鼻咽癌是一种鼻咽黏膜被覆上皮的恶性肿瘤，在东亚和东南亚的发病率很高；约70%-80%的患者初诊即为局部晚期鼻咽癌。鼻咽癌对放疗敏感，因此其治疗手段以放疗为主，辅以化疗、靶向治疗等。由于局部复发和远处转移，局部晚期鼻咽癌患者的5年生存率通常在10%到40%之间。目前根据肿瘤TNM分期进行预后预测的效能不足，因此，开发有效的预后预测和风险分层模型是局部晚期鼻咽癌患者诊疗中亟待解决的问题。

2023年8月19日，复旦大学附属肿瘤医院宋少莉教授课题组在核医学顶级期刊European Journal of Nuclear Medicine and Molecular Imaging（影响因子9.1）发表了题为“Multi task deep learning based radiomic nomogram for prognostic prediction in locoregionally advanced nasopharyngeal carcinoma”的研究。该研究采用团队前期开发的多任务深度学习生存预测模型（DeepMTS），对鼻咽癌患者治疗前18F-FDG PET/CT图像进行联合生存风险评分和肿瘤分割，从中得到的生存风险评分（DeepMTS-Score）可直接用于生存预后预测，而肿瘤分割结果被用于自动化的传统影像组学分析并输出生存风险评分（AutoRadio-Score）。随后，通过整合DeepMTS-Score、AutoRadio-Score和临床数据，构建基于多任务深度学习的影像组学诺莫图模型（MTDLR），从而提高局部晚期鼻咽癌患者预后预测的准确性和可解释性，实现更好的患者风险分层，对临床个体化治疗决策提供潜在的指导。

宋少莉教授介绍说，该研究采用多任务深度学习生存预测模型（DeepMTS）提取局部晚期鼻咽癌患者治疗前18F-FDG PET/CT图像中的DeepMTS-Score和AutoRadio-Score，同时结合TNM分期构建了多任务深度学习影像组学诺莫图模型（MTDLR），用于评估多任务深度学习对于局部晚期鼻咽癌患者预后预测的价值。与传统影像组学和单任务深度学习相比，MTDLR模型提取了更多的肿瘤异质性信息，同时捕捉肿瘤内部和肿瘤外的预后信息，更好地预测局部晚期鼻咽癌患者的生存预后，并对患者进行风险分层（低分险组和高风险组），为临床个体化治疗决策提供了潜在的指导价值。

本文第一作者为复旦大学附属肿瘤医院核医学科主治医师顾丙新、悉尼大学计算机学院博士研究生蒙明远、复旦大学附属肿瘤医院核医学科博士研究生徐明真，通讯作者为复旦大学附属肿瘤医院核医学科主任医师宋少莉、悉尼大学计算机学院教授Jinman Kim、上海交通大学长聘教轨副教授毕磊。 核医学科简介 复旦大学附属肿瘤医院核医学科是上海分子影像探针工程技术研究中心，拥有放射性药品使用许可证IV类证书，科室已临床转化30多种新型分子影像探针。多种分子影像探针临床转化，在肿瘤精准诊断、分期、疗效评估和活体内靶点表达的评估方面发挥着重要作用，已成为复旦肿瘤的特色品牌之一。近年来，科室人才队伍建设日益提升，一批获得上海市优秀技术带头人、上海市青年拔尖人才、上海市「浦江人才计划」、上海市「医苑新星」、上海市「扬帆计划」及「雏鹰计划」等中青年医学人才脱颖而出。近年来科室获得国家级课题12项，省部级课题12项，科研经费累计超过1000万元；多项研究成果发表于Advanced Science、JNM、EJNMMI、Theranostics、Clinical Cancer Research、ACS Nano等国际权威期刊,申请专利10项，成功商业转化专利1项。科室的学科地位不断提升，一直获得复旦版《中国医院专科声誉排行榜》提名。