《Scientific Reports》：Transformer-based prediction of radiotherapy couch shift risk in prostate cancer based on rectal volume
编辑推荐：
本研究旨在解决前列腺癌(PCa)放疗中，尚无AI工具可基于治疗前直肠体积(RV)变化来预测患者摆位退化风险的临床问题。研究人员利用Transformer模型分析患者纵向直肠体积与位移数据，识别出区分摆位变异风险的关键直肠体积阈值(81.62 cm3)，为提高放疗定位精度提供了新方法。
在对抗前列腺癌的战场上，放射治疗(radiotherapy, RT)是一柄精准的利刃，其疗效核心在于将高能射线精确“投送”到肿瘤靶区，同时最大程度地“赦免”周围的健康组织。然而，一个“狡猾”的邻居常常让这项任务变得棘手——那就是直肠。由于前列腺与直肠紧密相邻，直肠的充盈状态（即直肠体积rectal volume, RV）在每次治疗时都可能发生变化，这种变化会导致前列腺位置发生不可预测的移动。为了纠正这种位移，放疗技师需要在每次治疗前，通过锥形束CT(Cone-Beam Computed Tomography, CBCT)扫描获取患者实时的三维图像，并与治疗计划CT(planning CT)图像进行匹配，计算出需要在左右、头脚、前后三个方向（即三维治疗床位移3D couch shifts）上进行的调整。这个过程是保证治疗精准度的关键，但也充满了变数。目前，临床实践中缺乏一种能够在治疗开始前，就根据患者直肠体积的个体化特征，预测其发生显著摆位误差风险的人工智能(Artificial Intelligence, AI)工具。这就像在迷雾中航行，无法预知前方是否有暗礁。能否找到一条“航道图”，提前标识出那些容易“偏离航线”的高风险患者，并给出明确的预警信号（例如一个关键的直肠体积阈值）？这正是发表在《Scientific Reports》上的一项研究所要探索的核心问题。
为了破解这一难题，研究人员开展了一项回顾性研究。他们收集了38名接受前列腺癌调强放疗(Intensity-Modulated Radiation Therapy, IMRT)患者的影像数据。在每名患者多次的治疗过程中，共获取了498组锥形束CT扫描图像。在这些图像上，研究人员细致地勾画了作为危及器官(Organ at Risk, OAR)的直肠轮廓，从而计算出每次治疗时精确的直肠体积。同时，通过图像配准技术，计算出每次治疗所需的三维治疗床位移值，作为衡量摆位偏差的量化指标。有了这些纵向的（即多次时间点的）直肠体积和位移数据，研究团队构建了一个新颖的无监督两阶段基于Transformer架构的编码器模型来处理这些序列数据。这个模型能够捕捉直肠体积变化与位移之间的复杂时序关系。接着，他们使用K-means聚类算法对处理后的患者表征进行分组，并利用t分布随机邻域嵌入(t-distributed Stochastic Neighbor Embedding, t-SNE)技术将高维数据可视化到二维平面，以观察患者是否存在自然的聚群。最后，通过统计学分析，特别是受试者工作特征曲线(Receiver Operating Characteristic curve, ROC)和曲线下面积(Area Under the Curve, AUC)，来评估模型的判别效能，并寻找能够最佳区分患者风险的治疗计划CT直肠体积临界值。
研究结果
患者聚类与可视化分析
通过基于Transformer的编码器提取特征并进行K-means聚类，结合t-SNE可视化，研究人员在所有患者的锥形束CT扫描数据中观察到了三个明显不同的患者集群。这表明，基于直肠体积动态和位移模式，患者可以被区分为不同的亚组。
初始直肠体积与集群的关联
统计分析显示，患者的初始直肠体积（即治疗计划CT上测量的体积）与他们在t-SNE图中所属的集群存在显著的统计学相关性（p值小于0.001）。这意味着治疗前单次测量的直肠体积，能够显著预测患者在后续整个治疗过程中所表现出的位移模式类别，为提前预警提供了可能。
关键直肠体积阈值的确定
为了找到一个可用于临床决策的明确量化指标，研究团队进行了ROC曲线分析。分析结果显示，ROC曲线下面积(AUC)达到了0.93，这表明基于初始直肠体积来区分具有显著位置变异性的患者具有优秀的判别能力。通过分析，他们确立了一个最佳的临界值(Cut-off value)：81.62 cm3。当患者在治疗计划CT上的直肠体积超过此阈值时，其在后续放疗过程中发生显著摆位偏差的风险将大大增加。
结论与讨论
本项研究成功开发并验证了一个AI驱动的预测模型。该模型创新性地利用无监督的Transformer架构，处理前列腺癌患者放疗过程中的纵向直肠体积与位移数据，揭示了患者个体在摆位稳定性上的内在差异，并能够将患者划分为不同的风险集群。更重要的临床贡献在于，研究通过严格的统计分析，识别出了一个具有高判别效能的量化阈值：治疗计划CT直肠体积81.62 cm3。这个数字成为了一个清晰的“警戒线”，帮助临床医生在制定治疗计划之初，就能识别出那些可能因直肠体积较大而导致治疗期间摆位不稳定的高风险患者。
这项研究的意义深远。首先，它填补了当前临床实践中缺乏基于AI的、针对直肠体积变化的摆位风险预测工具的空白。其次，研究所确定的关键阈值为实施主动的、个性化的干预措施提供了科学依据。例如，对于直肠体积超过阈值的患者，临床团队可以采取更严格的肠道准备方案、调整治疗计划（如采用适应性放疗Adaptive Radiation Therapy, ART）、或者在治疗过程中增加图像引导的频率，从而变被动纠正为主动预防。最终，这一切都将转化为更精准的肿瘤靶区照射和更好的正常组织保护，有望在整体上优化前列腺癌放射治疗的疗效与安全性，是向精准放疗和个性化医疗迈出的坚实一步。
