基于核磁共振成像的NK/T细胞淋巴瘤人工智能预后模型
蔡清清1 , 李超峰1 , 王亮10 , 谢传淼1 , 张宇辰1 , 邓一术1,2 , 邹琪华1 , 经秉中2 , 蔡培强1 , 田小朋1 , 曹益1 , 杨瑜3 , 李炳宗4 , 刘芳5 , 李志花6 , 刘再毅7 , 冯仕庭8 , 彭挺生8 , 董玉君9 , 王新艳10 , 阮广英1 , 何韵1 , 黄慧强1 , 梁洋1
1. 中山大学肿瘤防治中心，华南肿瘤学国家重点实验室，肿瘤医学协同创新中心
2. 中山大学电子与信息工程学院（微电子学院）
3. 福建省肿瘤医院
4. 苏州大学附属第二医院
5. 佛山市第一人民医院
6. 中山大学孙逸仙纪念医院
7. 广东省人民医院
8. 中山大学附属第一医院
9. 北京大学第一医院
10. 首都医科大学附属北京同仁医院
NK/T细胞淋巴瘤（NKTCL）是我国常见的非霍奇金淋巴瘤亚型，其预后预测系统仍需进一步被优化。鼻咽部核磁共振成像（MRI）是NKTCL的常规治疗前检查，其图像数据尚未被充分利用，而人工智能（AI）具备分辨像素级别细微图像差异的能力。本研究旨在通过AI方法建立NKTCL的预后模型。
本研究为多中心、回顾性队列研究，共纳入288例病理诊断为NKTCL、且可获得治疗前鼻咽部MRI的患者，被分为训练集（n=134）、内部验证集（n=58）和外部验证集（n=96）。我们使用了增强的T1加权MRI图像来建立预后系统，进一步提取、筛选影像学特征，并将其输入随机生存森林（RSF）模型中，基于无进展生存期（PFS）获得“MRI评分”。随后，通过联合“MRI评分”和患者基线特征获得“总评分”。在独立数据集中验证预后系统的性能，通过时间依赖性曲线下面积（AUC）和一致性指数（C-index）与临床上使用的多种预后模型进行比较。
本研究建立的“总评分”预后模型具有良好的预后预测能力。在内部和外部验证集中，对PFS的3年时间依赖性AUC分别为0.863和0.774，对总生存期（OS）的3年时间依赖性AUC分别为0.830和0.776。在内部和外部验证集中，“总评分”的AUC显著高于IPI、KPI和PINK（p值均<0.05）。在外部验证集中，“总评分”的C-index在PFS预测方面要显著高于IPI、KPI和PINK（“总评分”:0.774对比 IPI:0.617，p=0.010；对比KPI :0.678，p=0.027；对比PINK:0.649，p=0.014）。然而，在内部验证集中，“总评分”虽数值上优于IPI、PINK，但无统计学意义（与IPI：p=0.071；与PINK：p=0.051）。
AI系统在NKTCL的预后预测中展现出理想的效果，并可能作为现在临床预后评分系统的补充。
