0 引言

       胃癌是常见的消化道恶性肿瘤，根据全球肿瘤流行病学调查的数据，其发病率在全球所有恶性肿瘤中排名第五^[1]。胃癌已经成为严重威胁公众健康的重要公共卫生问题。早期胃癌发病隐匿，大多数患者首诊时就已发展为局部进展期胃癌（locally advanced gastric cancer, LAGC），预后较差^[2]。目前，手术切除仍是LAGC的首选治疗方法，但术后5年复发率仍然很高^[3]。大规模临床试验表明，新辅助化疗（neoadjuvant chemotherapy, NAC）作为围手术期治疗的重要组成部分，能有效缩小肿瘤体积（tumor volume, TV）、降低分期，从而提高手术切除率，改善患者预后^[4]。临床上通常将癌胚抗原水平^[5]、肿瘤分化程度、TNM分期^[6]等临床病理变量作为预测肿瘤病理学缓解程度（pathologic tumor regression grade, pTRG）的指标来反映NAC的疗效，由于应用术后组织标本进行评估NAC疗效不仅有创，而且在指导个体化治疗和制订精准医疗方案等方面存在滞后现象，因此，开发一种无创、可定量化的方法预测LAGC患者NAC疗效，对提供个体化治疗需求至关重要。

       影像学评估具有无创性、可重复性、多参数且具备观察肿瘤动态变化等多种优势，可以实现LAGC患者NAC疗效的早期及动态评估。目前LAGC术前NAC疗效评估常用的影像学方法包括计算机断层显像（computed tomography, CT）、磁共振成像（magnetic resonance imaging, MRI），以及¹⁸F-氟代脱氧葡萄糖（fluorodeoxyglucose, FDG）正电子发射断层成像（positron emission tomography, PET）等。随着医学影像技术的快速发展和人工智能技术的深度融合，通过整合形态学评估、功能学成像、影像组学分析以及深度学习（deep learning, DL）算法等多种技术手段，影像学技术评估在胃癌NAC领域展现出独特的临床价值。既往关于胃癌NAC影像学评估的综述主要集中于基于CT的研究，而对MRI及影像整合技术的综合分析较为有限。本文系统性综述了多种影像技术在评估胃癌NAC疗效中的研究进展，希望为临床医师和研究人员提供全面的胃癌NAC影像学评估知识框架，促进个体化治疗指导和精准医疗理念在胃癌治疗中的实践应用。

1 肿瘤形态学评价NAC治疗胃癌的疗效

       大多数临床试验对肿瘤负荷^[7]的评估是通过肿瘤成像和实体肿瘤反应评价标准^[8]指南来评估癌症反应。魏明洁等^[9]通过平衡期CT计算的细胞外体积分数（extracellular volume fraction, ECV）预测LAGC患者NAC的疗效，根据2021胃癌国家综合癌症网络指南^[10]，pTRG分为0~1级的有反应组和2~3级的无反应组，研究发现肿瘤T分期、ECV在两组间的差异有统计学意义，平衡期CT（r=0.355，P=0.012）与pTRG呈低度正相关，ECV（r=0.505，P=0.000）及平衡期绝对强化值△S3（r=0.403，P=0.004）与pTRG呈中度正相关；研究结果中ECV的曲线下面积（area under the curve, AUC）为0.773，表明ECV、T分期是其独立预测因子，可作为无创性评估LAGC患者NAC疗效的生物学指标，为今后LAGC患者NAC疗效的精准预测提供参考。

       MAZZEI等^[11]通过对CT检查中最大肿瘤直径缩小率与pTRG进行分析，发现其敏感度和特异度分别为97.3%和90.9%；表明可以通过最大肿瘤直径缩小率来对pTRG进行初步的预测；WANG等^[12]研究也发现化疗后最大淋巴结直径变小和肿瘤厚度比减小是胃癌术后NAC患者病理学完全缓解（pathologic complete response, pCR）的独立预测因素，AUC为0.94。上述研究表明TV、最大厚度及淋巴结情况的研究对LAGC患者pTRG的预测均有良好的反映，极大地补充了LAGC患者的肿瘤负荷评估的内容，可对临床疗效的评估做出指导。由于胃是空腔脏器，其肿瘤的形态学指标受蠕动及容受性舒张影响较大，CHEN等^[13]在之前的研究基础上通过避免胃的蠕动及充盈程度等影响因素利用实体瘤疗效评价（the response evaluation criteria in solid tumors, RECIST）的一维测量与三维解剖学体积进行研究，对发现TV可早期预测NAC疗效，研究发现胃癌中NAC前后TV变化率低的患者预后比TV变化率高的患者差；表明在胃癌NAC疗效评估上体积测量法优于RECIST标准，是对胃癌形态学研究的进一步补充，提高了空腔脏器肿瘤形态学研究的严谨性。

