喉癌和下咽癌是頭頸部常見的惡性腫瘤，全球每年新發(fā)病例超25萬，死亡病例逾13萬。頸淋巴結轉移及淋巴結包膜外侵犯（ene）是影響患者預后的關鍵因素，ene陽性患者的5年生存率顯著低于陰性患者。

然而，當前通過術前ct影像對ene的人工判讀，其精確度、可靠性及一致性均有局限，長期以來缺乏精準的術前診斷工具，給治療方案制定帶來巨大挑戰(zhàn)。

近日，復旦大學附屬中山醫(yī)院黃新生、沈納團隊聯(lián)合阿里達摩院等多家單位完成一項名為《應用深度學習技術在治療前ct影像中識別喉癌、下咽癌淋巴結包膜外侵犯》（pretreatment ct identification of extranodal extension in laryngeal and hypopharyngeal cancers using deep learning）的研究成果，在國際頂級醫(yī)學影像雜志《radiology》上發(fā)表。

該研究為回顧性多中心研究，納入復旦大學附屬中山醫(yī)院耳鼻咽喉頭頸外科的喉癌、下咽癌患者，構建訓練集、驗證集和內部測試集，并收集三家外部機構的患者隊列作為外部測試集，同時納入口腔鱗癌患者隊列驗證模型泛化性。研究共評估289例喉癌、下咽癌患者的1954枚經病理證實的淋巴結，以及32例口腔鱗癌患者的409枚淋巴結。成功研發(fā)并驗證了一款名為deepene的深度學習診斷工具，實現(xiàn)了術前 ct 掃描中喉癌、下咽癌患者轉移性淋巴結及ene的精準檢測，診斷性能顯著優(yōu)于資深臨床專家。

圖1. deepene整體研究框架和流程

deepene采用創(chuàng)新的雙流2.5 d多尺度深度特征融合和聯(lián)合優(yōu)化網絡，能有效融合淋巴結的局部和全局特征，精準區(qū)分良性淋巴結、轉移性淋巴結和轉移性ene淋巴結。在內部測試集中，該工具診斷ene的roc曲線下面積（auc）達0.93；在三個外部喉癌、下咽癌測試集中，auc分別達到0.96、0.87和0.90，整體表現(xiàn)穩(wěn)定優(yōu)異。與五位頭頸部影像專家（包括放射科醫(yī)生、放療科醫(yī)生和核醫(yī)學醫(yī)生）相比，deepene展現(xiàn)出壓倒性優(yōu)勢：在外部測試集1中，其敏感性高達97%（專家平均 77%）；在早期ene占比高、診斷難度大的外部測試集2中，auc達0.87（專家平均 0.66），敏感性 78%（專家平均36%）；在外部測試集3中，敏感性80%（專家平均 46%），且特異性保持在90%的較高水平。即使在淋巴結轉移區(qū)域不同的口腔鱗癌患者中，deepene仍保持良好性能，ene診斷roc auc達0.82。

圖2. deepene 和醫(yī)生讀片對ene的分類性能

ene的術前精準診斷對治療決策至關重要，新版ajcc指南已將ene陽性列為n3b期，直接影響治療方案選擇。deepene的出現(xiàn)，有效解決了傳統(tǒng)人工判讀的諸多痛點，有望協(xié)助臨床醫(yī)生對ene淋巴結進行術前精準診斷。該工具的臨床應用將為喉癌、下咽癌患者帶來多重獲益：術前精準識別ene狀態(tài)，可幫助醫(yī)生制定個性化治療方案；同時，精準的ene分層也能優(yōu)化臨床研究設計，助力針對性治療策略的研發(fā)。研究團隊表示，未來將進一步推進該模型的臨床轉化，將其整合到現(xiàn)有臨床工作流程中，開展前瞻性研究驗證其在真實世界臨床決策中的價值。

本研究由復旦大學附屬中山醫(yī)院耳鼻咽喉頭頸外科沈納副主任醫(yī)師、阿里達摩院高級算法專家王一睿為共同第一作者，復旦大學附屬中山醫(yī)院耳鼻咽喉頭頸外科黃新生主任醫(yī)師為通訊作者，復旦大學附屬眼耳鼻喉科醫(yī)院放射科張放副主任醫(yī)師、阿里達摩院資深算法專家金達開博士為共同資深作者。研究得到了復旦大學醫(yī)工交叉項目、復旦大學科學智能專項基金、上海市自然科學基金等項目的資助。

上觀號作者：復旦大學附屬中山醫(yī)院