基于深度学习三维剂量分布的头颈部肿瘤远处转移预测研究

作者：蔡嘉俊; 李永宝^*; 肖帆; 亓孟科; 陆星宇; 周凌宏; 宋婷^*

来源：中华放射肿瘤学杂志, 2023, 32(05): 422-429.

DOI：10.3760/cma.j.cn113030-20220812-00275

• 头颈部肿瘤
• 远处转移
• 三维剂量分布
• 深度学习

目的探讨基于三维剂量分布的深度学习模型在预测头颈部肿瘤远处转移中的作用。方法收集来自4个中心共237例接受调强放疗(IMRT)的头颈部肿瘤患者的放疗数据和临床随访数据, 其中来自犹太综合医院(HGJ)和Sherbrooke大学医疗中心(CHUS)治疗机构的131个病例作为训练集, 来自Montréal大学医疗中心(CHUM)机构的65个病例作为验证集, 来自Maisonneuve-Rosemont医院(HMR)机构的41个病例作为测试集。将训练集131例患者的三维剂量分布和GTV轮廓输入DM-DOSE模型进行训练并用验证集数据进行验证, 然后用独立的测试集数据进行评估。评价内容包括受试者操作特征曲线下面积(AUC)、平衡准确率、敏感度、特异度、一致性指数和Kaplan-Meier生存曲线分析。结果在头颈部肿瘤远处转移的预后预测方面, 联合三维剂量分布和GTV轮廓的DM-DOSE模型实现了最优预后预测性能, AUC为0.924, 并且能显著区分远处转移的高、低风险患者(log-rank检验, P<0.001)。结论三维剂量分布对IMRT的头颈部肿瘤患者远处转移具有良好的预测价值, 且构建的预测模型能有效预测远处转移。

• 单位
  中山大学肿瘤防治中心; 华南肿瘤学国家重点实验室; 生物医学工程学院; 南方医科大学