综述:放射组学在预测和管理放疗后口干症方面的进展:一项系统评价

时间:2026年2月3日
来源:Physica Medica

编辑推荐:

放射学特征与剂量体积关系可有效预测头颈部癌症放疗后口干症,delta放射学结合多模态成像(CT/MRI)的机器学习模型预测性能最优(AUC 0.97)。

广告
   X   

Soheila Sharifian Jazi|Mohammadreza Khademi|Iraj Abedi|Ali Shams|Parinaz Mehnati|Davood Khezerloo
伊朗塔布里兹医科大学医学院医学物理系

摘要

背景

放射组学作为一种有前景的方法,已被用于预测头颈部癌症(HNC)患者在接受放射治疗(RT)后出现的口干症状,这有可能实现更加个性化的治疗策略。

方法

本系统评价遵循PRISMA指南,并在PROSPERO数据库中进行了注册(注册号CRD420251039081)。研究范围涵盖了2010年1月至2025年4月期间的PubMed、Scopus、Web of Science和Cochrane Library等数据库。同时,使用放射组学质量评分(RQS)工具对纳入的研究进行了质量评估。

结果

本系统评价共纳入了32项符合条件的研究,涉及4,167名HNC患者。研究的RQS评分范围为7至33分(满分36分),平均分为15.13分(42.0%)。观察到辐射剂量与口干严重程度之间存在剂量依赖性关系。某些研究中,当腮腺受到V30 > 50%或V40 > 60%的剂量照射时,50%的患者出现了中度至重度的口干症状(2-3级)。即使超过这些剂量阈值,调强放射治疗(IMRT)仍可能导致中度至重度的口干。此外,下颌下腺也至关重要,尤其是当受到V40 > 60%的剂量照射时。Delta-放射组学指的是分析放射组学特征随时间的变化,通常是在治疗前后进行,以评估组织反应。大多数研究表明,Delta-放射组学的性能优于静态放射组学,尤其是在使用MRI或MVCT的情况下。其中,CT + MRI集成机器学习模型的AUC最高为0.97,Delta-放射组学MRI模型的R2值为0.98。

