💻 computer science

Predicting Response to Neoadjuvant Chemotherapy in Ovarian Cancer from CT Baseline Using Multi-Loss Deep Learning

本文提出了一种多损失深度学习框架，该框架利用治疗前增强 CT 扫描和自动生成的 3D 病灶掩膜来预测卵巢癌患者的新辅助化疗反应，在 280 名患者的回顾性队列中实现了 0.73 的 ROC-AUC。

原作者： Francesco Pastori, Francesca Fati, Marina Rosanu, Luigi De Vitis, Lucia Ribero, Gabriella Schivardi, Giovanni Damiano Aletti, Nicoletta Colombo, Jvan Casarin, Francesco Multinu, Elena De Momi

发布于 2026-05-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Francesco Pastori, Francesca Fati, Marina Rosanu, Luigi De Vitis, Lucia Ribero, Gabriella Schivardi, Giovanni Damiano Aletti, Nicoletta Colombo, Jvan Casarin, Francesco Multinu, Elena De Momi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一位患者被诊断为卵巢癌，这是一种时间往往最为关键的严重疾病。医生面临两条主要路径：立即手术，或先给予患者化疗（新辅助化疗）以在手术前缩小肿瘤。问题在于，约 40% 的患者实际上对这种化疗没有反应。如果他们没有反应，他们就在浪费宝贵时间接受无效治疗，从而延误了他们真正需要的手术。

本文提出了一种新的“数字侦探”，旨在在治疗开始前就解决这一问题。

侦探的工具箱：CT 扫描

研究人员没有让医生用肉眼观察三维 CT 扫描（一种详细的三维 X 光），而是构建了一个计算机程序。将 CT 扫描想象成一条面包。计算机并非只看整条面包，而是将其切成单独的片（轴向切片），以详细检查“面团”（肿瘤）的纹理。

“数字侦探”如何学习

该系统使用一种特殊的人工智能，称为视觉 Transformer。你可以将其想象为一位非常聪明的学生，他已经阅读了数千本关于一般形状和模式的书籍（在其他数据上进行了预训练）。现在，这位学生正在专门学习卵巢肿瘤。

以下是训练过程，使用了一个富有创意的类比：

掩膜（轮廓）：首先，计算机自动在 CT 扫描的每一切片中围绕肿瘤绘制一个紧密的轮廓，忽略健康组织。这就像用荧光笔描出肿瘤的轮廓。
双头教师：计算机采用一种特殊的“多损失”策略进行学习，这就像一位教师使用两种不同的方法确保学生真正理解：
- 方法 A（测验）：教师问：“这位患者是响应者还是非响应者？”并核对答案。这是标准的学习方式。
- 方法 B（分类游戏）：这是巧妙之处。教师选取两位都对治疗有反应的患者，说：“这两人很相似；请在你的脑海中将他们靠得更近。”然后，教师选取一位有反应的患者和一位无反应的患者，说：“这两人不同；请将他们推得远远的。”
- “困难”课程：有时，教师选取两位在扫描上看起来几乎完全相同但结果不同的患者。计算机被迫加倍努力，找出它们之间微小、不可见的差异。这被称为“困难负样本挖掘”。这就像训练品酒师区分两瓶外观完全相同但味道略有不同的葡萄酒。

结果：侦探答对了吗？

研究人员在米兰一家医院的 280 名患者身上测试了该系统。他们将群体分开：用 226 名患者训练系统，然后在 54 名从未见过的全新患者身上进行测试。

得分：该系统取得了（称为 ROC-AUC 的）得分为0.73。在医学预测领域，这是一个扎实的结果，意味着计算机显著优于随机猜测，并且优于他们对比的一些旧方法。
F1 分数：它获得了0.70的分数，这平衡了它正确的频率与它捕捉到需要捕捉的病例的频率。

计算机“看到”了什么

研究人员不仅信任数字；他们还查看了底层，以了解计算机究竟在关注什么。

聚焦核心：当计算机做出正确预测时，它最关注肿瘤中间的切片（“核心”），即肿瘤最厚的地方。它忽略了边缘，就像人类专家一样。
困惑：当计算机犯错时，它的注意力是分散和困惑的，对边缘的关注程度与中心相当。
“临界”问题：研究人员发现，当计算机不确定时，往往是因为患者正好处于“响应者”与“非响应者”定义的边缘。并非计算机坏了，而是对于这些特定病例，医学定义本身就很模糊。

核心结论

本文声称，通过使用一种能够观察肿瘤三维形状并通过特殊“分类游戏”进行学习的智能 AI，我们可以在患者开始治疗前，以合理的准确性预测其是否会对化疗产生反应。

作者指出，这为一种工具提供了“坚实的基础”，该工具可以帮助医生更早地决定患者是否需要不同的策略，从而可能节省时间并避免无效治疗。他们强调，该系统学习的是“临床相关”的模式，这意味着它找到的并非随机噪声，而是对患者护理至关重要的实际迹象。

