编辑推荐：
在临床实践中，缺乏有效工具预测晚期胆囊癌（GBC）患者系统治疗疗效。研究人员开展基于多期增强 CT 图像预测晚期 GBC 系统治疗反应的研究，构建 DLRSC 模型。该模型预测性能良好，有助于临床决策，合理分配医疗资源。
胆囊癌（Gallbladder Cancer，GBC）是一种极其凶险的肝胆恶性肿瘤，全球范围内其发病率呈上升态势。由于早期症状不典型，多数患者确诊时已处于晚期，失去了手术切除的最佳时机。此时，系统治疗成为重要的治疗手段，像吉西他滨联合奥沙利铂（GEMOX）方案，以及近年来兴起的免疫疗法（如抗程序性死亡蛋白 1（PD - 1）抗体），都为晚期患者带来了生存希望。但令人头疼的是，不同患者对联合治疗的反应差异很大，这就好比同一种药，有人吃了效果奇好，有人吃了却几乎没作用。这主要是因为肿瘤内部存在高度异质性，如何精准挑选出能从系统治疗中获益的患者，成为了医学领域亟待攻克的难题。
在此背景下，苏州大学附属苏州第九医院等多家国内机构的研究人员积极探索，开展了一项旨在预测晚期胆囊癌系统治疗反应的研究。他们构建并外部验证了一种深度学习放射组学 - 临床（DLRSC）模型，该研究成果发表在《European Radiology》上，为这一难题的解决带来了新曙光。
为开展此项研究，研究人员采用了多种关键技术方法。首先，进行了回顾性多中心队列研究，从 4 家医院收集了符合条件的晚期 GBC 患者数据。其次，利用多期增强 CT（Contrast - Enhanced Computed Tomography，CE - CT）图像，通过 3D slicer 软件手动标注感兴趣区域（Regions of Interest，ROIs），并对图像进行预处理和数据增强。然后，引入预训练的 ResNet18 网络开发深度学习特征，并结合临床因素构建 DLRSC 模型，通过多种分析方法评估模型性能 。
下面来看具体的研究结果：
- 患者特征：研究纳入多个数据集的患者，对患者年龄、性别、肿瘤标志物（如癌抗原 19 - 9（CA19 - 9）、癌胚抗原（CEA）、甲胎蛋白（AFP））、肿瘤大小、TNM 分期等特征进行分析，这些数据为后续研究奠定基础12。
- 深度学习特征和 DLRSC 模型评估：多变量逻辑回归分析发现，肿瘤大小是与治疗疗效相关的独立因素。DLRSC 模型在内部和外部测试数据集上表现出色，曲线下面积（Area Under the Curve，AUC）分别达到 0.86（95% CI，0.82 - 0.89）和 0.84（95% CI，0.80 - 0.87），具有良好的判别能力、校准度和临床实用性34。
- 生存分析：根据 DLRSC 模型的最佳截断值，将患者分为低评分组和高评分组。生存分析显示，两组患者的无进展生存期（Progression - Free Survival，PFS）和总生存期（Overall Survival，OS）存在显著差异，高评分组患者的生存情况更优5。
在研究结论和讨论部分，DLRSC 模型的重要意义得以凸显。该模型能够有效预测晚期 GBC 患者系统治疗的反应，还能进行预后分层，帮助医生提前告知患者潜在无效治疗的风险，避免不必要的不良反应，合理分配社会医疗资源。不过，研究也存在一些局限性，如样本量相对较小可能导致过拟合风险，ROI 手动标注受主观因素影响，图像采集协议差异可能引入偏差，还有部分潜在混杂变量未充分评估等。但总体而言，这项研究为晚期胆囊癌的治疗开辟了新方向，后续若能在更大规模的前瞻性研究中进一步验证，有望为临床实践带来重大变革，切实改善患者的治疗效果和生存质量。
