美国芝加哥大学Howard等报告，机器学习模型可识别出能自术后化放疗中获益的中危头颈部肿瘤患者，其预测结果提示约半数患者应用化疗无生存获益。(JAMA Netw Open. 2020; 3: e2025881. doi: 10.1001/jamanetworkopen.2020.25881)

术后化放疗是切缘阳性或囊外浸润癌症的标准治疗方法;但是对于具有其他中危特征的患者而言，化疗的益处尚不清楚。

为了明确机器学习模型是否可以识别出可自化放疗中受益的中危头颈鳞状细胞癌患者，该项队列研究纳入2004年1月1日至2016年12月31日诊断为口腔鳞状细胞癌、口咽癌、下咽癌或喉癌的患者(已切除疾病并接受了辅助放疗)，将接受机器学习模型推荐治疗的患者与未接受机器学习模型的患者进行比较。患者选自国家癌症数据库，该数据库基于医院，其注册数据包括美国70%以上的新发癌症。主要终点为根据模型建议进行治疗的总生存期(OS)。次要终点包括推荐化疗的频率和推荐放化疗对比仅放疗患者的化疗获益。

结果显示，共纳入33 527例患者，其中男性24 189例(72%)，≤70岁者28 036例(84%)。验证数据集中的中位随访时间为43.2个月(IQR：19.8~65.5个月)。DeepSurv模型、神经多任务logistic回归模型和生存森林模型分别对17 589例(52%)、15 917例(47%)和14 912例(44%)患者建议进行化放疗。根据模型建议，治疗与生存获益相关，DeepSurv模型的风险比为0.79(95%CI 0.72~0.85，P<0.001)，神经多任务logistic回归模型为0.83(95%CI 0.77~0.90，P<0.001)，随机生存森林模型为0.90(95%CI 0.83~0.98，P=0.01)。建议仅接受放疗的患者未见化疗有生存获益。

 (编译 孔凡德)