开发并外部验证了一种可解释的多模态深度学习模型，用于预测高风险II期结直肠癌患者的5年死亡率

《International Journal of Colorectal Disease》：Development and external validation of an interpretable multimodal deep learning model for 5-year mortality in high-risk stage ii colorectal cancer

　　

摘要

目的

尽管接受了辅助化疗，高风险II期结直肠癌（CRC）的预后仍存在差异。我们开发并验证了一种可解释的多模态深度学习模型，该模型整合了临床数据、血清生物标志物和静脉期CT图像，用于预测高风险II期CRC患者的5年特异性死亡率。

方法

这项回顾性、多中心的研究纳入了来自三个中心的778名高风险II期CRC患者，所有患者均接受了辅助化疗，并且拥有完整的术前临床数据、生物标志物数据和静脉期CT图像数据。这些患者被分为开发组（中心A和中心B，n=720）和外部测试组（中心C，n=58）。研究人员开发了一种结合数值数据（临床数据+生物标志物）和影像数据（CT）的多模态模型，并在开发组中使用十折交叉验证进行了内部验证，随后在外部测试组中对该模型进行了评估。通过SHAP和Grad-CAM方法评估了该模型的可解释性。

结果

在开发组中，多模态模型的区分能力优于仅使用数值数据（AUC 0.76）或仅使用影像数据（AUC 0.69）的模型（AUC 0.89；95%置信区间，0.87–0.91）。在外部测试组中（58例患者中有9例死于CRC），多模态模型的AUC为0.88（95%置信区间，0.76–0.96）。SHAP和Grad-CAM一致指出年龄、CA125水平以及CT图像上的肿瘤区域是影响预后的关键因素。

结论

这种基于常规临床数据、生物标志物和CT图像的可解释多模态方法能够更好地对高风险II期CRC患者的5年死亡风险进行分层，有助于制定基于风险的监测方案和临床决策支持；在调整治疗方案之前，需要进行前瞻性验证。