51龙凤茶楼论坛网址_快活林凤楼品茶论坛_一品楼九品论坛_全国茶楼信息网

宫颈癌是威胁女性健康的重大疾病，全球每年新增病例约66万例。对于局部晚期患者，虽然标准的同步放化疗能让约70%的患者获得无病生存，但仍有近三分之一面临复发转移风险。为提高治疗成功率，临床开始探索强化治疗策略，但这些方案在改善生存的同时也带来更高的毒性和费用负担。关键问题在于：并非所有患者都需要强化治疗，低风险患者用标准治疗已足够，而高风险患者则迫切需要更积极的干预。因此，如何在治疗前精准识别出真正需要强化治疗的高风险患者，既确保他们获得最佳疗效，又避免低风险患者承受不必要负担，成为当前临床亟待解决的核心问题。

近日，中国科学院深圳先进技术研究院（深圳先进院）医工所梁晓坤副研究员团队，联合了北京协和医院、空军军医大学西京医院、大连医科大学第二附属医院多家顶尖医院，成功开发出一种智能工具——CerviPro多模态放疗预后预测模型。该模型能够精准告诉医生：患者属于高风险群体，需加大治疗力度；还是低风险群体，可考虑简化治疗方案等信息。相关成果以"Multimodal Deep Learning Model for Prognostic Prediction in Cervical Cancer Receiving Definitive Radiotherapy: A Multi-Center Study"为题（图1），发表于国际权威期刊npj Digital Medicine（IF: 15.1）。

结合时序CT基础模型特征的多模生存分析方法

研究团队提出了一种融合放疗前后CT基础模型特征、影像组学特征与临床信息的多模态深度学习预后预测方法（图2）。该方法首先采用基于深度学习的自动分割技术精准提取肿瘤区域，随后利用预训练CT基础模型提取高维深度特征，并通过主成分分析降维和特征筛选技术，实现多源异构数据的智能融合。

医工融合，多中心验证

为确保模型的临床实用性，研究团队联合北京协和医院、空军军医大学西京医院、大连医科大学第二附属医院，共同收集了1018例宫颈癌患者的多模临床数据（图3）。通过多中心验证设计，验证了模型不仅在单一医院表现优异，还能适应不同医院的实际临床环境。提出的CerviPro模型的结果表现超越传统Cox模型和DeepSurv模型，体现了整合不同数据源的协同价值，为临床医生精准识别高?；颊?、制定个体化治疗策略提供了可靠的智能决策工具（图4）。

深圳先进院硕士研究生杨光为共同第一作者，北京协和医院侯晓荣教授、胡克教授以及深圳先进院梁晓坤副研究员为共同通讯作者。研究工作得到了空军军医大学西京医院和大连医科大学第二附属医院的大力支持。

未来，研究团队将把CT基础模型继续扩展到更多临床中心，并融合更多类型的影像信息与生物标志物，以持续提升模型的预测精度，为患者制定更精准的个体化放疗方案，在提高治疗效果的同时，兼顾生活质量。

论文链接

图1：文章上线截图

图2: CerviPro模型整合多模态特征进行生存预测的流程

图3：模型在放疗患者中预测无病生存期的构建与多中心验证过程

图4：模型结果