基于自适应剂量门控多模态架构的非小细胞肺癌放射性肺炎预测

《Applied Sciences》:RP-Fuse: Development of an Adaptive Dose-Gated Multimodal Model for Predicting Radiation Pneumonitis in Non-Small Cell Lung Cancer

【字体: 大 中 小 】 时间:2026年10月24日 来源:Applied Sciences 2.5

编辑推荐:

   摘要 预测非小细胞肺癌(NSCLC)患者的放射性肺炎(RP)仍具有挑战性,原因在于剂量-组织相互作用复杂。传统的剂量-体积直方图(DVH)虽被广泛使用,但无法捕捉空间剂量分布。相比之下,将3D深度学习直接应用于原始扫描图像容易导致过拟合,尤其是在小型单中心数据集上更为明显。

  摘要预测非小细胞肺癌(NSCLC)患者的放射性肺炎(RP)仍具有挑战性,原因在于剂量-组织相互作用复杂。传统的剂量-体积直方图(DVH)虽被广泛使用,但无法捕捉空间剂量分布。相比之下,将3D深度学习直接应用于原始扫描图像容易导致过拟合,尤其是在小型单中心数据集上更为明显。我们提出了RP-Fuse,这是一种多模态架构,具备自适应剂量门控机制,能够从3D剂量图中学习连续的剂量-响应曲线,并利用该曲线对来自计算机断层扫描(CT)编码器的空间特征进行加权。独立的专家网络分别处理临床记录、剂量学参数以及一组正电子发射断层扫描(PET)摄取比。一个注意力层仅使用这些专家网络的折外(OOF)预测结果对其进行组合。RP-Fuse在一项包含87名NSCLC患者的回顾性队列中进行开发与内部验证(其中30名患者在六个月内发展为≥2级RP),采用嵌套交叉验证。我们的结果表明,整合基于剂量的先验信息有助于在小型队列中从原始影像学习空间特征。仅使用CT和剂量体积,自适应门控将受试者工作特征曲线下面积(AUC)从0.550提高至0.704。我们最终的架构记录到AUC为0.822(95%置信区间[CI] 0.74–0.91),Brier技能得分为正值。在相同评估方案下,这些数值在十五个重新实现的参考模型中为最高值;与最强的表格模型相比,AUC优势为特定差值(95% CI 某值至某值)。单独来看,标量配置和剂量门控配置获得了相同的合并AUC值0.781。将两者取平均产生了适度增益(+0.041 AUC,95% CI 某值至某值),因为其预测在不同患者之间表现出互补的错误模式。鉴于队列规模相对较小且92%的参与者为男性,RP-Fuse框架应被视为探索性的概念验证。
相关新闻
生物通微信公众号
微信
新浪微博

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