基于CT的深度学习放射组学列线图实现胰腺癌早期复发精准预测：一项多中心研究

来自多中心的研究团队针对胰腺癌(PC)术后早期复发(ER)这一临床难题，创新性地构建了基于增强CT的深度学习放射组学模型。通过整合Inte-SVM特征评分、CT淋巴结状态和CA19-9等指标，开发出预测效能卓越的列线图(AUC=0.920)，为个体化术后管理提供重要决策工具。

　　

胰腺癌(PC)患者即使接受根治性手术，早期复发(ER)仍是影响长期生存的主要障碍。这项多中心研究对493例经病理确诊的胰腺癌切除术患者进行回顾性分析，研究人员巧妙地将增强CT影像的放射组学特征与深度学习技术相结合，运用随机森林(RF)和支持向量机(SVM)等四种特征筛选算法构建预测模型。

研究亮点在于开发的Inte-SVM模型展现出最优分类性能，特别是整合了深度学习提取的Inte-feature评分、CT评估的淋巴结状态和肿瘤标志物CA19-9的复合列线图，在验证队列中取得0.920的曲线下面积(AUC)。校准曲线证实预测结果与实际观察高度吻合，决策曲线分析则凸显了该模型的临床转化价值。

这项突破性研究首次实现基于常规CT检查的术前无创预测，犹如为外科医生配备了"复发预警雷达"，不仅有助于制定精准的术后随访方案，更能指导个性化辅助治疗策略的选择，最终改善"癌王"患者的生存预后。