Page 80 - 南京医科大学自然版
P. 80

第46卷第9期
               ·1350 ·                           南 京    医 科 大 学 学         报                        2026年9月


              过 Python 软件 Pydicom 库自动提取，剂量学特征为                  量分布图、左侧颞叶剂量体积直方图及随访MRI图
              颞叶的平均剂量（Dmean）、最大剂量（Dmax）、最小剂量                    像。图2为1例未发生TLI的T2期鼻咽癌患者放疗
             （Dmin）、 D （1 cm 剂量）、D1% （1%体积的剂量）、V40 Gy、          计划三维剂量分布图、左侧颞叶DVH图及随访MRI
                              3
                      1 cm 3
              V70 Gy （Vx，大于或等于x Gy的剂量所占的体积百分比）                  图像。
              及放疗总剂量和放疗方式9个特征。本研究选取患                            2.3  预测模型构建及效能评价
              者颞叶吸收剂量的优势侧数值进行后续分析。                                   使用随机森林学习算法构建模型，将 T 分期用
              1.2.2 模型建立与评估                                     于构建临床模型，T 分期结合剂量学特征中 D                      3 、
                                                                                                          1 cm
                  使用随机森林机器学习算法建立模型，利用筛                          V70 Gy构建联合模型。ROC 曲线显示单纯临床模型
              选后的临床特征构建临床模型，临床特征与剂量学                            的 AUC 为 0.635，联合模型将 AUC 提升至 0.853（图
              特征联合构建联合模型。绘制模型的受试者操作                             3A）。临床模型的灵敏度、特异度和准确率分别为
              特征（receiver operating characteristic，ROC）曲线，计     85.71%、39.94%和 45.00%，而联合模型的相应指标
              算曲线下面积（area under the curve，AUC）。两种               分别为 66.67%、86.38%和 84.00%。DeLong 检验显
              模型的性能指标包括平均 AUC 值以及灵敏度、特                          示，联合模型与临床模型的预测效能差异具有统计
              异度和准确率。两种预测模型的 AUC 值比较采                           学意义（P < 0.05）。校准曲线表明联合模型的预测
              用了 DeLong 非参数方法。绘制临床决策曲线分析                        概率和实际值一致性良好（图3B）。DCA曲线显示，
             （decision curve analysis，DCA）图，评估模型的预测             在大多数合理的阈值概率范围内联合模型的临床
              能力及临床效益。
                                                                效益优于单纯临床模型（图3C），进一步表明联合模
              1.3  统计学方法
                                                                型在临床应用中的潜在优势。图 3D 为联合模型的
                  所有特征行单因素Logistic回归分析，再将差异
                                                                列线图，由T分期、 D          3 、V70 Gy生成总分，评估患者发
              有统计学意义的变量纳入多因素Logistic回归分析，                                          1 cm
                                                                生放射性TLI的风险。
              双侧检验P < 0.05 为差异有统计学意义，获得与放射
              性TLI发生相关的独立预测因素。使用SPSS 23.0 软                     3  讨 论
              件、Python（版本 3.9.7）和 R（版本 4.3.1）软件进行统
                                                                     放射性TLI是鼻咽癌放疗后最严重的并发症之
              计分析。利用 Kolmogorov⁃Smirnov 检验（K⁃S 检验）
                                                                一，临床上缺乏客观、准确的诊断依据且治疗手段
              对数据进行正态性检验，对于符合正态分布定量资
                                                                有限  ［13］ ，因此，许多研究人员正在探索TLI的影响因
              料使用独立样本 t 检验，非正态分布的定量资料使
                                                                素或预测模型       ［14］ 。目前通过剂量学数据预测放射
              用Mann⁃Whitney U检验，完全随机设计样本率或构
                                                                性TLI取得了不错的进展，正常组织并发症概率模型
              成比的定性资料使用卡方检验，P < 0.05 为差异有
                                                                被建立，其中 D        3 与Dmax是最常被纳入的参数         ［15-16］ 。
              统计学意义。                                                          1 cm
                                                                NTCP 模型的建立旨在描述剂量学参数与辐射相
              2  结 果                                            关毒性发生概率之间的关联。Guan 等                ［17］ 构建的预

              2.1  临床资料分析                                       测模型同样包含了 Dmax、 D         1 cm 3 、T 分期及 NLR 等指
                  本研究入组共计365例患者，未发生TLI的患者                       标，并通过外部验证组的数据进行了检验，研究组
              共 323 例，发生 TLI 的患者为 42 例，其中单侧 28 例、               的AUC值为0.847，验证组的AUC值为0.811。多项
              双侧 14 例，放疗后发生 TLI 的发生率为 11.5%。发                   研究已证实放疗剂量与放射性TLI之间存在密切关
              生TLI和未发生TLI组间患者性别、年龄、化疗方式、                        联 ［18-19］ 。放疗剂量被视为放射性TLI的直接致病因
              临床分期、N 分期、M 分期、放疗方式、Dmin以及有无                      素，决定了放射性TLI的发生概率及其病变程度 。
                                                                                                           ［20］
              高血压、糖尿病、高脂血症等基线数据差异无统计                            放疗后TLI的发生率变化很大，受放疗技术、剂量⁃体
              学意义（P > 0.05，表1）。                                 积参数、同时全身治疗的使用和TLI评估方法等因素
                                                                      ［21］
              2.2  特征筛选                                         的影响 ，探索与放射性TLI相关的临床因素对于降
                  单因素和多因素 Logistic 回归分析提示，临床                    低鼻咽癌放疗后TLI 的风险和提高鼻咽癌患者的生
              特征中与 TLI 有关的独立预测因素为 T 分期，剂量                       活质量至关重要。
              学特征中的独立预测因素为 D               3 、V70Gy （表2）。图1          相关研究发现，同一患者的双侧颞叶在放射治
                                         1 cm
              为 1 例发生 TLI 的 T4期鼻咽癌患者放疗计划三维剂                     疗后的反应存在差异           ［22］ 。对于那些双侧颞叶接受
   75   76   77   78   79   80   81   82   83   84   85