3D CT 基础模型和无监督适应头颈癌复发预测的实证研究

3D CT 基础模型的迅速出现为 CT 成像的预测建模开辟了新途径，为传统放射组学提供了一种引人注目的替代方案，而众所周知，传统放射组学存在重现性问题和对采集协议变化的敏感性。然而，随着这些模型的可用性不断增长，迫切需要评估它们所学习的表征在不同临床环境中的泛化程度，以及是否有必要适应特定的下游任务来释放它们的全部潜力。为了解决这些问题，我们对两个公共数据集（总计 3,644 名患者）中用于预测头颈癌无复发生存的多个 3D CT 基础模型进行了基准测试，评估了各种适应策略和模态融合机制。我们的研究结果表明，在识别不同成像分布中一致概括的特征方面持续存在困难，外部验证队列的性能显着下降就证明了这一点。最终，成像特征与临床数据的整合仍然是预后预测的最准确方法，尽管在不同的临床背景下实现普遍概括仍然是当前一代模型面临的重大挑战。