       Choi将肿瘤密度（tumor density, TD）^[14]加入形态学研究的标准^[15]，进一步补充了RECIST的内容，国内学者赵群等^[16]通过TD减少率与NAC后TV减少率进行研究，发现TD减少率与NAC后TV减少率均与RECIST疗效评价结果呈正相关（r=0.36，P=0.013；r=0.547，P=0.001）；且TD减少率的AUC为0.762；TV减少率的AUC为0.907，当TV减少率为最佳阈值11.73%时，敏感度是100.0%，特异度为66.7%，说明与TD减少率相比，TV减少率对预测NAC疗效具有较好的效果。吴岢珊等^[17]通过构建基于基线CT的逻辑回归模型预测LAGC的NAC反应，结果显示，T分期、N分期及原发肿瘤体积是影响治疗反应性的独立影响因素（P<0.05），基于独立影响因素构建的逻辑回归模型在训练集中预测治疗反应性的AUC为0.724，Kappa检验显示，基于独立影响因素构建的逻辑回归模型在验证集中预测效能表现良好（Kappa=0.623）。表明基于治疗前T分期、淋巴结转移、原发肿瘤体积构建的逻辑回归模型对预测LAGC NAC反应性有较大价值。

       上述研究表明对胃癌患者NAC疗效的形态学评估内容愈加丰富，近年来，多种测量指标的加入使得NAC效果的预测更加准确，未来随着影像学技术的发展及更多理论的提出，肿瘤形态学的预测有望替代传统的有创检查。而单一肿瘤形态学作为评价胃癌患者NAC疗效指标时难免显得不够充分，现今随着功能影像学的不断进步，更能发掘肿瘤灌注，弥散及纹理等深层次的特征，与形态学研究相结合，更能提高说服力及预测性能。

2 功能影像学评价NAC治疗胃癌的疗效

       功能影像学可通过肿瘤组织的结构变化、代谢及功能变化对NAC的疗效进行多方面的评估。CT功能成像方法主要包括CT灌注成像（CT perfusion imaging, CTP）和双能CT（dual-energy CT, DECT），MRI方法主要是动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI），随着研究的深入及MRI技术的发展，扩散加权成像（diffusion weighted imaging, DWI）、弥散峰度成像（diffusion kurtosis imaging, DKI）等多种MRI功能成像技术也开始应用于LAGC患者NAC疗效的评估，此外，正电子发射计算机断层显像（positron emission tomography-computed tomography, PET-CT）作为常用的肿瘤检查方法，因其对肿瘤组织及淋巴结转移独特的示踪效果，在评估中具有重要的意义。

2.1 CTP评估NAC治疗胃癌疗效的研究进展

       由于胃癌肿瘤血管丰富，化疗对灌注的影响很大，所以既往研究发现可以通过CT灌注参数的改变来对NAC的疗效进行早期评价。CTP通过包括血容量（blood volume, BV）、血流量（blood flow volume, BFV）、每渗透表面积（permeability-surface area product, PS）、平均传递时间、达峰时间^[18]等多种灌注参数来反映活体组织肿瘤的血管生成情况。LUNDSGAARD等^[19]通过CT灌注参数的早期降低对术前化疗的反应进行研究。结果显示，在接受NAC的患者中，PS和TV的变化都是非常明显的，且当PS降低超过最佳临界值25%时，其对化疗有效敏感度为69%，特异度为58%，表明PS早期降低LAGC患者对NAC的临床反应可能性相关，但CT灌注在术前化疗反应评估中仅具有中等敏感度和特异度，不足以实现临床评估目的。SUN等^[20]引入了更多的灌注参数进行研究，结果显示NAC前后BFV和BV值差异存在统计学意义（P<0.01）。NAC前后CT灌注参数中BFV、BV和体积缩小率与病理疗效分级显著相关（P<0.001）；且研究显示BV缩小率的诊断敏感度和特异度均高于体积缩小率。徐敏等^[21]通过新的CT动脉增强分数（arterial enhancement fraction, AEF）技术分析发现AEF结合浆膜特征可预测胃癌对NAC联合免疫治疗的反应，有助于患者术前治疗方案的选择。为胃癌患者化疗联合免疫治疗的疗效预测提供影像学参考。

