基于纵向内镜的直肠癌复发预测

临床试验表明，对表现为临床反应（CR）的直肠癌患者实施观望-and-wait（WW）监护可获益。然而，目前缺乏客观准确的方法来早期检测正在进行 WW 的患者随访期间的局部肿瘤复发（LR）。因此，我们开发了 Temporal Rectal Endoscopy Cross-attention（TREX），这是一种纵向深度学习方法，通过结合在复发后（restaging）和随访期间获取的图像对来区分 CR 与 LR。TREX 使用在预训练的 Swin Transformer 设置下以 siamese 方式提取纵向图像特征，并通过双交叉注意力在图像对之间无空间共配准的情况下组合特征。我们在两种设置下训练了 TREX 和基于 Swin 的基线模型：(a) 在最后一次可用随访时检测 LR 或 CR；(b) 在临床确认前 3--6 个月、6--12 个月和 12--24 个月早期检测 LR。TREX 在检测 LR 时实现了最高的准确率，灵敏度为 $97\% \pm 6\%$，平衡准确率为 $90\% \pm 3\%$，并在 3--6（$74\% \pm 1\%$）和 6--12 个月（$62\% \pm 4\%$）的早期检测中超越了所有基线模型。临床验证通过外科医生调查显示，TREX 匹配到医级整体准确率（TREX: 86.21% vs. 医师: 87.84% $\pm$ 1.28%）。最后，我们探索了 TREX 预测治疗反应的能力，通过结合治疗前（pre-TNT）和复发后的内镜，实现平衡准确率为 $73\% \pm 12\%$。这些结果表明，纵向深度学习分析内镜可提高监护并实现直肠癌复发的更早识别。