放射组学与临床特征在预测脑转移复发中的应用

脑转移症影响约20%至40%的癌症患者，常通过放射治疗或射频外科治疗。早期预测治疗后的复发情况可为及时临床干预提供可能，从而改善患者预后。本研究提出一种基于人工智能的方法，用于利用多模态影像和临床数据预测脑转移复发。收集了97例患者的回顾性队列，包括治疗前和首次随访时的CT和MRI影像，以及相关临床变量。图像预处理包括CT窗口处理和伪影消除、MRI增强处理以及多模态CT-MRI配准。应用纳入标准后，53例患者纳入分析。从影像数据中提取放射组学特征，并采用delta放射组学方法刻画治疗前和随访扫描之间的时间性变化。训练和评估了多种机器学习分类器，包括对治疗计划靶标体积与实际剂量体积之间差异的分析。尽管存在样本量不足和类别不平衡的局限性，结果表明放射组学模型（尤其是集成模型）在复发预测方面是可行的，并且提示辐射剂量差异可能与复发风险相关。本工作支持进一步探索基于AI的工具以辅助脑转移管理中的临床决策。