Мультимодальное прогнозирование лучевого поражения височной доли на основе глубокого обучения с использованием анатомической визуализации и пространственного распределения дозы: многоцентровое исследование

Введение: Разработать и валидировать мультимодальную модель глубокого обучения для предлечебного прогнозирования лучевого поражения височной доли (ЛПВД), а также оценить ее воспроизводимость в регионах с высокой и низкой эндемичностью назофарингеальной карциномы. Методы: В это многоцентровое ретроспективное исследование были включены 6847 пациентов с назофарингеальной карциномой из пяти учреждений на юге и севере Китая. Была разработана и валидирована мультимодальная модель глубокого обучения на основе 3D ResNet, объединяющая планировочные КТ-изображения, карты пространственного распределения дозы, дозиметрические переменные и клинические факторы; затем ее оценили на внутренних и нескольких внешних тестовых когортах. Качество модели оценивали по индексу конкордантности и сравнивали с моделями глубокого обучения на урезанных наборах признаков, рисковой моделью на основе дозиомики и традиционными референсными моделями. Интерпретируемость модели изучали с помощью карт активации классов с взвешиванием по градиенту (Grad-CAM). Результаты: Мультимодальная модель глубокого обучения продемонстрировала высокую прогностическую эффективность, достигнув индексов конкордантности 0,817, 0,825, 0,767, 0,901 и 0,815 во внутренней, трех внешних южных и внешней северной тестовых когортах соответственно, и значимо превосходила все модели сравнения (все P < 0,001). При объединении модальностей отмечалось последовательное улучшение качества прогноза, а КТ-изображения повышали эффективность в рамках подхода глубокого обучения, но не в рисковой модели на основе дозиомики. Модель позволяла надежно выделять пациентов с высоким риском ЛПВД. Визуализация Grad-CAM связывала выходные данные модели с пространственными взаимодействиями дозы и ткани, что может помочь в оптимизации плана лучевой терапии. Выводы: Мультимодальное глубокое обучение, объединяющее анатомическую визуализацию, данные о пространственном распределении дозы и клинический контекст, обеспечивает точное и воспроизводимое предлечебное прогнозирование ЛПВД в разных регионах. Пространственно интерпретируемые выходные данные дополнительно поддерживают индивидуализированную стратификацию риска и создают биологически и дозиметрически обоснованную основу для риск-адаптированного планирования лучевой терапии.