《Scientific Reports》于2026年10月17日发表一项研究，评估一种将前列腺活检全切片图像特征与年龄、前列腺特异性抗原（PSA）及ISUP分级结合的多模态AI模型，用于预测接受放疗患者的复发和前列腺癌特异性死亡风险。原始论文：Multimodal AI refines EAU risk stratification in patients undergoing radiotherapy for prostate cancer
研究使用STHLM3试验中353名接受根治性放疗的患者数据。模型此前是在接受根治性前列腺切除术的患者中训练的，本次直接用于放疗人群，没有重新训练、微调或重新校准，因此重点考察的是跨治疗方式的可迁移性。结果显示，AI风险分数对生化复发的C-index为0.65，对高风险生化复发为0.84，对前列腺癌特异性死亡为0.81；对应的EAU传统风险分组指标分别为0.60、0.82和0.80。
更值得关注的是，研究者将AI分数与EAU风险分组结合后，模型拟合效果在三项终点上均得到统计学改善。不过，AI分数单独与EAU分组之间的C-index差异并未达到统计学显著。探索性分层显示，18.9%的EAU中危患者被AI归为高风险，28.2%的EAU高危患者被归为低风险。在EAU高危人群中，AI低风险组24人随访10年未出现生化复发，而AI高风险组61人的10年累计复发率为28.7%。
这项结果说明，多模态模型可能从常规临床指标和病理图像中提取互补信息，帮助识别传统风险类别内部的异质性，尤其是放疗患者中的高危亚群。但研究样本量有限，且训练队列与验证队列都来自同一项试验，并不等同于完全独立的外部验证；AI高低风险阈值还是根据本次放疗队列的分位数探索性设定，不能直接视为临床决策标准。论文作者也指出，在用于个体化治疗前，还需要前瞻性研究和更多独立队列验证。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
