumors,GISTs）是胃肠道最常见的间叶肿瘤。因GISTs存在异质性,如何准确判断其的危险度一直是困扰医生的难题。然而无论术前还是术后,准确评估原发性GISTs的生物学行为对医生的临床决策均十分重要:在术前,有助于医生及时干预肿瘤的进展,增加患者治愈的机会。在术后,能辅助医生选择合适的患者进行靶向治疗。本研究旨在评估手术前后原发性GISTs危险度现行评估方法和标准的应用价值,同时探索新型评估方法和标准,为患者的精准化和个体化治疗提供更有效证据。一、原发性胃肠间质瘤术前危险度评估方法1.CT和EUS在GISTs恶性潜能术前评估中的应用价值目的:探讨CT和EUS在术前鉴别GISTs恶性潜能的应用价值。方法:回顾性分析我院67例GISTs患者的CT和EUS的影像资料,采用逐步回归模型分析与恶性潜能相关的独立危险因素;用ROC曲线比较两者的恶性潜能鉴别能力。结果:CT鉴别GISTs恶性潜能的AUC值为0.774,高于EUS的值（0.713）。结论:相对于EUS,CT在术前鉴别GISTs恶性程度上效能可能更高。2.基于影像组学的GISTs恶性潜能术前评估列线图目的:构建和验证一个基于影像组学的GISTs恶性潜能术前评估列线图。方法:回顾性纳入本中心130例GISTs患者作为原始队列。对术前动脉期CT进行特征提取,采用支持向量机（SVM）作为分类器选取具有最优鉴别能力的特征子集,建立恶性潜能评估模型。纳入外院92例GISTs作为外部验证队列。使用我们的影像组学模型和由多因素分析构建的临床、CT模型进行比较,并整合成列线图。结果:从肿瘤感兴趣区域中提取共10320个特征,最终筛选出10个最重要特征子集用于模型构建。原始队列和验证队列的AUC分别为0.867,0.847。总体队列中,临床、CT、影像组学以及列线图模型的AUC分别为0.759,0.774,0.858和0.865。结论:本研究提出的影像组学模型二、原发性胃肠间质瘤术后危险度评估方法1.评估现行GISTs术后危险度分级标准的应用价值目的:评估四种现行的GISTs术后危险度分级标准的临床应用价值。方法:回顾分析四家中心共1303名GISTs患者资料,应用改良NIH,AFIP,MSKCC列线图和等高线热图四种标准进行危险度分级,并通过ROC曲线比较其效能。结果:AFIP较其余三种标准的AUC值更高。结论:我们的数据提示AFIP标准效能可能更高。2.基于Ki-67新型列线图在GISTs术后危险度分级上的应用价值目的:前期研究中发现Ki-67可作为GISTs复发风险的独立危险因素,本研究旨在构建和验证包含Ki-67的新型列线图。方法:回顾性纳入本中心183例GISTs数据,用Log-rank检验对各指标进行单因素分析,采用Cox比例风险模型对有统计学意义的变量进行多因素分析并构建列线图模型,使用外院87例患者进行验证。同时用现行的改良NIH、AFIP、MSKCC列线图、等高线热图和我们的列线图进行比较。结果:验证组里,我们的列线图、改良NIH、AFIP、MSKCC列线图和热图的AUC分别是0.818、0.758、0.767、0.766和0.804。结论:我们提出的基于Ki-67的新型列线图将可能可以成为目前现行危险度分级标准的一种潜在的补充手段。3.探索基于深度学习的GISTs术后危险度分级新方法目的:探索深度学习在GISTs术后危险度分级评估上的应用价值。方法:回顾性纳入本中心41例GISTs数据。构建简化版的ResNets神经网络模型,将31例患者基于CT的感兴趣区域以Patch的格式输入网络进行训练。采用留一法进行交叉验证,并采用10例GISTs患者进行独立验证。结果:验证组里,AUC为0.884,患者复发风险的预测准确率为80%。结论:我们的探索性试验提示了深度学习在GISTs术后危险度分级的应用上具有一定可行性,同时也为未来进一步的研究提供了可供参考的背景信息。