结论

基于放射组学的模型,特别是那些利用Delta特征和多模态成像的模型,在预测HNC患者的口干症状方面展现出巨大潜力。

引言

头颈部癌症(HNC)是一个全球性的健康问题,根据全球癌症观测站的最新估计,每年约有89万新病例和45万死亡病例[1]。HNC占全球所有癌症诊断和死亡的约4.5%,凸显了其对公共卫生的重大影响[2]。男性患HNC的比例明显高于女性,这一差异主要归因于吸烟、咀嚼槟榔和饮酒等风险因素[3]。在东南亚等地区,HNC是男性中最常见的癌症类型,女性中也较为普遍[4]。在这些地区,口腔癌尤为突出,而在西方人群中则更常见口咽癌和舌癌[5]。
在低收入和中等收入国家,HNC的管理受到社会经济挑战的制约,包括贫困、文盲、晚期就诊、医疗基础设施有限以及早期诊断和治疗的获取受限[6]。这些因素导致发病率和死亡率较高,发展中国家占全球HNC病例的67%和HNC相关死亡的82%[7]。尽管实施了旨在预防、早期发现和改善医疗服务的国家癌症控制计划,但HNC的负担仍在增加,预计特别是在社会经济指数较低的地区,发病率将持续上升[8]。
HNC的治疗方法包括手术、化疗、免疫疗法和放射治疗(RT),可以单独使用或联合使用[9]。其中,RT是治疗的核心手段,通常作为主要治疗方式,或者在手术风险较高或存在并发症时作为替代方案。然而,RT并非没有副作用[10]。最严重的并发症之一是RT引起的口干(RIX),它会显著损害唾液腺功能并降低患者的生活质量[11][12]。RIX会导致一系列问题,包括吞咽和咀嚼困难、言语和味觉障碍、睡眠中断、牙齿快速龋坏以及整体生活质量下降[13]。
尽管放射治疗技术(如调强放射治疗IMRT)取得了进展,并使用了细胞保护剂(如Amifostine),但RIX的预测和管理仍然具有挑战性[14]。这主要是由于患者之间唾液腺对辐射的敏感性存在显著差异,传统的基于剂量-体积参数(平均腮腺剂量)的预测模型无法充分捕捉到这些差异[15]。这些传统模型的预测准确性有限(AUC 0.59–0.64),因为即使接受相似辐射剂量的患者,其RIX的严重程度也可能大不相同[16]。
从诊断角度来看,磁共振成像(MRI)是诊断[17]、分期和监测HNC治疗反应的首选成像技术,因为它具有更高的软组织对比度,能够比计算机断层扫描(CT)更精确地描绘肿瘤边缘[18]。这种高分辨率的解剖和功能信息有助于更好地表征肿瘤,指导放射治疗计划,并在RT过程中提供更好的适应[19]。新兴的放射组学领域通过从医学图像中提取大量定量数据(这些数据肉眼不可见)进一步增强了MRI的价值[20]。通过将这些放射组学特征与临床和生物学信息相结合,可以开发出预测和预后模型,提供超越传统成像解释的组织特征和治疗结果洞察[21]。最近的放射组学进展使得能够开发出结合时间变化(Delta-放射组学)、亚区域腺体分析和多模态数据融合的模型,从而提高预测RIX的准确性并指导个性化干预[22]。这些创新有可能彻底改变HNC患者的治疗管理,通过早期识别高风险个体并定制治疗策略来最小化这一并发症。Sheikh等人(2019年)发现,腮腺的基线CT和MR放射组学特征有助于预测HNC患者RT后三个月内的急性口干风险[23]。
基于所审查的研究证据,本系统评价旨在严格综合放射组学在预测和管理HNC患者RIX方面的最新进展。具体而言,本评价旨在回答以下问题:
  • 有哪些研究评估了放射组学在预测和管理HNC患者RIX中的应用?
  • 这些研究在多大程度上揭示了时间动力学、亚区域分析和多模态成像在提高预测准确性方面的作用?
  • 如何将放射治疗剂量学特征和下颌下腺受累情况纳入HNC患者RIX的预测模型中,它们在改善临床结果方面有何意义?
  • 方法部分

    本研究遵循系统评价和分析(PRISMA)2020年检查清单的要求进行报告,确保了整个评价过程的透明度和严谨性[24]。此外,评价方案已在PROSPERO国际系统评价数据库中注册,注册号为CRD420251039081[25]。PRISMA检查清单报告见补充表1(表S1)。

    结果

    图1展示了本系统评价的研究选择过程,遵循PRISMA指南。研究选择过程共从数据库中识别出412条记录,并通过手动搜索和参考文献找到了38条记录。去除216条重复记录后,根据标题和摘要筛选出234条记录,其中164条记录因不相关而被排除。随后,对70条记录进行了资格评估,其中6条...

    讨论

    本评价综合了32项研究的发现,这些研究探讨了放射组学在预测和管理HNC患者RIX中的应用。放射组学作为一种有前景的非侵入性方法,可以从多种模式(主要是CT、MRI和PET)中提取定量成像特征,以表征与辐射损伤相关的唾液腺组织变化。文献表明,尤其是当放射组学与先进的机器学习结合使用时...

    结论

    这项涉及4,167名头颈部癌症患者的32项研究的系统评价表明,放射组学是预测辐射引起的口干(RIX)的有效方法。研究的RQS评分范围为7至33分(满分36分),平均分为15.13分(42.0%),反映了中等的方法学质量。审查的证据证实了剂量-体积关系的存在,即较高的唾液腺(尤其是腮腺)辐射剂量与更严重的口干症状相关...

    伦理批准

    由于本研究是对已发表数据的系统评价,因此不需要伦理批准和知情同意。

    关于写作过程中使用生成式AI和AI辅助技术的声明

    我们确认,人工智能(AI)工具仅用于通过文本优化、语法检查以及减少不必要的相似性来提高本工作的质量。核心的智力贡献、数据分析、数据收集和作者身份完全属于列出的作者。具体来说,在准备本工作时,作者使用了Perplexity.aihttps://www.perplexity.ai/search/)来辅助改写和释义。

    数据可用性

    支持本研究结果的数据可向相应作者索取。

    资金来源

    本研究未接受任何外部资助。

    利益冲突声明

    作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

    致谢

    无。

    生物通微信公众号
    微信
    新浪微博


    生物通 版权所有