       上述研究样本量小，以及由于呼吸引起的伪影被最小化但未能完全避免的问题，可能会限制图像质量并干扰结果。但仍说明CT灌注成像技术对NAC疗效的评估优于%ΔTMT形态学变化的评估效能，总之，低剂量CT灌注成像是一种有价值的工具，可以进行微循环评估及定量分析NAC早期胃癌病灶内部血流灌注的变化情况，能够帮助我们预测LAGC患者NAC的疗效，对于临床个体化治疗具有一定的指导意义。

2.2 DECT评估NAC治疗胃癌疗效的研究进展

       DECT通过不同能量的Ｘ射线扫描，获取组织在不同能量下的吸收特性，既往研究提示DECT在心肌纤维化、肿瘤组织特性等方面的评估有广泛良好的应用价值，其形成的碘图可用于量化组织的微观结构和功能状态^{[22, 23, 24, 25]}。

       ZHANG等^[26]通过对85例胃癌患者进行DECT检查，并根据肿瘤缓解程度（tumor regression grade, TRG）分为反应者和非反应者，获得包括门静脉期和延迟期碘摄取和总碘摄取（total iodine uptake, TIU），分析碘值减少率与TRG之间的相关性并计算区分反应者和无反应者的参数的诊断性能，研究发现总碘吸收率降低率与TRG显著相关（P<0.001），门静脉期和延迟期总碘吸收率变化率确定应答者和无应答者的AUC分别为0.796和0.780。研究表明总碘吸收率是作为一种无创定量参数，可能有助于评估NAC后LAGC的治疗反应和生存预后；延迟期碘摄取作为影响预后的独立因素，可以提高术前风险的评估效能。GAO等^[27]通过计算TV和门静脉期TIU的百分比变化，以通过受试者工作特征（receiver operating characteristic, ROC）曲线确定临界值。分析不同标准与组织病理学TRG之间的相关性；研究发现门静脉期TIU的百分比变化与TRG高度相关，预测化疗反应的AUC值为0.786，表明TIU有助于预测LAGC患者NAC疗效，同时发现门静脉期碘摄取可能是无进展生存期的潜在有价值的预测参数之一。

       以上研究说明DECT的碘值作为非侵入性的定量参数，有助于评估NAC后LAGC患者的治疗反应和预后。此外，随着光谱CT的应用，何永红等^[28]研究发现光谱CT动脉期及静脉期在评估胃癌治疗疗效中标准化碘密度值、光谱曲线斜率值、有效原子系数的AUC均大于0.7，具有良好的诊断效能，且静脉期的诊断效能及敏感度、特异度普遍比动脉期高，表明静脉期更能反映病灶内新生血管及病理生理情况。

       上述的研究只评估了原发病灶，而不涉及淋巴结，应设计进一步的研究来评估转移性淋巴结和其他胃癌的独立预后因素；且在较大的样本量中，小病灶的边界没有进行明确定义。但DECT功能成像技术还是补充了传统的形态学预测效能的不足，对胃癌患者NAC疗效的评估具有重要的指导意义。

2.3 功能性MRI评估NAC治疗胃癌疗效的研究进展

       随着影像技术的革新和进步，多种MRI功能成像技术也逐渐应用于对LAGC患者的诊断与预后研究中，与CT相比，MRI具有更高的软组织分辨率，能更好地显示肿瘤及瘤周组织，在显示基本肿瘤形态学改变的同时，还可获得基于水分子扩散而引起的功能活动方面的指标，进一步反映肿瘤及周围组织的微环境状态，而研究表明肿瘤微环境本身与免疫治疗以及化疗的疗效密切相关^[29]，可为评估NAC疗效提供了更全面的信息。

