《Frontiers in Oncology》：Ovarian dose prediction after ovarian transposition in cervical cancer: comparing three models and the impact of geometric distance on predictive performance
编辑推荐：
目的：比较三种模型在宫颈癌患者卵巢移位术后平均卵巢剂量预测中的表现，并识别影响预测可靠性的几何因素。
方法：研究人员分析了来自51例患者的100个卵巢，使用三种模型：对数线性模型（剂量与距离的关系）、整合多种几何特征的随机森林（Random Forest,
目的：比较三种模型在宫颈癌患者卵巢移位术后平均卵巢剂量预测中的表现，并识别影响预测可靠性的几何因素。
方法：研究人员分析了来自51例患者的100个卵巢，使用三种模型：对数线性模型（剂量与距离的关系）、整合多种几何特征的随机森林（Random Forest, RF），以及用于体素级剂量预测的3D U-Net。采用基于患者分层的5折交叉验证进行模型验证。准确性通过平均绝对误差（Mean Absolute Error, MAE）、中位绝对误差（Median Absolute Error, MedAE）、均方根误差、耐受率及Bland-Altman分析进行评估。滑动窗口残差标准差曲线用于确定预测不确定性增加的距离阈值，并据此进行亚组分析。
结果：RF取得了最低的MAE（0.803 Gy）和MedAE（0.365 Gy），其次为对数线性模型（MAE：0.886 Gy）和3D U-Net（MAE：0.890 Gy）。对数线性模型显示出最窄的一致性界限，提示其稳定性更佳。在±0.5 Gy耐受水平下，RF在本队列中的表现显著优于对数线性模型（59% vs. 41%，p < 0.05）。识别出17.1 mm为转折点。在正常几何亚组（距离≥17 mm，n=71）中，RF的准确性和一致性最高（MAE：0.390 Gy，95% LoA：–0.97至0.98 Gy）。在困难几何亚组（距离<17 mm，n=29）中，所有模型的误差均显著增大（MAE >1.8 Gy）。对于高风险分类（剂量>6 Gy），RF的AUC为0.956。
结论：在有限数据条件下，3D U-Net表现欠佳，而RF以最低MAE提供了一种实用的替代方案；对数线性模型显示出最窄的LoA，提示稳定性更佳。当距离低于17 mm时，所有模型的预测性能均显著下降，此时应优先考虑人工计划。该阈值可作为性能下降的预警指标，但临床应用前需进行外部验证。
论文解读：宫颈癌卵巢移位术后卵巢剂量预测的三种模型比较与几何距离影响
宫颈癌是女性生殖系统最常见的恶性肿瘤之一。随着治疗手段的进步，年轻患者的长期生存率显著提高，因此卵巢功能保护成为重要的治疗考量。盆腔放疗是术后辅助治疗的关键手段，但不可避免地会使卵巢受到辐射，导致卵巢早衰、不孕及内分泌紊乱。为减轻这种损伤，临床上常采用卵巢移位术将卵巢移至盆腔外高位，使其远离高剂量靶区。然而即使经过移位，卵巢仍可能受到不可忽略的剂量。既往研究提示，卵巢与计划靶区（Planning Target Volume, PTV）之间的距离、空间关系、射野配置及优化目标等因素均会影响实际受照剂量。已有研究报道，相当比例患者在卵巢移位后卵巢剂量仍超过功能保留阈值，例如仅有16.1%的移位卵巢平均剂量低于6 Gy。因此，在治疗计划制定前准确预测卵巢剂量，有助于早期识别高风险患者、指导个体化计划设计，并为患者提供卵巢损伤风险咨询。
现有研究主要集中于描述几何参数与卵巢剂量的相关性，例如Lv等（2019）建议卵巢至少置于髂嵴上方1.12 cm处以获得较低剂量；Yoshihiro等（2018）报道卵巢-PTV最短距离与平均剂量之间的相关系数为0.81–0.86；Gay等（2022）发现卵巢至骶骨岬的头尾向距离与平均剂量呈强负相关。但这些研究均未建立可推广的预测模型。另一方面，深度学习模型虽在三维剂量预测中表现强大，但通常需要大规模训练数据、计算资源密集、可解释性差，并且针对移位卵巢的剂量预测尚无系统评价。此外，卵巢保护阈值约为5–6 Gy，仅相当于盆腔处方剂量（45–50 Gy）的10%左右，与文献中报告的子Gy到数Gy的预测误差处于同一量级，因此即使很小的绝对误差也可能导致较大的相对误差，增加了预测难度。在有限临床数据条件下，简单回归模型和基于特征的机器学习模型可能更具优势，但其准确性和稳定性需要系统评估。
