[背景]胃癌根治术的主要过程就是肿瘤的完整切除和胃周淋巴结的清扫,其中,淋巴结清扫的范围以及需要清扫淋巴结的最低数目一度成为外科医生争论的焦点。目前,胃周淋巴结的D2清扫以及清扫至少16枚淋巴结已经成为被广泛认可的标准。胃周的各组淋巴结负责胃不同部位的引流,对于最常见的中下部胃癌,第6组淋巴结是淋巴结转移的好发部位,因为其处于血供与器官交汇最密集的幽门下区,这使许多学者致力于第6组淋巴结的相关研究,其中最受关注的两个方面就是第6组淋巴结清扫方法的改进和对病人预后的影响。对于病人预后,淋巴结清扫的数目与生存期成正相关已经为大多数学者所接受,第6组淋巴结作为中下部胃癌淋巴结转移的高发区域势必与病人的预后密切相关。对于第6组淋巴结的清扫,传统的清扫区域已经被学者扩展,提出了以幽门下血管为基础的淋巴结清扫新方法,但胃网膜右动脉,胃网膜右静脉,幽门下动脉等血管变异较多,给清扫过程带来困难。要达到目标,既需要手术技术的提高,更重要的是新器械的辅助,由我院与海信集团自主研发的海信计算机辅助手术系统(Hisense computer-assisted surgerysystem,Hisense CAS system)实现了由断层扫描(computed tomography,CT)平片至三维立体模型的转变,使腹部任意区域的血管都可以通过三维立体的形式展现在眼前。本研究旨在利用Hisense CAS系统在术前建立幽门下血管的三维立体模型,掌握血管变异类型,为以幽门下血管为框架的第6组淋巴结清扫保驾护航;同时我们探讨是否利用Hisense CAS系统对第6组淋巴结清扫的影响,以及不同影响因素下第6组淋巴结转移特点的分析。探讨通过深度神经网络(faster region-based convolutional neural network,FR-CNN)对胃癌转移淋巴结CT诊断的深度学习,模拟影像学专家对转移淋巴结的识别过程,获得更为精确的识别结果,指导胃癌治疗方案的选择和预后的评估。[方法]160名经胃镜证实的胃癌患者纳入研究,经过排除标准的筛选,56名患者因各种原因未纳入研究,最终104名胃癌患者随机按Hisense CAS系统引导下第6组淋巴结清扫和传统第6组淋巴结清扫分为CAS组50例和CT组54例,CAS组术前利用Hisense CAS系统对幽门下血管进行模拟成像,总结胃网膜右动脉和胃网膜右静脉的变异情况和相互之间的位置关系,并且在术中利用血管的三维立体模型和智能手势识别系统进行手术引导。统计术中和术后两组的并发症情况,比较两种淋巴结清扫方式对手术和病人术后恢复的影响,同时比较两组病例中第6组淋巴结的清扫数目和转移淋巴结数目,计算淋巴结转移率和转移度,评估两种清扫方式对病人预后的影响。每个病人选择60张增强CT利用FR-CNN进行序列性的深度学习。通过影像学专家对293例胃癌患者的腹部增强CT中1123张可疑转移淋巴结CT片的识别标识,连同17580张原始影像一起利用FR-CNN学习,最终验证Hisense CAS系统分析中的104例胃癌患者的6240张CT片,与病理结果准确率比较。[结果]在利用Hisense CAS系统对幽门下血管变异的50例CAS组患者的分析中,GTH主要根据是否有属支胰十二指肠上前静脉的加入分为胃结肠型(34.0%)和胃胰结肠型(66.0%),RGEA主要根据血管直径的不同分为粗供血型(24.0%)和细供血型(76.0%),RGEA和RGEV的关系主要根据RGEA和RGEV起始部间距离的不同分为临近型(58.0%)和分离型(42.0%)。在术中操作和术后并发症的比较中,CAS组在第6组淋巴结清扫时间方面明显长于CT组(P<0.001),而出血量两组是相近的。从趋势上讲,CAS组在术中胃结肠干损伤和术后胰漏方面明显少于CT组,而在术后十二指肠残端瘘和淋巴漏方面与CT组相近,但这些方面都没有统计学意义。在第6组淋巴结转移特点的分析中,第6组淋巴结总转移率和转移度分别为50.0%和26.0%;除外弥漫性胃癌,下部胃癌的淋巴结转移率和转移度均为最高,分别为56.1%和27.7%。在CAS组中,不同血管变异类型间第6组淋巴结转移的比较均没有发现明显的统计学意义。不同肿瘤分期的分组中,第6组淋巴结的清扫和转移是随着肿瘤分期的增加而加重。CAS组在第6组淋巴结清扫数目与转移数目上同CT组相比均具有明显统计学差异,在淋巴结转移率和转移度方面也均高于CT组。根据多因素Logistic回归分析模型,肿瘤的位置和TNM分期与第6组淋巴结的转移具有显著相关性。在人工智能的CT标识过程中,转移淋巴结的判定条件为肿大淋巴结短径、边缘形态以及增强密度值,其中最重要的定量参数为淋巴结短径。在深度学习的验证结果中,绘制受试者工作特征曲线(receiver operating characteristic,ROC),计算相应的ROC曲线下面积(area under the curve,AUC)AUC为0.9387。其中,通过人工智能识别的CT中可疑第6组淋巴结的准确率为95.1%。[结论]我们通过Hisense CAS系统在术前建立幽门下血管的三维立体模型,充分掌握各支血管的解剖变异,为术中淋巴结的清扫提供了有力的保障,结果证实,Hisense CAS系统的应用,在一定程度上减少了术后并发症发生的趋势。同时,我们也总结了第6组淋巴结的转移规律,发现Hisense CAS系统的应用明显提高了淋巴结的清扫数目以及转移淋巴结的发现率,同时并没有增加术中及术后并发症的发生率。通过多因素Logistic回归分析发现,肿瘤位置与肿瘤分期是第6组淋巴结转移的独立危险因素。另外,深度神经网络在胃癌转移淋巴结CT诊断中的使用已经可以在很大程度上替代高年资影像学专家,在诊断的准确率方面甚至超过人工识别,并且具备诊断速度快,操作简单等优点。深度神经网络的使用可以精确指导胃癌患者治疗方案的选择,也为手术过程中重点淋巴结的清扫提供区域信息,同时还可以帮助改善中国医疗在影像学方面分配差异的情况。