深度学习预测胃癌微卫星不稳定性的诊断准确性：系统综述与Meta分析

胃癌是全球常见恶性肿瘤之一，早期症状隐匿、筛查率低，多数患者确诊时已属晚期，而以MSI为代表的分子标志物分层已成为免疫治疗与靶向治疗决策的重要依据^[1]。在可切除胃癌中，MSI-high既提示较好预后，又可能是新辅助/辅助化疗获益的潜在负向预测因子，亟需可靠的检测手段，但其阳性率很低——汇总MAGIC、CLASSIC等四项试验的个体数据meta分析中，1556例患者仅121例（7.8%）为MSI-high^[3]。结直肠癌领域虽推荐普遍开展MSI检测，许多患者仍未被检测，廉价易及的辅助筛选工具需求明确^[2]；从常规H&E染色切片直接预测MSI的深度学习在结直肠癌进展迅速，2023年一项纳入16个队列、1.3万余例患者的多中心transformer研究在手术标本上敏感度达0.99、阴性预测值超过0.99^[4]。相比之下，胃癌中的同类证据散见于单项研究，总体诊断精度缺乏定量汇总。

针对这一状况，作者开展了预先注册于PROSPERO（CRD420261503140）的系统综述与meta分析，检索PubMed、Embase、Cochrane Library和Web of Science后纳入10项以深度学习分析H&E图像预测胃癌MSI的研究，以QUADAS-2评估偏倚，用双变量随机效应模型合并敏感度与特异度，按验证策略和数据来源做亚组分析，切片层面AUC经logit变换后合并，并以预设情景分析检验稳健性。主要合成纳入6项研究的7个独立数据集：合并敏感度0.78（95% CI 0.63–0.88）、特异度0.85（95% CI 0.77–0.90）、汇总受试者工作特征曲线下面积0.89（95% CI 0.86–0.91）；9项研究进入次要AUC合成，合并AUC为0.85（95% CI 0.80–0.89）。

由此，散在的单中心证据被整理为可比较的整体判断：深度学习对胃癌MSI的判别能力总体良好，但较结直肠癌多中心研究已达的0.99敏感度^[4]仍有差距，且合并敏感度置信下限仅0.63，漏检风险值得警惕。亚组分析显示，医院来源队列敏感度0.86、诊断比值比39.8，优于TCGA来源队列的0.71和11.5；作者同时指出该差异受研究数少和显著异质性限制，不宜过度解读。值得一提的是，2025年Ying等发表的机器学习诊断胃癌MSI的meta分析已得出ML可作为前瞻性早期辅助检测工具的结论^[5]，与本文方向一致，而本文进一步聚焦H&E深度学习路径，并对医院与TCGA数据来源间的性能差异做了定量呈现。

局限同样清楚：纳入研究少、异质性大，数据来源亚组结论尚不稳固。作者明确表示，其临床实用性仍需标准化、多中心、独立外部和前瞻性研究确认——即在真实临床流程中，此类模型能否以可接受的漏检率辅助筛选应接受MSI检测的胃癌患者，仍待前瞻性证据回答。