深度神经网络内镜评估：精准探测食管癌新辅助化疗后病理完全缓解的希望之光

为解决术前检测病理完全缓解（pCR）以助力新辅助化疗（NAC）后非手术治疗的问题，来自 46 个日本食管中心的研究人员开展食管鳞状细胞癌（ESCC）相关研究。结果显示该评估准确率可行，有望指导个性化治疗策略。

　　背景：术前检测病理完全缓解（pCR）有助于新辅助化疗（NAC）后采取非手术治疗方案。此前已开发出基于深度神经网络的内镜评估方法用于术前判定 pCR，但为了临床应用，其质量还需通过更大规模的数据进一步提升。
方法：本研究回顾性分析了在日本食管学会认证的 46 个日本食管中心接受 NAC 的食管鳞状细胞癌（ESCC）患者。收集 NAC 后的内镜图像、临床病理因素以及长期预后信息。依据 pCR（3 级）患者数量，随机选取相同数量的 0 - 1a 级和 1b - 2 级患者。运用深度神经网络对内镜图像进行分析，并利用包含 100 张照片的测试数据集进行验证，计算基于深度神经网络模型和经验丰富医生的敏感性、特异性、阳性预测值（PPV）和阴性预测值（NPV）。
结果：该研究共纳入 1041 名患者，其中 354 名（33%）为 pCR 患者，组织学无反应者数量相同（0 - 1a 级 / 1b - 2 级分别为 352 名 [33%]/368 名 [34%]） 。检测 pCR 的敏感性、特异性、PPV、NPV 和准确率的中位数分别为 80%、90%、89%、82% 和 85%。术前 pCR 患者的总生存期和无复发生存期显著更优。
结论：这项大规模研究表明，NAC 后基于深度神经网络的内镜评估能够以可行的准确率识别 pCR。当前的人工智能技术有望通过谨慎的外部验证和前瞻性研究，为 ESCC 患者制定包括非手术治疗在内的个性化治疗策略提供指导。