为此，研究人员利用单中心有限临床数据集，构建并比较了三种用于计划前平均卵巢剂量预测的模型：基于距离的对数线性模型（Log）、基于多几何特征的随机森林（RF），以及可输出完整三维剂量分布的3D U-Net。该回顾性研究纳入2015年1月至2020年12月期间51例接受卵巢移位术后盆腔辅助放疗的宫颈癌患者，共100个卵巢。所有患者均接受容积旋转调强放疗（Volumetric Modulated Arc Therapy, VMAT），处方剂量为45 Gy/25次。研究人员从治疗计划系统中导出CT图像、结构文件（RTSTRUCTURE）和剂量文件（RTDOSE），并通过内部Python脚本提取四个原始几何特征：卵巢与PTV的最短距离、卵巢体积、卵巢至体表最短距离、卵巢与PTV质心距离。此外，计算了有效重叠指数（Effective Overlap Index, EOI），用以量化卵巢与PTV在射野投影和轴位方向上的空间重叠程度。在此基础上构建衍生特征，并基于Spearman相关性和物理可解释性筛选特征。三种模型分别为：以卵巢-PTV距离自然对数为自变量的对数线性模型；使用EOI、距离对数、深度-体积交互项和距离-体积比四个特征的随机森林；以及以CT图像和10个感兴趣区域（ROI）掩膜为输入、输出三维剂量分布的3D U-Net。所有模型均采用基于患者分层的5折交叉验证评估，使用MAE、MedAE、RMSE、耐受率、Bland-Altman 95%一致性界限（LoA）和AUC等指标比较性能，并通过滑动窗口残差标准差曲线确定预测不确定性增大的距离阈值。
研究结果分为以下几个方面。
总体预测性能：在所有模型中，RF取得了最低的MAE（0.803 Gy）和MedAE（0.365 Gy），其次为Log模型（MAE：0.886 Gy，MedAE：0.583 Gy）和3D U-Net（MAE：0.890 Gy，MedAE：0.371 Gy）。Log模型的RMSE最小（1.474 Gy），提示其预测稳定性最好；3D U-Net的RMSE最大（2.114 Gy），表明偶尔存在较大误差。Friedman检验显示三种模型总体差异具有统计学意义（χ2=7.02，p=0.030）；经Bonferroni校正的Wilcoxon符号秩检验显示，RF的MAE显著低于Log模型（p=0.026），而RF与U-Net、Log与U-Net之间无显著差异。
临床耐受性分析：在±0.5 Gy严格耐受水平下，RF的准确率（59%）显著高于Log模型（41%），95%引导置信区间为[0.07, 0.30]；在±1.0 Gy时，RF仍具有最高准确率（86%），但与Log模型的差异未达统计学意义；在±2.0 Gy时，三种模型的准确率均超过90%。
几何距离对预测性能的影响：残差-距离图显示，当卵巢-PTV距离超过约17 mm时，残差趋近于零且离散程度趋于稳定；当距离低于10 mm时，残差急剧增大。将转折点约17.1 mm取整为17 mm后，将数据分为困难几何亚组（<17 mm，29个卵巢）和正常几何亚组（≥17 mm，71个卵巢）。在正常几何亚组中，RF取得最低MAE（0.390 Gy），显著低于Log模型（0.501 Gy，p=0.013），并具有最窄的95% LoA（[–0.97, 0.98] Gy），说明其准确性和个体一致性最佳。在困难几何亚组中，所有模型的MAE均升高至1.8–1.9 Gy，LoA扩大到±5至±8 Gy，预测结果不可靠。采用10 mm阈值进行敏感性分析得到一致结论。
系统偏差与一致性：Bland-Altman分析显示，Log和RF的平均偏倚均为–0.07 Gy，U-Net为–0.24 Gy，均无统计学意义。Log模型具有最窄的总体95% LoA（[–2.97, 2.84] Gy），其次为RF（[–3.54, 3.39] Gy）和U-Net（[–4.38, 3.90] Gy）。
高风险患者识别：以真实剂量>6 Gy作为高风险分类标准，RF在整体队列中取得最高AUC（0.956），Log为0.943，U-Net为0.936。RF的敏感度为81.8%，特异度为94.4%。在困难几何亚组中，三种模型的AUC降至0.72–0.78，判别能力中等。
特征重要性：RF的置换重要性分析显示，EOI和距离自然对数是最重要的两个预测因子。偏依赖图表明，预测剂量随EOI增大而增加，当EOI超过约0.5后上升更为陡峭；预测剂量随距离对数增加而近似线性下降。Spearman相关分析也确认距离和EOI与平均卵巢剂量强相关。
讨论部分指出，距离和EOI是关键几何预测因子，其中EOI的重要性甚至超过距离，这可能与VMAT多弧照射下投影重叠角度对积分剂量的贡献有关。与Yoshihiro等提出的线性模型相比，本研究纳入的距离范围更宽（1.4–61.2 mm），对数线性模型在近靶区（<20 mm）具有更好的拟合能力。RF在MAE和MedAE上优于Log模型，部分原因在于其利用了EOI这一距离无法捕捉的空间信息。3D U-Net虽然提供了完整三维剂量分布和DVH数据，但在此小样本场景下，其点估计准确性未能超越RF。这可能是由于深度学习模型固有的数据饥饿特性，以及用高维模型预测低维平均剂量这一任务设置引入了大量无关体素的噪声。17 mm阈值与基于处方剂量45 Gy和约2 Gy/mm剂量梯度的物理估算值（约20 mm）相近，提示该转折点可能反映潜在的物理约束而非单纯统计假象。然而，本研究存在单中心、样本量小、缺乏独立外部验证集等局限，报告的性能指标可能略有乐观，17 mm阈值在不同机构间可能因勾画、计划和剂量学差异而不同。
研究结论为：3D U-Net受限于临床数据量，其表现未优于对数线性模型；RF取得了数值上最低的MAE，可作为实用的替代方案。当卵巢-PTV距离低于17 mm时，所有模型的预测性能均显著下降，此时自动预测不可靠，应优先进行人工计划。该距离阈值可作为性能下降的探索性预警指标，但临床应用前需经过独立外部验证。该研究为宫颈癌患者卵巢移位术后计划前卵巢剂量预测中的模型选择提供了基于证据的指导。论文发表在《Frontiers in Oncology》。
