宮頸癌是威脅女性健康的重大疾病，對于局部晚期患者，雖然標準的同步放化療能讓約70%的患者獲得無病生存，但仍有近三分之一面臨復發轉移風險。為提高治療成功率，臨床開始探索強化治療策略，但這些方案在改善生存的同時也帶來更高的毒性和費用負擔。因此，如何在治療前精準識別出真正需要強化治療的高風險患者，既確保他們獲得最佳療效，又避免低風險患者承受不必要負擔，成為當前臨床亟待解決的問題。
近日，中國科學院深圳先進技術研究院醫工所副研究員梁曉坤團隊，聯合了北京協和醫院、空軍軍醫大學西京醫院、大連醫科大學第二附屬醫院多家頂尖醫院，成功開發出一種“智能工具”——CerviPro多模態放療預后預測模型。該模型精準識別高風險患者和低風險患者，并給出治療建議，幫助醫生更精準地決策。相關研究成果發表于《npj數字醫學》。
研究團隊提出了一種融合放療前后CT基礎模型特征、影像組學特征與臨床信息的多模態深度學習預后預測方法。該方法首先采用基于深度學習的自動分割技術精準提取腫瘤區域，隨后利用預訓練CT基礎模型提取高維深度特征，并通過主成分分析降維和特征篩選技術，實現多源異構數據的智能融合。
為確保模型的臨床實用性，研究團隊聯合北京協和醫院、空軍軍醫大學西京醫院、大連醫科大學第二附屬醫院，共同收集了1018例宮頸癌患者的多模臨床數據。通過多中心驗證設計，該模型不僅在單一醫院表現優異，還能適應不同醫院的實際臨床環境。研究團隊提出的CerviPro模型的結果表現超越傳統Cox模型和DeepSurv模型，體現了整合不同數據源的協同價值，為臨床醫生精準識別高危患者、制定個體化治療策略提供了可靠的智能決策工具。
據介紹，研究團隊未來還將把CT基礎模型繼續擴展到更多臨床中心，并融合更多類型的影像信息與生物標志物，以持續提升模型的預測精度，為患者制定更精準的個體化放療方案，在提高治療效果的同時，兼顧生活質量。