前列腺放疗晚期毒性临床与剂量学特征的探索性机器学习评估

《Clinical and Translational Radiation Oncology》:Exploratory machine-learning evaluation of clinical and dosimetric features in late prostate radiotherapy toxicity

【字体: 大 中 小 】 时间:2026年10月17日 来源:Clinical and Translational Radiation Oncology 3.6

编辑推荐:

  临床和剂量学变量对前列腺放疗后晚期毒性恶化的区分能力有限。胃肠道(GI)模型显示出有限但高于偶然水平的预测性能,并通过结局标签置换检验得到支持。直肠等效均匀剂量(EUD)是各模型中预测晚期GI毒性最一致和最稳定的贡献因素。泌尿生殖(GU)模型未显示出超出偶然水

  
临床和剂量学变量对前列腺放疗后晚期毒性恶化的区分能力有限。胃肠道(GI)模型显示出有限但高于偶然水平的预测性能,并通过结局标签置换检验得到支持。直肠等效均匀剂量(EUD)是各模型中预测晚期GI毒性最一致和最稳定的贡献因素。泌尿生殖(GU)模型未显示出超出偶然水平的区分能力,且特征重要性的变异性更大。重复嵌套交叉验证和折叠外SHAP分析提供了对预测性能和特征稳定性的稳健评估。
**研究背景与问题**

前列腺癌是全球男性最常见的恶性肿瘤之一,每年新发病例约140万例,在爱尔兰男性侵袭性癌症中占比超过30%。放射治疗是局限性和局部晚期前列腺癌的根治性且具有成本效益的治疗手段,约半数癌症患者在治疗过程中需要接受放疗。尽管容积旋转调频放疗(VMAT)和图像引导放疗(IGRT)等先进技术改善了剂量适形性和危及器官(OAR)保护,但晚期泌尿生殖(GU)和胃肠道(GI)毒性仍是影响患者长期生活质量的重要治疗相关并发症。辐射毒性受辐射剂量、患者特征及合并症等多因素交互影响。正常组织并发症概率(NTCP)模型虽提供了剂量-反应关系的有价值见解,但通常仅基于剂量学信息,难以充分解释患者特异性临床变异。机器学习(ML)方法能够建模临床与剂量学变量间的复杂非线性关系,但其临床可用性需经过严格验证。同时,可解释性对于临床采纳至关重要,SHapley Additive exPlanations (SHAP)可揭示各变量对模型预测的贡献。然而,特征重要性必须与稳健的模型验证相结合,否则从差效模型中得出的解释可能无法反映可复现的临床关联。因此,本研究在REQUITE前列腺癌前瞻性多中心观察性队列中,评估可解释的机器学习模型预测晚期GU和GI毒性的能力,并探索临床及剂量学特征的稳定贡献。

**研究开展与结论**

研究人员利用REQUITE队列中229例接受外照射放疗(EBRT)的前列腺癌患者数据。毒性采用不良事件通用术语标准(CTCAE)4.0版评估,治疗相关毒性定义为相对于基线评分增加≥1级的症状(即G1+),以排除基线已有症状的干扰。主要终点为放疗后至少12个月出现的晚期GI和GU毒性。候选预测因子依据既往证据和临床相关性预先设定,包括年龄、身体质量指数(BMI)、计划靶区体积(PTV)、糖尿病、既往腹部手术、盆腔淋巴结放疗、经尿道膀胱切除(TUR)和经尿道前列腺切除(TURP)等临床特征,以及直肠和膀胱等效均匀剂量(EUD)等剂量学指标。研究采用三种监督学习算法:L1正则化逻辑回归、弹性网络逻辑回归和极端梯度提升(XGBoost)。模型开发与评估采用重复嵌套分层交叉验证,外层5折重复5次,内层通过交叉验证优化超参数,确保训练与评估严格分离。性能评估基于折叠外(OOF)预测,以受试者工作特征曲线下面积(ROC-AUC)为主要判别指标,并通过2000次患者级bootstrap重采样估计95%置信区间。结局标签置换检验(1000次)用于评估预测性能是否高于偶然水平。SHAP分析在每次外层验证的未见过测试集上计算,用于解释模型行为并评估特征贡献的稳定性。

