Ricerca sullo screening intelligente e sul processo decisionale per la terapia neoadiuvante nel cancro gastrico localmente avanzato basato sull'integrazione multi-omica

Si tratta di uno studio clinico multicentrico, prospettico e osservazionale per la validazione di un sistema di intelligenza artificiale (AI) radiopatomica. I pazienti a cui è stato diagnosticato un adenocarcinoma gastrico per patologia e definito come stadio clinico II-IVa senza metastasi a distanza mediante scansione TC avanzata saranno arruolati dal Secondo Ospedale Affiliato dell'Università di Zhejiang, dal Primo Ospedale Affiliato dell'Università di Zhejiang, dall'Ospedale Popolare di Shangyu di Shaoxing Città e Istituto e ospedale per il cancro di Zhejiang. Tutti i partecipanti devono aderire ad un protocollo di trattamento altamente standardizzato, che prevede il ricevimento di 2-4 cicli di chemioterapia neoadiuvante standard a base di 5-FU + platino, oppure 2-4 cicli di chemioterapia neoadiuvante a base di 5-FU + platino combinato con trastuzumab, oppure 2-4 cicli di chemioterapia neoadiuvante a base di 5-FU+platino associato a terapia anti-PD-L1. Seguendo il protocollo di trattamento neoadiuvante, i partecipanti verranno sottoposti a gastrectomia radicale D2 per cancro gastrico. L'esame TC e bioptico potenziato dovrebbe essere completato prima dell'nCRT e le immagini saranno sottoposte alla delineazione manuale delle regioni tumorali di interesse (ROI) da parte di radiologi e patologi esperti. Successivamente, le immagini TC e bioptiche migliorate delineate verranno utilizzate nel sistema AI di patologia radiologica per generare risposte previste (grado TRG postoperatorio previsto) per i singoli pazienti, mentre le risposte effettive (grado TRG postoperatorio confermato) verranno diagnosticate in campioni di resezione chirurgica. Attraverso il confronto delle risposte previste e delle risposte patologiche reali, i ricercatori calcolano l'accuratezza, la specificità, la sensibilità della previsione, nonché le curve dell'area sotto la curva (AUC) delle caratteristiche operative del ricevitore (ROC). Lo scopo di questo studio è verificare l'elevata precisione e robustezza del sistema AI di patologia radiologica nel prevedere il grading TRG postoperatorio negli individui prima dell'nCRT, che promuoverà un ulteriore trattamento preciso dei pazienti con cancro localmente avanzato.