腹膜复发是胃癌根治性手术后的主要复发形式，且预后不佳。准确的个体化腹膜复发预测对于确定哪些患者可能从强化治疗中受益至关重要。该研究旨在建立胃癌腹膜复发和预后的预测模型。
2022年5月，斯坦福大学李瑞江、南方医科大学李国新及中山大学周志伟共同通讯（南方医科大学江玉明为第一作者）在Lancet Digital Health（IF=37）在线发表题为“Predicting peritoneal recurrence and disease-free survival from CT images in gastric cancer with multitask deep learning: a retrospective study” 的研究论文，在这项包含2320名患者的回顾性多机构研究中，开发了一种多任务深度学习模型，利用术前CT图像同时预测腹膜复发和无病生存。训练队列(n=510)和内部验证队列(n=767)的患者来自南方医科大学。外部验证队列的患者(n=1043)来自中山大学癌症中心。该研究评估了该模型的预后准确性及其与化疗反应的关系。此外，该研究评估了该模型是否能提高临床医生预测腹膜复发的能力。
深度学习模型在预测腹膜复发方面具有始终如一的高精度。当被人工智能(AI)模型告知时，肿瘤医生预测腹膜复发的敏感性和评分者之间的一致性得到了提高。在多变量分析中，该模型独立于临床病理学变量预测腹膜复发和无病生存。对于预计腹膜复发风险高且生存期低的患者，辅助化疗与两种 II 期疾病和 III 期疾病的无病生存期改善相关。相比之下，对于预计腹膜复发风险低且生存率高的患者，化疗对无病生存率没有影响。对于其余患者，化疗的益处取决于分期：只有 III 期疾病患者才能从化疗中获益。总之，深度学习模型可以准确预测胃癌患者的腹膜复发和生存情况。 需要前瞻性研究来检验该模型在结合临床病理学标准指导个性化治疗方面的临床效用。