**主要结果**

*3.1 队列与毒性结局*

研究共纳入229例患者,其中107例(46.7%)出现晚期G1+ GI毒性,126例(55%)出现晚期G1+ GU毒性。

*3.2 模型性能*

对于GI终点,L1正则化逻辑回归、弹性网络和XGBoost的平均OOF ROC-AUC分别为0.573、0.571和0.587,显示出有限但高于偶然水平的预测性能。敏感性范围为0.628–0.658,特异性范围为0.487–0.518。对于GU终点,三个模型的ROC-AUC分别为0.465、0.455和0.466,均低于0.5,且敏感性(0.402–0.579)和特异性(0.390–0.551)表现出较差的判别能力。这些结果表明,常规临床和剂量学变量对晚期GU毒性几乎无预测价值。

*3.3 模型解释*

OOF SHAP分析显示,在GI模型中,直肠EUD是各模型排名最高的预测因子,且具有最大的SHAP贡献,较高的直肠EUD值通常导致预测的GI毒性概率增加。既往腹部手术在惩罚回归模型中也具有持续的重要贡献,尤其在L1和弹性网络模型中。年龄、BMI和PTV体积的贡献较小且因模型而异。在GU模型中,膀胱EUD、PTV体积、BMI和年龄表现出较突出的贡献,但相对重要性在不同模型间变异较大,而放疗前TURP和膀胱TUR的贡献相对有限。

*3.4 特征排序*

在跨交叉验证重复中,直肠EUD在所有GI模型中均排名第一,且在所有重复中保持稳定,显示出最强的可复现性。既往腹部手术在惩罚回归模型中持续高排名,PTV体积在XGBoost模型中稳定位于前三。GU特征排序更依赖于模型选择,但膀胱EUD在所有模型中显示出相对一致的重复间重要性。这一稳定性分析为识别可靠的特征贡献提供了依据。

*3.5 结局置换分析*

结局标签置换检验支持GI模型具有微弱的预测信号,L1、弹性网络和XGBoost的p值分别为0.036、0.047和0.022,表明其判别性能显著高于偶然。相反,GU模型的p值范围为0.150–0.412,未显示出超越偶然的判别证据,尽管多个模型的观察ROC-AUC低于0.5,但其反向判别并未在统计学上显著异于偶然。

**讨论与结论**

本研究显示,常规可获得的临床和全器官剂量学变量对晚期GI和GU毒性的区分能力有限,这与该领域公认的多因素和生物学异质性特征一致。GI模型中直肠EUD的稳定贡献与已知的直肠照射-晚期并发症关系相符,而既往腹部手术的次要贡献也支持手术史对毒性风险的影响。GU模型的不一致表现可能源于全膀胱EUD无法充分代表膀胱颈、尿道等更为相关的亚结构剂量暴露。研究强调,SHAP解释的是模型预测行为而非因果关联,特征重要性需结合模型验证结果进行解读。局限性包括样本量相对较小(229例)、G1+终点可能包含轻度症状、剂量学基于计划剂量而非实际投照剂量,以及验证仅基于内部数据。研究的结论为:常规可获得的临床和全器官剂量学变量对前列腺放疗后晚期GI和GU毒性的预测区分能力有限;直肠EUD对GI毒性预测表现出最清晰且最稳定的贡献,而GU特征重要性变异较大。这些发现表明,仅凭常规临床和剂量学信息不足以完全捕捉晚期毒性的个体差异,未来应进一步探索亚结构剂量学与患者特异性生物标志物(如基因组、脂质组学和代谢组学)的整合,以期改善放疗毒性预测模型的临床效用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号