       DCE-MRI模拟了肿瘤组织灌注和血管生成的真实药代动力学过程，是评估肿瘤微循环状态的首选技术，童华洁等^[30]通过比较不同pTRG组患者DCE-MRI定量参数[容量转移常数（transfer constant, K^trans）、速率常数（rate constant for efflux, Kep）、血管外细胞外间隙容积比（extravascular extracellular volume fraction, Ve）]来评估LAGC患者NAC效果的诊断效能。研究比较NAC前DCE-MRI定量参数发现有效组患者K^trans、Kep、Ve值均高于无效组（P<0.05），表明DCE-MRI定量参数K^trans、Kep、Ve在NAC疗效预测中效能较高，能为LAGC患者术前NAC疗效预测提供重要依据。

       DWI作为一种MRI功能成像技术揭示其肿瘤组织微结构信息，可以用与细胞外间隙水分子运动差异相关的表观扩散系数（apparent diffusion coefficient, ADC）来量化。LI等^[31]通过比较DECT与DWI在预测LAGC患者NAC后病理缓解的效能，研究发现标准化碘浓度（normalized iodine concentration, NIC）和ADC与TRG相关，在预测TRG分类方面表现相当，AUC分别为0.674和0.673。两者联合后，AUC提高至0.770（P<0.05），并与患者的无病生存期相关，风险比为2.508，研究结果表明DECT和DWI都是预测LAGC患者NAC后病理缓解有价值的成像技术，且预测效能相当。联合NIC和ADC能够增加预测效能，并与患者的无病生存期相关，再一次验证了NAC疗效与生存期的相关性。

       另一项联合DCE-MRI和DWI的研究^[32]，通过比较两组之间的ADC和DCE-MRI动力学（K^trans、Ve和Kep）以预测NAC疗效。结果显示ADC Kep值是预测TRG的独立标志物，其中ADC联合Kep预测化疗反应的有效性最高（AUC=0.886）；表明DWI和DCE-MRI均可有效预测LAGC患者对NAC的病理反应。ADC和Kep联合使用提高了评估效能；且ADC是最有价值的成像参数，证明了DWI在NAC疗效的评估中同样具有重要作用。

       体素内不相干运动（intravoxel incoherent motion, IVIM）成像是基于DWI的衍生序列，其定量参数包括单纯水分子扩散系数、假扩散系数、灌注分数等，与DWI相比，IVIM使用具有多个b值的双指数模型来获得区分毛细血管网络中纯分子扩散和微循环灌注的多个参数^[33]的优势，可以提供组织微循环和灌注相关信息，从而更精确反映组织结构特征和病理改变^[34]。ZHU等^[35]将DCE-MRI与IVIM相结合，通过分析病理反应组和病理无反应组之间DCE-MRI和IVIM-DWI参数的差异。结果显示病理反应组的K^trans、Kep和Ve值显著升高，而ADC和扩散系数值显著低于病理无反应组，且联合模型的预测性能为0.922。表明化疗前的K^trans、Kep、Ve和扩散系数是NAC病理反应的独立预测因子，基于基线DCE-MRI、IVIM及其组合的回归模型有助于LAGC患者的RFS分层。

       在DWI基础上衍生的DKI可以通过获得平均峰度（mean kurtosis, MK）和平均扩散率（mean diffusion, MD）等指标来评估水分子的扩散程度和量化扩散差异，其在神经系统疾病及肿瘤方面的应用已经非常广泛。FU等^[36]使用DWI和DKI模型结合，通过测量LAGC肿瘤的ADC、MD和MK值，计算出NAC后上述参数的绝对变化值和百分比变化值，结果表明NAC有效组与无效组中ADC值、治疗前后MK和MD值的变化以及MK百分比变化差异均有统计学意义（P<0.05），其中MK对治疗后应答者的预测效果最高（AUC=0.958）。证明了DWI和DKI结合分析在评估NAC疗效中具有很大的潜力。

       上述研究表明多种MRI功能成像技术对NAC效能的预测性能较好，且多模态影像融合研究在评估NAC疗效中发挥了重要作用，展现出巨大潜力，但相关研究相对较少且仍停留在形态学及水分子弥散水平的研究，随着磁共振波谱及酰胺质子成像技术的不断创新及应用，未来可着眼于联合肿瘤代谢及功能变化的情况，对NAC效能评估进行更深层次的挖掘研究。

