Những điểm nổi bật
Quy trình được hỗ trợ bởi AI đã đạt độ chính xác cao trong việc phát hiện extranodal extension dựa trên hình ảnh (iENE) trong ung thư họng dương tính với HPV, với AUC là 0,81.
iENE do AI dự đoán có liên quan chặt chẽ hơn với sống sót tổng thể (OS), sống sót không tái phát (RFS) và kiểm soát xa (DC) so với đánh giá của bác sĩ hình ảnh truyền thống.
Trong phân tích đa biến, iENE do AI vẫn là yếu tố tiên lượng độc lập, đặc biệt là tỷ lệ nguy cơ điều chỉnh cho kiểm soát xa (aHR 12,33) rất cao.
Mô hình đã tự động hóa cả phân đoạn hạch bạch huyết và phân loại, có tiềm năng chuẩn hóa giai đoạn ở các trung tâm không có chuyên môn về thần kinh học.
Bối cảnh: Thách thức của iENE trong bệnh dương tính với HPV
Ung thư họng liên quan đến vi rút u nhú người (HPV) đại diện cho một thực thể lâm sàng riêng biệt so với ung thư đầu cổ liên quan đến thuốc lá, thường có tiên lượng tốt hơn mặc dù thường gặp ở giai đoạn nút hạch tiến triển. Bản sửa đổi thứ tám của Hệ thống Giai đoạn của Ủy ban Ung thư Liên hợp Hoa Kỳ (AJCC) đã phản ánh sự khác biệt này bằng cách giảm cấp độ giai đoạn cho bệnh dương tính với HPV. Tuy nhiên, một sự bỏ sót gây tranh cãi trong bản sửa đổi thứ tám là extranodal extension (ENE). Mặc dù ENE là một thành phần giai đoạn quan trọng trong bệnh âm tính với HPV, vai trò của nó trong ung thư họng dương tính với HPV vẫn đang được tranh luận.
Bằng chứng gần đây cho thấy rằng extranodal extension dựa trên hình ảnh (iENE) thực sự liên quan đến kết quả điều trị kém hơn trong bệnh nhân dương tính với HPV. Tuy nhiên, việc áp dụng lâm sàng bị hạn chế bởi nhiều yếu tố: thiếu tiêu chuẩn hình ảnh chuẩn, phụ thuộc nặng nề vào chuyên môn của bác sĩ thần kinh học và sự biến đổi đáng kể giữa các người đọc. Có nhu cầu cấp bách về các công cụ khách quan, có thể lặp lại và tự động để xác định iENE và tinh chỉnh phân loại rủi ro cho những bệnh nhân này.
Thiết kế và phương pháp nghiên cứu
Nghiên cứu này được tiến hành tại một trung tâm ung thư cấp ba ở Montreal, Canada, đánh giá các bệnh nhân trưởng thành mắc ung thư họng dương tính với HPV (cN+) được điều trị bằng (hóa) xạ trị ban đầu từ tháng 1 năm 2009 đến tháng 1 năm 2020. Các nhà nghiên cứu đã phát triển một quy trình AI từ đầu đến cuối để giải quyết hai nhiệm vụ chính: phân đoạn hạch bạch huyết và phân loại iENE.
Đối với nhiệm vụ phân đoạn, nhóm đã sử dụng mô hình nnU-Net, một khung học sâu tự cấu hình, được đào tạo trên các quét CT trước điều trị và thể tích khối u hạch bạch huyết (GTV) được xác định bởi chuyên gia. Đối với nhiệm vụ phân loại, nghiên cứu đã so sánh việc trích xuất đặc trưng hình ảnh với việc trích xuất đặc trưng học sâu để xác định sự hiện diện của iENE. Hiệu suất của AI được so sánh với đánh giá của hai bác sĩ thần kinh học chuyên nghiệp. Các kết quả chính được đo là độ chính xác phân loại (AUC) và mối liên hệ giữa iENE do AI dự đoán với sống sót tổng thể (OS), sống sót không tái phát (RFS), kiểm soát xa (DC) và kiểm soát địa phương khu vực (LRC).
Kết quả chính: Giá trị tiên lượng vượt trội của AI
Nghiên cứu bao gồm 397 bệnh nhân, với tuổi trung bình là 62,3 tuổi. Phân loại dựa trên hình ảnh học của quy trình AI đạt AUC là 0,81, chỉ ra hiệu suất mạnh mẽ trong việc xác định iENE. Khi đánh giá tác động tiên lượng, kết quả rất đáng chú ý. Bệnh nhân được xác định có iENE theo mô hình AI có kết quả kém hơn đáng kể trên nhiều chỉ số:
Kết quả sống sót sau 3 năm
Bệnh nhân có iENE do AI dự đoán có tỷ lệ sống sót 3 năm (OS) là 83,8% so với 96,8% ở những người không có. Tỷ lệ sống sót không tái phát (RFS) là 80,7% so với 93,7%, và tỷ lệ kiểm soát xa (DC) là 84,3% so với 97,1%. Thú vị thay, kiểm soát địa phương khu vực (LRC) tương đương giữa các nhóm, cho thấy tác động chính của iENE trong dân số này là đối với tái phát toàn thân thay vì tái phát cục bộ.
