头颈鳞状细胞癌cN0患者颈部管理的革新策略：从选择性颈清扫（END）到前哨淋巴结活检（SNB）与人工智能（AI）的范式转变

针对头颈鳞状细胞癌（HNSCC）cN0患者颈部隐匿性转移（LNM）的诊疗困境，国际头颈科学组（Padua）通过系统分析提出：早期声门癌无需选择性颈清扫（END），而早期口腔癌中前哨淋巴结活检（SNB）可替代END，降低过度治疗风险。研究强调人工智能（AI）与深度学习（DL）在提升LNM检测精度中的潜力，为个体化颈部管理提供新方向。

　　

论文解读

研究背景：颈部管理的“两难困境”

头颈鳞状细胞癌（HNSCC）的颈部淋巴结转移（LNM）是生存率的关键预测指标，但临床和影像学阴性（cN₀）患者仍存在隐匿性转移风险。传统策略中，选择性颈清扫（END）虽能降低复发率，却导致大量真实N₀患者承受不必要的肩功能障碍等并发症。随着经口机器人手术的普及，如何平衡治疗获益与生存质量成为焦点。

研究机构与方法

比利时布鲁塞尔King Albert II癌症研究所等国际团队通过文献综述、随机对照试验（如NRG-HN006）及AI模型验证，评估了END、选择性颈部放疗（ENR）、观察策略及SNB的优劣。关键方法包括：

1. 决策树模型：基于Weiss等1994年提出的20%隐匿转移阈值，结合现代影像学（PET/CT、MRI）和基因特征优化治疗选择。
2. SNB多中心试验：比较SNB与END在T1-T2口腔癌中的功能保留与生存结局（如荷兰试验和SENT研究）。
3. 深度学习（DL）模型：Yang等开发的MRI三维序列模型，显著降低隐匿转移漏诊率（AUC 0.99）。

研究结果

1. 早期声门癌：END非必需

系统回顾证实，局限于声带的早期肿瘤LNM概率<5%，无需END；而声门上癌需涵盖IIa/III区清扫（Sanabria等2020）。

2. 口腔癌：SNB替代END

两项III期试验（Garrel 2020, Hasegawa 2021）显示SNB与END生存率等效，但SNB组住院时间缩短、肩功能更优。DL模型进一步将隐匿转移率从15.30%降至1.64%（Yang 2025）。

3. AI与影像学革新

AI通过MRI特征预测LNM（如Yang模型）或结合FDG-PET高阳性预测值，可减少SNB需求。

结论与意义

本研究确立了SNB在早期口腔癌中的标准地位，并呼吁在资源充足中心推广。AI技术的介入有望实现非侵入性精准分期，避免过度治疗。未来需解决SNB实施中的多学科协作挑战，并探索AI在咽/喉癌中的应用。论文发表于《Oncology and Therapy》，为HNSCC颈部管理提供了循证与技术创新并重的解决方案。