可預測疾病進展！中山大學等單位合作發文：晚期胰腺癌潛在臨床工具

7月15日，中山大學/中山大學孫逸仙紀念醫院/南京醫科大學附屬無錫人民醫院研究團隊合作共同在期刊《MedComm》上發表了研究論文，題為“Deep Learning Predicts Imminent Tumor Progression in Advanced Pancreatic Adenocarcinoma Using Serial CT Scans During Chemotherapy”，本研究中，研究人員開發了一種時空深度學習框架，整合了卷積神經網絡和長短期記憶（LSTM）神經網絡，利用連續的計算機斷層掃描（CT）影像及基線臨床變量，動態預測下一次隨訪時的疾病進展（PD）。該框架可實現對晚期胰腺導管腺癌（PDAC）即將發生的疾病進展進行無創、實時預測，有助于及時調整治療方案。

胰腺導管腺癌化療后SD/PR患者早期進展風險預測工具的臨床需求

01

胰腺導管腺癌PDAC）是最致命的惡性腫瘤之一，其全球發病率持續上升。約80%的患者在疾病晚期被診斷，包括局部晚期或轉移性病例，中位總生存期（OS）約為12個月。對于這些患者，全身化療仍是主要治療手段，通常根據當前臨床實踐和臨床試驗方案持續治療，直至腫瘤進展或出現治療不耐受。因此，根據實體瘤療效評價標準（RECIST 1.1），化療后影像學檢查顯示病情穩定（SD）或部分緩解（PR）的患者，通常會繼續維持原有治療方案。然而，臨床經驗表明，許多此類患者在常規2至3個月的隨訪間隔內即出現疾病進展（PD）。影像評估結果與后續臨床病程之間的這種差異凸顯了迫切需要可靠的工具來識別那些即將發生疾病進展的高風險患者。此類工具有助于實現更早的治療干預和更有依據的治療決策。

模型預測性能的亞組分析

02

在中心1的回顧性隊列中，該預測模型在多個臨床亞組中表現出良好的泛化能力。按治療方案分層時，模型保持了穩定的區分能力。在AG或吉西他濱（GEM）基礎隊列中，模型AUC為0.79，準確率為0.78。在FOLFIRINOX亞組中，模型AUC為0.68，準確率為0.69。值得注意的是，接受SOXIRI方案治療的患者預測性能AUC為0.77，準確率為0.74. 與基于AG/GEM的參考隊列相比，FOLFIRINOX（= 0.11）或SOXIRI（= 0.77）亞組的AUC均未觀察到顯著差異。

為了進一步評估不同進展類型的性能，患者被分為1型PD（靶病灶進展）和2型PD（新轉移病灶出現）亞組。該模型在兩個亞組中表現出相當的性能，1型PD的AUC為0.72，2型PD的AUC為0.77。相應的準確率分別為0.71和0.74。這些結果表明，該模型能夠有效捕捉疾病進展的不同生物學表現。

基于基線疾病分期評估了性能。與轉移性疾病患者相比，該模型在非轉移性（局部晚期）疾病患者中表現出更優的預測能力。這種性能差異可能反映了轉移狀態中固有的腫瘤異質性和生物學復雜性的增加。

按腫瘤部位進行的亞組分析顯示，頭頸部腫瘤與體尾部腫瘤之間的表現相對一致。該模型分別實現了0.73和0.78的AUC（= 0.38）以及0.75和0.75的準確率（表S7）。頭頸部亞組的敏感性較低（0.61 vs. 0.73），而特異性略高（0.80 vs. 0.76）。總體而言，該模型在兩個亞組中均保持了可接受的預測性能，表明其在不同解剖部位具有穩健性。

研究發現還表明，更長的縱向隨訪期可能提供額外的時序信息，從而提高進展預測的敏感性。

預測模型在不同臨床亞組中的表現

結論

03

綜上所述，該深度學習網絡利用序列CT圖像和基線臨床數據，能夠有效對晚期胰腺導管腺癌（PDAC）化療期間的疾病進展（PD）進行動態預測，且不受不同臨床場景的影響。該模型可實現高危患者的早期識別，為個性化治療調整創造了決策窗口。

參考資料：

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

免費論壇

【關于投稿】

轉化醫學網（360zhyx.com）是轉化醫學核心門戶，旨在推動基礎研究、臨床診療和產業的發展，核心內容涵蓋組學、檢驗、免疫、腫瘤、心血管、糖尿病等。如您有最新的研究內容發表，歡迎聯系我們進行免費報道（公眾號菜單欄-在線客服聯系），我們的理念：內容創造價值，轉化鑄就未來！

轉化醫學網（360zhyx.com）發布的文章旨在介紹前沿醫學研究進展，不能作為治療方案使用；如需獲得健康指導，請至正規醫院就診。

責任聲明：本稿件如有錯誤之處，敬請聯系轉化醫學網客服進行修改事宜！

微信號：zhuanhuayixue

★ 5月份熱門內容 ★

01

02

03

04

05

06