Hiệu suất so sánh: AI so với bác sĩ hình ảnh
Mô hình AI luôn vượt trội hơn iENE được đánh giá bởi bác sĩ hình ảnh về sức mạnh tiên lượng. Chỉ số đồng nhất (C-indices) cho iENE do AI cao hơn đáng kể so với đánh giá của bác sĩ hình ảnh cho OS (0,64 so với 0,55), RFS (0,67 so với 0,60) và DC (0,79 so với 0,68). Điều này cho thấy AI có khả năng phát hiện các dấu hiệu hình ảnh tinh vi của sự hung hãn của khối u mà mắt người có thể không nhận ra.
Phân tích đa biến
Sau khi điều chỉnh cho tuổi, hạng mục khối u (T), hạng mục nút (N) và số lượng tuyệt đối của hạch bạch huyết, iENE do AI dự đoán vẫn là yếu tố dự đoán độc lập của kết quả kém. Tỷ lệ nguy cơ điều chỉnh (aHR) có ý nghĩa đối với OS (2,82), RFS (4,20) và đặc biệt là kiểm soát xa, cho thấy aHR là 12,33 (95% CI, 4,15-36,67). Điều này cho thấy sự hiện diện của iENE, được phát hiện bởi AI, là một trong những chỉ số mạnh nhất về khả năng di căn xa trong ung thư họng dương tính với HPV.
Bình luận của chuyên gia và ý nghĩa lâm sàng
Các kết quả của Dayan et al. đại diện cho một bước tiến quan trọng trong y học chính xác của ung thư đầu cổ. Khả năng của mô hình AI không chỉ phù hợp mà còn vượt trội hơn về độ chính xác tiên lượng so với bác sĩ thần kinh học chuyên nghiệp nhấn mạnh tiềm năng của hình ảnh học để khám phá các kiểu ‘ẩn’ trong hình ảnh chuẩn. Bằng cách tự động hóa phân đoạn hạch bạch huyết, quy trình cũng loại bỏ một trong những rào cản tốn thời gian nhất của phân tích hình ảnh học trong thực hành lâm sàng.
Từ góc độ lâm sàng, mối liên quan chặt chẽ với kiểm soát xa đặc biệt quan trọng. Khi lĩnh vực này chuyển hướng sang giảm cường độ điều trị cho bệnh nhân HPV dương tính có nguy cơ thấp, việc xác định tập con bệnh nhân có iENE—ai có nguy cơ cao bị thất bại xa—là rất quan trọng. Những bệnh nhân này có thể không phải là ứng cử viên phù hợp cho giảm cường độ và có thể thay vào đó hưởng lợi từ các liệu pháp toàn thân mạnh hơn hoặc các quy trình giám sát nghiêm ngặt hơn.
Tuy nhiên, còn một số cân nhắc. Là một nghiên cứu đơn trung tâm, khả năng tổng quát hóa của mô hình nnU-Net và các đặc trưng hình ảnh học đến các máy quét CT và giao thức hình ảnh khác (xác thực bên ngoài) là cần thiết trước khi áp dụng rộng rãi. Hơn nữa, bản chất ‘hộp đen’ của các đặc trưng học sâu đòi hỏi nghiên cứu thêm về các tương quan sinh học của các dấu hiệu hình ảnh này để đảm bảo chúng đại diện cho sự exptranodal extension thực sự thay vì các hiện tượng hình ảnh khác hoặc các đặc điểm nút không liên quan.
Kết luận
Nghiên cứu này cho thấy rằng quy trình được hỗ trợ bởi AI có thể tự động hóa thành công việc phát hiện iENE trong ung thư họng liên quan đến HPV, cung cấp công cụ tiên lượng đáng tin cậy hơn so với đánh giá hình ảnh truyền thống. Sự liên quan độc lập của iENE do AI dự đoán với sống sót kém và kiểm soát xa đáng kể hơn cho thấy công nghệ này có thể đóng vai trò quan trọng trong việc phân loại rủi ro và lập kế hoạch điều trị cá nhân hóa trong tương lai. Nỗ lực trong tương lai nên tập trung vào xác thực đa trung tâm và tích hợp các công cụ AI này vào quy trình làm việc lâm sàng để hỗ trợ các đội ngũ điều trị ung thư, đặc biệt là ở các trung tâm nơi chuyên môn về thần kinh học đầu cổ có thể bị hạn chế.
Tham khảo
1. Dayan GS, Hénique G, Bahig H, et al. Mô hình trí tuệ nhân tạo để phát hiện extranodal extension dựa trên hình ảnh và dự đoán kết quả trong ung thư họng dương tính với HPV. JAMA Otolaryngol Head Neck Surg. 2026;152(1):7-17.
2. Amin MB, et al. Sổ tay Giai đoạn Ung thư AJCC. Bản sửa đổi thứ 8. Chicago, IL: American College of Surgeons; 2017.
3. Huang SH, et al. Tinh chỉnh Giai đoạn 8 của AJCC cho ung thư họng liên quan đến HPV. J Clin Oncol. 2018;36(9):836-845.
4. Aerts HJWL, et al. Giải mã kiểu tế bào khối u bằng hình ảnh không xâm lấn sử dụng tiếp cận lượng tử hóa hình ảnh. Nat Commun. 2014;5:4006.