2.4 PET-CT评估NAC治疗胃癌疗效的研究进展

       PET-CT通过显示病变对¹⁸F-FDG的摄取来反映病变的代谢情况，在评价多种肿瘤的疗效中发挥重要作用^[37]。已有研究发现，NAC前后¹⁸F-FDG PET-CT代谢参数如标准摄取值（standard uptake value, SUV）、SUVmax、SUVmean、代谢性肿瘤体积（metabolic tumor volume, MTV）和总病灶糖酵解（total lesion glycolysis, TLG）的变化可以区分病理应答者和无应答者^{[38, 39]}。钱炫方等^[40]通过¹⁸F-FDG PET-CT代谢参数及代谢异质性指数（heterogeneity index, HI）探讨对胃癌患者NAC疗效的预测价值，结果显示不同TRG组间T分期、M分期、脉管侵犯情况、神经侵犯情况、SUVmax、SUVmean、MTV、TLG、HI-1、HI-2及肿瘤肝脏摄取比（tumor-to-liver ratio, TLR）差异有统计学意义。且SUVmax、SUVmean水平、存在远处转移及存在脉管侵犯是预测NAC疗效的独立危险因素；表明¹⁸F-FDG PET-CT代谢参数结合临床特征可以一定程度预测胃癌患者NAC的疗效。

       虽然PET-CT在诊断及疗效的评估方面可以提供代谢方面的补充研究，但其价格昂贵且辐射剂量过高，在现今尚未用于NAC效能的常规评价技术。

3 影像组学评估NAC治疗胃癌疗效的研究进展

       与传统的基于影像学图像的分析相比，影像组学可以从常规医学影像图像中进行高通量的特征提取，如灰度直方图、病变形状、小波和纹理等低维和高维特征，建立机器学习模型对临床、病理特征定量分析病情进展、免疫组化、基因突变等信息^[41]，继而将肿瘤内部异质性转化为可供分析的数据来进行肿瘤诊断、分期和预后预测，有望揭示与肿瘤相关的亚克隆异质性的潜在信息，可能会为临床医生为患者设计个性化治疗方案提供新的思路^{[42, 43]}。

       陈佳等^[44]探讨CT纹理分析对LAGC患者NAC疗效的预测价值，通过多元回归分析联合以上CT征象，构建主观征象的预测模型，比较纹理分析与CT主观征象模型的诊断效能。结果显示联合法筛选门脉期的纹理特征并用线性分类分析法和非线性分类分析法的模型预测NAC疗效的性能最好，准确度为97.3%。在CT主观征象诊断模型中，准确度为57.4%。说明常规CT纹理分析可作为预测LAGC患者NAC疗效的客观依据，且其预测效能高于CT主观征象模型，表明基于CT的影像组学模型在预测胃癌患者NAC疗效方面潜力巨大，对帮助临床决策及实现个体化治疗具有重要参考价值。SUN等^[45]联合静脉期CT特征和临床变量建立影像-临床模型，结果显示联合模型AUC值为0.82，表明其构建的影像组学模型可有效预测NAC的治疗反应，并可用于个体化治疗计划。XIE等^[46]基于DECT门静脉期图像建立预测模型，以pTRG为标准，建立的影像组学模型在训练集和独立的外部验证集中都显示出有竞争力的预测效果。AUC值分别为0.827和0.854；上述研究首次将DECT影像组学纳入研究，展示了其建立的影像组学模型对NAC治疗LAGC效果具有预测意义。近期LI等^[47]通过提取多参数MR图像影像组学特征评价NAC对胃癌的病理反应，由T2WI、ADC和静脉期DCE-MRI建立影像组学评分。结果显示单序列和融合模型均与病理反应相关（P<0.001）。列线图在训练和验证数据集中达到最高的诊断能力，ROC曲线下面积分别为0.844和0.820，表明基于MRI的影像组学列线图在预测LAGC对NAC的病理反应方面表现出更好的性能。另一项研究^[48]通过比较反应者和无反应者的CT、T2WI、ADC、DCE-MRI影像组学评分，开发了一种结合CT和MRI多模态的列线图。结果显示列线图在训练和验证数据集中分别实现了0.893和0.871的高AUC值；MRI影像组学提供与CT影像组学相似的结果，可用于早期识别对NAC的病理反应，而联合的多模态影像组学列线图进一步提高了能力，其效能更加优越。

