综述：关于人工智能和放射组学在口咽癌术前预测淋巴结外扩散及淋巴结转移方面的系统评价

EN(ai和radiomics在头颈部鳞癌术前预测ENE/LNM的研究系统综述，基于PRISMA/TRIPOD/PROBAST框架筛选11项研究（4核心，7支持）。核心发现：ENE预测中，任务专用CNN（AUC 0.86）在决策曲线分析中优于通用LVLM（敏感1.0但特异0.34），但均缺乏外部验证；LNM预测模型AUC达0.87-0.92且校正良好，但阈值数据缺失制约临床应用。主要问题包括：78%研究存在高偏倚风险（分析域63.6%不明确）；仅25%研究报告 TRIPOD要求的终点定义和验证细节；ENE相关研究样本量小（中位数111.5例），模型可解释性不足（0%报告SHAP/LIME）。结论强调需标准化阈值、加强外部验证和模型可解释性，以推进AI工具的临床转化。

　　
在口咽癌（OPSCC）的临床决策中，术前评估淋巴结转移（LNM）和 extranodal extension（ENE）是指导治疗强度和范围的关键。近年来，人工智能（AI）与放射组学结合的应用成为研究热点，但其在临床实践中的可靠性和实用性仍需进一步验证。一项发表于Frontiers in Oncology的系统综述（2023-2025年研究）通过标准化方法，对11项研究进行了综合分析，揭示了AI模型在预测ENE和LNM中的潜力与局限。

### 背景与核心问题
口咽癌的发病率逐年上升，其中 tonsillar癌症占比最高。尽管影像学（CT/MRI/PET）和病理学是诊断的主要手段，但ENE的检出仍依赖解剖学评估，存在主观性强、假阳性率高的问题。此外，LNM的预测需要平衡敏感性与特异性，而传统影像学易受观察者差异和扫描参数波动影响。AI技术通过分析影像中的高维特征，有望提高诊断精度并减少人为误差。

### 研究方法与评估框架
该综述采用PRISMA指南，检索PubMed、Scopus等数据库，纳入2020-2025年间发表的11项研究（4项核心研究，7项辅助研究）。评估工具包括PROBAST（评估模型偏倚风险）和TRIPOD（报告质量标准），重点关注模型的可重复性、校准和外部验证。

### 关键发现
#### 1. ENE预测的AI模型对比
- **任务专用深度学习模型（DL ENE）**：基于CT影像训练，AUC达0.86，在特异性0.78和0.70两个阈值下分别实现75%和90%的敏感性。决策曲线分析显示，该模型在阈值0.10-0.40范围内净收益最优，可减少21.5%的过度清扫（以1000例患者计算）。
- **通用型视觉语言模型（LVLM）**：如ChatGPT-4V，敏感性达100%，但特异性仅34%，导致约509例假阳性。其作用更接近筛查工具，适用于需彻底排除ENE的极端场景。

#### 2. LNM预测的进展
- 两项核心研究显示，基于CT的AI模型AUC达0.87-0.92，且外部验证中表现稳定。例如，Jiang等开发的模型在培训集、内测集和外部验证集的AUC分别为0.91、0.89和0.87。
- 不足：未明确报告操作阈值，无法直接比较临床获益。需补充决策曲线分析和每千例管理影响评估。

#### 3. 方法学质量分析
- **PROBAST评估**：78%的研究存在高风险偏倚，主要问题集中在数据缺失处理（63%研究未明确）、未进行盲法评估（36%）和模型更新机制缺失（21%）。
- **TRIPOD报告**：74.5%的检查项达标，但关键项如"盲法结局评估"和"数据可用性"的达标率仅为36%。仅1项核心研究（Jiang 2025）完成外部验证和校准曲线报告。

### 临床启示与挑战
#### 优势
- **精准分层**：DL ENE模型在平衡敏感性与特异性方面优于传统影像学评估，特别在特异性0.78时，敏感性（75%）超过放射科专家（平均45-96%），减少13%的假阴性。
- **决策支持价值**：决策曲线分析显示，DL ENE在临床常用阈值（0.10-0.40）下净收益显著优于"治疗所有"或"零治疗"策略，且比LVLM减少47%的过度清扫。
- **多模态潜力**：辅助研究验证了MRI/PET结合CT的可行性，以及淋巴扩散建模对结果稳定性的提升作用。

#### 主要局限
- **外部验证不足**：仅25%的核心研究完成外部验证，影响模型泛化性。ENE预测仅2项研究，且均缺乏跨机构验证。
- **阈值标准化缺失**：现有模型未统一报告临床操作阈值，导致无法直接比较不同模型的临床决策价值。
- **可解释性薄弱**：仅1项研究提供Grad-CAM等可视化解释工具，阻碍临床医生信任度提升。

### 技术路线对比
- **CNN/深度学习模型**：专注于学习解剖结构特征（如淋巴结边缘不规则性），适合制定具体清扫方案。但需解决数据增强不足（0%研究使用）、不确定性量化缺失（0%）等问题。
- **LVLM/通用模型**：整合影像与语义知识，适合作为初筛工具。但其低特异性（34%）意味着每千例需额外处理509例假阳性病例，可能显著增加手术负担。
- **混合方法**：4项研究结合LASSO回归、贝叶斯网络等统计方法，提升特征筛选的准确性，但未解决多中心数据异质性问题。

### 未来方向
1. **标准化评估体系**：建议采用"临床阈值+校准曲线"双轨制，例如在特异性≥0.75时敏感性需≥0.85。
2. **数据共享机制**：建立公开的模型代码库（当前仅72%研究披露资金来源）、标准化预处理流程（如统一CT扫描层厚）。
3. **多模态融合**：探索CT-MRI联合分析，已有研究显示融合数据可使AUC提升2-3%。
4. **真实世界验证**：需开展多中心前瞻性研究，重点关注HPV亚型差异（HPV+患者ENE风险比阴性高2.3倍）。

### 结论
AI与放射组学在口咽癌术前评估中展现出显著潜力：任务专用模型（如DL ENE）在平衡诊断精度和临床获益方面更具优势，而通用型模型（如LVLM）可作为高灵敏度筛查工具。但当前研究存在方法学不透明（78%高风险偏倚）、缺乏统一阈值（仅12%研究报告临床相关操作点）等瓶颈。建议未来研究优先解决外部验证、可解释性工具开发及多中心协作机制，为纳入指南提供可靠证据。