技术摘要：基于多损失深度学习的卵巢癌术前 CT 基线预测新辅助化疗反应

问题陈述
卵巢癌仍然是致死率最高的妇科恶性肿瘤，约 60% 的患者在确诊时已处于晚期。标准治疗方案通常包括新辅助化疗（NACT） followed by 间歇性肿瘤减灭术。然而，存在一个关键的未满足临床需求：约 40% 被分配接受 NACT 的患者未能从该治疗中获得客观获益。在治疗开始前识别这些无应答者对于避免无效治疗并防止延误最佳手术管理至关重要。目前的预测工具通常依赖临床基线或可能缺乏鲁棒性或需要手动分割的影像组学特征，因此亟需一种能够分析治疗前影像以有效分层患者的非侵入性、自动化解决方案。

方法学
作者提出了一种非侵入性深度学习框架，利用治疗前对比增强三维 CT 扫描预测 NACT 反应。该流程通过以下阶段处理体积数据（ $V_{CT}$ ）：

病灶分割：一个开源深度学习分割模型（ $M_S$ ）自动从原始 CT 体积中生成 3D 病灶掩膜，隔离肿瘤区域。
切片编码：将 3D 掩膜体积重塑为一系列轴向切片。每个切片被转换为 3 通道表示，并由预训练的 Vision Transformer（ViT）编码器（ $E_{ViT}$ ）独立处理，具体为 DINOv3 Base Patch16。编码器提取令牌嵌入，其中分类令牌（ $t_{cls}$ ）作为每个切片的全局描述符。
体积聚合：来自所有切片的分类令牌被连接，并辅以可学习的位置嵌入以保留切片顺序。基于注意力的池化模块聚合这些切片级表示，对切片间关系进行建模，随后通过平均池化生成单个体积嵌入（ $z_V$ ）。
多头预测：共享嵌入 $z_V$ $z_{V}$ 分支为两个头：
- 分类头：一个多层感知机（MLP），输出二元逻辑值（应答者 vs. 无应答者）。
- 投影头：一个 MLP，将嵌入映射到低维空间（ $z_p$ ）用于对比学习。
训练策略：该模型采用迁移学习方法，其中 ViT 编码器使用 LoRA（低秩自适应）适配器进行微调，且仅限于最后一个 Transformer 块，以防止在小数据集上过拟合。训练目标结合了两个损失：
- 交叉熵损失（ $L_{CE}$ ）：标准分类损失。
- 监督对比损失（ $L_{SupCon}$ ）：一种边界感知损失，将同类别的嵌入拉近，并将不同类别的嵌入推开一个边界 $m$ 。
- 难负样本挖掘：在训练过程中，根据嵌入空间中的邻近度动态选择负样本对，以将优化集中在模糊案例上。对比损失的权重（ $\alpha$ ）在训练期间从 0 线性增加到 0.3，以便在施加几何约束之前稳定初始表示学习。

主要贡献

架构：集成预训练 ViT 与基于注意力的体积聚合模块，以处理 3D 病灶掩膜，无需手动特征工程。
训练目标：一个多损失框架，结合交叉熵与监督对比学习及难负样本挖掘，以改善模糊应答者和无应答者的分离。
效率：利用 LoRA 进行参数高效微调，使大型预训练模型能够适应数据有限（280 名患者）的特定医学领域。
消融分析：系统性比较表明，对比损失和微调策略对性能均至关重要，优于仅使用交叉熵或冻结骨干网络的模型。

结果
该模型在欧洲肿瘤研究所的一个回顾性单中心队列上进行了评估，包含 280 名合格患者（147 名应答者，133 名无应答者），分为开发集（226 例）和独立测试集（54 例）。

性能：在测试集上，提出的多损失微调（ML-FT）模型实现了 0.73 的 ROC-AUC（95% CI: 0.58–0.86）和 0.70 的 F1 分数（95% CI: 0.56–0.82）。
比较分析：ML-FT 模型显著优于：
- Yin 等人方法的基准重实现（AUC 0.47）。
- 无对比损失的变体（CE-FT，AUC 0.66）。
- 骨干网络冻结的变体（ML-FR，AUC 0.59）。
可解释性：注意力权重分析显示，模型优先处理包含病灶核心的中心切片，这与临床直觉一致，即肿瘤中心横截面提供最具有判别力的形态学信息。
校准：模型对正类表现出系统性的置信度不足，表明概率估计较为保守。
误差分析：不确定但正确的预测通常发现于内在的 RECIST 1.1 cutoff 附近，表明某些模糊性源于参考标准本身，而非模型失败。

意义与主张
本文主张，所提出的架构成功地仅从治疗前病灶形态中学习了具有临床相关性的预测模式。结果表明，体积 ViT 编码与监督对比学习的结合为基于影像的分层工具提供了坚实的基础。通过有效区分应答者和无应答者，该工具有潜力支持个性化治疗计划，减少无效化疗暴露，并促进及时的手术管理。作者强调，该模型通过对比正则化处理模糊案例的能力，解决了该领域标准分类方法的一个关键局限性。