       与传统的形态及功能影像学相比，影像组学不仅能够提取肉眼无法识别的深层定量特征，还能通过高通量特征提取与机器学习算法，构建多参数联合预测模型。这种基于多维度特征融合的分析方法，能够更全面、更精准地评估NAC的治疗效果，为临床决策提供客观的影像学生物标志物。

4 人工智能评估NAC治疗胃癌疗效的研究进展

       人工智能在医学成像的应用包括图像优化、诊断和预测等方面，已成为放射学研究的重点。DL作为一类多层神经网络学习算法，是其中一个重要分支，其主要通过深层非线性网络结构将数据的低级别特征组合并转换成更高级别、更复杂的抽象特征，以完成复杂任务的学习，实现复杂函数逼近，从而可以学习到数据集的本质特征，在放射学中通常负责分割、检测或分类^{[49, 50]}。CUI等^[51]基于治疗前DECT图像和临床特征开发和验证DL放射组列线图，以预测LAGC患者对NAC的反应。研究发现联合模型在内部和两个外部验证队列中的AUC分别为0.829、0.804和0.827，在所有队列中均具有良好的校准度。联合模型的表现优于临床模型（P<0.001）。ZHANG等^[52]通过多相位对比增强计算机断层扫描（multi-phase contrast-enhanced computed tomography, CECT）图像开发并验证了基于DL的影像组学列线图，以预测LAGC患者的NAC反应。研究发现基于DL的影像组学列线图表现出优异的性能，训练集、内部验证集和外部验证集的AUC分别为0.848、0.802和0.751；相应P-R曲线的AUC为0.838、0.541和0.556。表明基于DL的影像组学列线图在预测LAGC患者的治疗反应和临床结果方面表现出同样良好的性能。

       DL可以直接从图像中提取特征并自动选择特征，具有稳定、高效和可重复性的优势，节省了大量时间并显著减少人工干预的影响。但是较影像组学来说，DL通常结构更复杂、数据需求更大，这大大限制了模型应用范围，所以基于DL预测胃癌患者的NAC疗效的研究相对较少，随着大数据研究及人工智能的进一步发展，开发简单易用的模型和训练方案，降低DL模型门槛提高模型在临床实践中的适用性，使其具有更大的发展潜力，为临床个体化治疗提供更有价值的信息。

5 小结与展望

       针对LAGC患者NAC疗效的影像学进行的多方面研究中，基于肿瘤形态学在评估NAC疗效方面虽具有一定的价值，但其准确性受到容受性舒张及肿瘤周围环境的影响，单一肿瘤形态学评价患者NAC疗效指标时难免显得不够充分；CT和MRI功能学评估通过获取肿瘤血流动力学、细胞密度等定量参数，可深入解析瘤内及瘤周微环境变化，显示出对病理反应的较高预测能力；然而，非标准化方案和有限的样本量阻碍了临床转化。未来仍需进一步整合，通过大规模、标准化的前瞻性研究来验证其稳定性和可靠性。基于影像组学技术可以提取深层定量特征进行多维度特征融合，但其仍然存在人工干预及耗时耗力的缺陷；基于DL技术能够直接从图像中提取并选择特征，有效克服了传统影像组学的这一限制。但其模型应用范围仍受限于模型透明度和可重复性的问题。本文总结了各影像技术在预测胃癌NAC中的适用范围、优势和不足，详见表1。

       综上，基于CT、MRI及其相关技术的成像评估在胃癌NAC疗效分析中展现出独特优势，可为个体化治疗决策提供关键依据，改善患者预后。且现今已经有关于MRI肿瘤代谢的相关技术应用于多种腹部肿瘤的研究，未来可以进一步从代谢的角度对LAGC患者NAC疗效进行补充性评估；此外，随着人工智能的发展，未来可以获得更加规范化的图像采集、特征提取及更细致的处理结果，拥有大样本量的前瞻性多中心研究验证和推广会进一步提升NAC疗效评估的准确性；随着生境分析等新兴研究技术的提出及合理应用，会进一步提高影像组学及DL的预测效能，这不仅有助于实现LAGC患者的精准个体化诊疗，还能为临床制订治疗方案提供更可靠的影像学依据。

点击查看表格

表1  各影像技术在预测胃癌新辅助化疗疗效中的应用对比
Tab. 1  Comparison of imaging techniques in predicting the efficacy of neoadjuvant chemotherapy for gastric cancer