Radiol Artif Intell 中山大学肿瘤防治中心放疗科：基于连续MRI的深度学习模型预测局部晚期鼻咽癌患者生存期

01文献信息本次分享的文献是由中山大学肿瘤防治中心放疗科联合华南理工大学附属第六医院、南方医科大学和云南大学等机构在2025年2月发表在《Radiology: Artificial Intelligence》中科院1区IF13.2上的研究“A Serial MRI–based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma”即基于连续MRI的深度学习模型预测局部晚期鼻咽癌患者生存期该研究为多中心回顾性研究纳入1039例局部晚期鼻咽癌LA-NPC患者利用诱导化疗IC前后的系列MRI影像数据及临床因素基于图卷积神经网络GCN构建影像组学-临床预后模型model RC。通过内部及外部队列验证证实该模型预测无病生存期DFS的性能显著优于传统TNM分期且能有效将患者分为低风险与高风险组。进一步分析显示高风险组患者接受同步放化疗CCRT可显著获益而低风险组获益不明显为LA-NPC的风险适应性治疗提供了重要依据。图 2研究流程图A部分 (ROI分割与特征提取选择) 展示了如何在治疗前、后的T1, T1C, T2序列上勾画肿瘤区域GTV和转移淋巴结MLN提取大量放射组学特征497个并通过mRMR和前向选择方法筛选出最优特征集每个序列31个。B部分 (图构建) 展示了如何将每个患者的多个病灶治疗前、后的原发灶和淋巴结视为图结构中的“节点”Vertex并用特征31个放射组学特征病灶数量3D坐标来描述每个节点。节点之间的“边”Edge初始为全连接捕捉病灶间的潜在关系。C部分 (预后模型构建) 展示了如何将构建好的三个图G_T1, G_T1C, G_T2输入GCN模型提取深层特征。随后使用深度多任务逻辑回归Deep-MTLR融合这些影像学深层特征和临床特征如年龄、分期、EBV DNA最终构建出放射组学-临床联合模型Model RC。02研究背景及目标研究背景鼻咽癌NPC多见于南方中国约70%患者初诊时为局部晚期LA-NPC。尽管诱导化疗IC同步放化疗CCRT是标准方案仍有20-30%患者治疗失败。现有分期及EBV DNA等预后工具大多在治疗前使用缺乏治疗过程中动态预测工具。研究目标构建并验证一个基于诱导化疗前后序列MRI结合临床指标的深度学习预后模型用于预测局部晚期鼻咽癌患者的生存并探索风险分层指导个体化治疗的可行性。03数据和方法研究数据患者来源与分组纳入2011年12月至2016年1月确诊的1039例LA-NPC患者男性779例女性260例平均年龄44±11岁数据来自两个中心数据集A中山大学肿瘤防治中心826例按8:2随机分为训练集660例和内部测试集166例数据集B梧州红十字会医院213例作为独立外部测试集。纳入与排除标准纳入标准病理证实非转移性NPC、III-IVA期、接受2-4周期IC并完成调强放疗、IC前后4周内完成鼻咽部及颈部MRI、IC前后定量检测cfEBV DNA。排除标准既往头颈部放疗/手术、MRI覆盖不足鞍上池至锁骨下缘或序列不全T1加权、T2加权、增强T1加权、影像存在伪影。随访数据中位随访时间训练集63.0个月内部测试集60.5个月外部测试集66.9个月结局事件训练集23.9%、内部测试集24.1%、外部测试集17.8%的患者发生死亡、复发或转移。图 1患者选择流程图技术方法影像处理与特征提取ROI分割自动勾勒肿瘤大体体积GTV并人工校正手动勾勒转移淋巴结由2名资深放疗科医师共识完成分歧由第三方专家裁定特征提取通过标准化影像组学分析工具SERA从IC前后3种MRI序列T1、增强T1、T2中提取497个影像组学特征特征筛选采用最小冗余最大相关性mRMR和前向特征选择法最终保留各序列前31个特征。模型构建图结构设计将IC前后的病灶GTV及转移淋巴结编码为无向完全图以31个影像组学特征、病灶数量及三维坐标为节点属性模型类型影像组学模型model R基于GCN融合3种MRI序列的深度特征临床模型model C仅纳入年龄、T分期、N分期、IC前后cfEBV DNA5个临床因素影像组学-临床模型model RC融合model R的深度特征与model C的临床因素对比模型Cox比例风险回归、卷积神经网络CNN、循环神经网络RNN。模型评估与统计分析性能指标C指数预测一致性、5年ROC曲线下面积AUC风险分层采用X-tile分析确定model RC评分阈值将患者分为低风险组与高风险组生存分析Kaplan-Meier法计算生存率log-rank检验比较差异偏倚控制对CCRT获益分析采用3:1倾向评分匹配平衡基线变量Bonferroni校正控制I类错误。04实验结果图图 3模型RC定义的风险组Kaplan-Meier生存曲线展示训练集、内部验证集、外部验证集中高危组与低危组在DFS/OS/DMFS/LRRFS上的生存差异。图 4不同风险组中CCRT治疗的生存差异曲线比较低危组和高危组中是否接受CCRT对DFS/OS/DMFS/LRRFS的影响。05讨论创新点技术创新首次将GCN用于整合LA-NPC患者IC前后多时间点MRI数据适配非欧几里得影像数据的特性可捕捉病灶间的交互关系优于仅关注特征数值变化的delta影像组学和不适配非欧几里得数据的RNN。思路创新突破传统“治疗前单一时间点预测”局限基于治疗中IC后的动态影像变化构建模型更贴合肿瘤异质性的动态演化特征。方法学完善多中心验证确保模型泛化性局限性研究为回顾性设计存在患者选择偏倚及治疗方案异质性CCRT组与非CCRT组患者数量失衡CCRT为一线治疗应用率90%可能影响获益分析的稳健性转移淋巴结需手动勾勒耗时且可能引入主观变异预测局部区域无复发生存LRRFS的性能有限外部测试集C指数0.72因调强放疗局部控制率高90%阳性事件少导致模型学习不足。临床价值治疗决策优化明确低风险患者可考虑省略CCRT以减少治疗毒性如黏膜损伤、吞咽困难和经济负担高风险患者需联合更积极的治疗如免疫治疗、口服卡培他滨辅助化疗临床研究支撑为LA-NPC的风险分层临床试验设计提供工具推动个体化治疗落地生物标志物开发证实系列MRI影像组学可作为LA-NPC生存预测的非侵入性生物标志物为动态风险监测奠定基础。