可预测疾病进展！中山大学等单位合作发文：晚期胰腺癌潜在临床工具

7月15日，中山大学/中山大学孙逸仙纪念医院/南京医科大学附属无锡人民医院研究团队合作共同在期刊《MedComm》上发表了研究论文，题为“Deep Learning Predicts Imminent Tumor Progression in Advanced Pancreatic Adenocarcinoma Using Serial CT Scans During Chemotherapy”，本研究中，研究人员开发了一种时空深度学习框架，整合了卷积神经网络和长短期记忆（LSTM）神经网络，利用连续的计算机断层扫描（CT）影像及基线临床变量，动态预测下一次随访时的疾病进展（PD）。该框架可实现对晚期胰腺导管腺癌（PDAC）即将发生的疾病进展进行无创、实时预测，有助于及时调整治疗方案。

胰腺导管腺癌化疗后SD/PR患者早期进展风险预测工具的临床需求

01

胰腺导管腺癌PDAC）是最致命的恶性肿瘤之一，其全球发病率持续上升。约80%的患者在疾病晚期被诊断，包括局部晚期或转移性病例，中位总生存期（OS）约为12个月。对于这些患者，全身化疗仍是主要治疗手段，通常根据当前临床实践和临床试验方案持续治疗，直至肿瘤进展或出现治疗不耐受。因此，根据实体瘤疗效评价标准（RECIST 1.1），化疗后影像学检查显示病情稳定（SD）或部分缓解（PR）的患者，通常会继续维持原有治疗方案。然而，临床经验表明，许多此类患者在常规2至3个月的随访间隔内即出现疾病进展（PD）。影像评估结果与后续临床病程之间的这种差异凸显了迫切需要可靠的工具来识别那些即将发生疾病进展的高风险患者。此类工具有助于实现更早的治疗干预和更有依据的治疗决策。

模型预测性能的亚组分析

02

在中心1的回顾性队列中，该预测模型在多个临床亚组中表现出良好的泛化能力。按治疗方案分层时，模型保持了稳定的区分能力。在AG或吉西他滨（GEM）基础队列中，模型AUC为0.79，准确率为0.78。在FOLFIRINOX亚组中，模型AUC为0.68，准确率为0.69。值得注意的是，接受SOXIRI方案治疗的患者预测性能AUC为0.77，准确率为0.74. 与基于AG/GEM的参考队列相比，FOLFIRINOX（= 0.11）或SOXIRI（= 0.77）亚组的AUC均未观察到显著差异。

为了进一步评估不同进展类型的性能，患者被分为1型PD（靶病灶进展）和2型PD（新转移病灶出现）亚组。该模型在两个亚组中表现出相当的性能，1型PD的AUC为0.72，2型PD的AUC为0.77。相应的准确率分别为0.71和0.74。这些结果表明，该模型能够有效捕捉疾病进展的不同生物学表现。

基于基线疾病分期评估了性能。与转移性疾病患者相比，该模型在非转移性（局部晚期）疾病患者中表现出更优的预测能力。这种性能差异可能反映了转移状态中固有的肿瘤异质性和生物学复杂性的增加。

按肿瘤部位进行的亚组分析显示，头颈部肿瘤与体尾部肿瘤之间的表现相对一致。该模型分别实现了0.73和0.78的AUC（= 0.38）以及0.75和0.75的准确率（表S7）。头颈部亚组的敏感性较低（0.61 vs. 0.73），而特异性略高（0.80 vs. 0.76）。总体而言，该模型在两个亚组中均保持了可接受的预测性能，表明其在不同解剖部位具有稳健性。

研究发现还表明，更长的纵向随访期可能提供额外的时序信息，从而提高进展预测的敏感性。

预测模型在不同临床亚组中的表现

结论

03

综上所述，该深度学习网络利用序列CT图像和基线临床数据，能够有效对晚期胰腺导管腺癌（PDAC）化疗期间的疾病进展（PD）进行动态预测，且不受不同临床场景的影响。该模型可实现高危患者的早期识别，为个性化治疗调整创造了决策窗口。

参考资料：

https://onlinelibrary.wiley.com/doi/10.1002/mco2.70870

免费论坛

【关于投稿】

转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！

转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。

责任声明：本稿件如有错误之处，敬请联系转化医学网客服进行修改事宜！

微信号：zhuanhuayixue

★ 5月份热门内容 ★

01

02

03

04

05

06