基于CT深度学习的临床I期肺癌无病生存预测模型：一项真实世界多中心研究

来自多中心的研究团队开发了一种基于CT的深度学习(DL)模型，用于预测临床I期非小细胞肺癌(NSCLC)患者手术或立体定向放疗(SBRT)后的无病生存期(DFS)。该模型通过3D卷积神经网络提取肿瘤特征，在手术队列中C-index达0.85，显著优于临床模型(0.76)，并能有效识别SBRT患者中的高风险群体(5年DFS率34.7% vs 77.4%)，为个体化治疗决策提供可靠工具。

　　这项突破性研究构建了一个酷炫的"肿瘤特征解码器"——基于术前CT的3D卷积神经网络(3D-CNN)，专门破解临床I期非小细胞肺癌(NSCLC)的复发密码。研究团队收集了2489例手术患者的大数据训练模型，在外部验证中，这个AI侦探成功预判了248例接受立体定向体部放疗(SBRT)患者的命运：高风险组5年无病生存率(DFS)仅34.7%，而低风险组高达77.4%(p<0.01)。模型预测性能C-index达到惊艳的0.85，比传统临床模型(C-index=0.76)更胜一筹。更厉害的是，深度学习评分(DL-score)在两个队列中都是独立的预后指标(p<0.01)，就像给每位患者装上了精准的复发预警雷达。这项技术让医生能像查看天气预报一样，提前预知肿瘤的"复发风暴"，为制定个性化治疗方案提供了智能导航。