用于颅咽管瘤伽马刀放射手术的双AI模型：处方剂量建模与治疗结果风险预测

《Journal of Neuro-Oncology》：Dual AI models for gamma knife radiosurgery in craniopharyngioma: prescription dose modeling and outcome risk prediction

　　

摘要

背景

伽玛刀放射外科手术是治疗残留或复发的颅咽管瘤的常用辅助方法，但目前剂量选择仍依赖医生经验，且难以针对个体评估长期复发风险。机器学习有望帮助实现更一致的规划以及基于风险的有效随访。

目的

开发两种互补的AI模型用于颅咽管瘤的伽玛刀放射外科治疗：（1）预测推荐剂量；（2）预测治疗后肿瘤进展的风险。

方法

在这项回顾性单中心研究中，我们利用随机森林回归模型，根据基线临床数据和肿瘤特征来预测实际给予的单次剂量；同时使用随机森林分类模型，结合基线特征和实际剂量来估算肿瘤进展的概率。内部验证通过交叉验证，并采用区分度和校准指标进行评估。

结果

共分析了72例接受治疗的肿瘤。剂量预测的误差在临床范围内，平均绝对误差为1.30 Gy，均方根误差为1.65 Gy（R2为0.21），说明该模型在大多数情况下的预测值与医生制定的剂量相差在1–2 Gy左右。在风险预测方面，模型的ROC-AUC值为0.75，PR-AUC值为0.582，且校准情况良好（布里尔值为0.112，重新校准斜率为0.86，截距为0.096）。这两个模型可同时给出预期剂量及个体化的长期肿瘤进展风险，有助于超越单纯依据剂量的风险分层。

结论

针对颅咽管瘤伽玛刀放射外科治疗的双模型AI框架是可行的，它不仅能提供剂量估算，还能实现个体化的长期复发风险预测，有望规范剂量制定并调整相应的监测强度。

临床试验编号

不适用