基于纵向MRI的Delta-Habitat模型用于预测头颈鳞状细胞癌对新辅助化疗免疫治疗的病理完全缓解率

《Cancer Imaging》：Longitudinal MRI-based Delta-Habitat model for predicting pathological complete response to neoadjuvant chemoimmunotherapy in head and neck squamous cell carcinoma

　　

摘要

研究目的

旨在构建并验证一种机器学习模型，该模型整合新辅助化疗免疫疗法（NACI）治疗前后の影像特征，用于预测头颈鳞状细胞癌（HNSCC）患者对NACI的病理完全缓解率（pCR）。

研究方法

本研究为多中心回顾性研究，共纳入520名在三家医院接受NACI治疗的HNSCC患者。与传统的Delta-Radiomics方法不同，我们开发了Delta-Habitat模型，该模型整合了NACI治疗前后的MRI空间影像特征，并能动态分析每个时间点对预测任务的贡献。预测性能通过接收者操作特征曲线下面积（AUC）来评估，同时使用SHapley加性解释法来量化各特征对模型预测的贡献。我们还比较了在有和没有Delta-Habitat模型辅助的情况下，资深放射科医生和初级放射科医生的诊断性能。

研究结果

在验证集和两个外部测试组中，Delta-Habitat模型的性能分别优于基于NACI治疗前特征的模型以及传统的Delta-Rad模型，其AUC值分别为0.828、0.825和0.813。治疗后中性粒细胞与淋巴细胞比值被确定为pCR的独立预测因子。将Delta-Radiomics特征与临床特征结合到Delta-Habitat模型中并未显著提升预测性能，但该组合模型的AUC值略高于单独使用Delta-Habitat模型，分别为0.877（训练集）、0.834（验证集）、0.837（测试1组）和0.834（测试2组）。SHAP分析显示，NACI治疗后的特征对模型预测的贡献大于治疗前的特征。在各项对比评估中，Delta-Habitat模型的性能始终优于放射科医生的判断。此外，有Delta-Habitat模型辅助时，资深放射科医生和初级放射科医生的AUC值分别提升了0.073和0.177（内部验证组），以及0.087和0.142（外部测试组）。

结论

这种基于纵向MRI的影像特征模型可为预测HNSCC患者对NACI的治疗反应提供重要信息，同时有助于提升放射科医生的诊断水平。