基于对比增强CT的可解释交叉注意力Transformer模型预测肌层浸润性膀胱癌无进展生存期：一项多中心研究

《Abdominal Radiology》：An interpretable contrast-enhanced CT-based cross-attention transformer model for predicting progression-free survival in muscle-invasive bladder cancer: a multicenter study

　　

摘要

背景

肌层浸润性膀胱癌（MIBC）患者通常预后不佳，即使接受根治性膀胱切除术（RC）后也是如此。为了解决这一局限性，我们构建并评估了一个术前深度学习（DL）模型，该模型利用计算机断层扫描（CT）成像，根据术后疾病进展风险对 MIBC 患者进行分层。

方法

对四家机构中接受 RC 的 MIBC 患者数据进行回顾性分析，并分配至训练队列和验证队列。开发了一种双通道信息融合 DL 模型，根据术前 CT 图像预测术后进展风险。随后，通过将临床特征与 DL 衍生评分相结合，创建了一种基于 DL 的临床特征模型。使用一致性指数（C-index）和曲线下面积（AUC）来评估 DL 模型的预测能力，并将其与基于 DL 的临床特征模型、临床模型和 Ki67 模型进行比较。

结果

在 427 例 MIBC 患者的回顾性队列中，DL 评分在验证队列中对疾病进展表现出良好的预测性能（C-index: 0.774; AUC: 0.785），并且总体上显示出比对照模型更高的预测性能。使用最佳阈值，患者队列被分为两个不同的亚组，即高危组和低危组，两组之间观察到进展累积发病率的差异，支持了该模型根据进展风险对患者进行分层的能力。

结论

在 DL 框架中利用术前 CT 成像实现了 MIBC 患者的无进展生存期（PFS）预测和风险分层，对个体化术后监测具有潜在价值。