自动监测头颈部癌放疗毒性：开启精准医疗新时代

《npj Precision Oncology》：An automatic pipeline for temporal monitoring of radiotherapy-induced toxicities in head and neck cancer patients

头颈部癌放疗常引发多种毒性，但相关数据多为非结构化文本。研究人员开展基于自然语言处理（NLP）技术自动提取放疗毒性的研究。结果显示 Clinical Longformer 表现最佳，该研究有助于优化治疗方案、提升患者生活质量。

　　在头颈部癌的治疗领域，放疗占据着举足轻重的地位，它就像一把双刃剑，在对抗癌细胞、控制病情的同时，也带来了一系列令人头疼的副作用 —— 放疗诱导的毒性。这些毒性多种多样，短期的如粘膜炎、皮炎，常常在治疗过程中就迫不及待地 “冒” 出来，给患者带来痛苦；长期的像口干症、吞咽困难等，则在治疗结束后悄然出现，长期困扰着患者，严重影响他们的生活质量。想象一下，患者在历经癌症治疗的艰辛后，还要遭受这些毒性的折磨，无论是身体上的不适，还是心理上的压力，都对他们的康复之路造成了巨大阻碍。

更让人烦恼的是，在现有的医疗体系中，这些毒性相关的信息大多以非结构化的文本形式隐藏在临床报告里。医护人员若想手动梳理、分析这些数据，不仅要耗费大量的时间和精力，而且很容易出错。这种现状使得对毒性的及时监测和有效管理变得异常困难，也限制了个性化放疗方案的制定。所以，开发一种高效、准确的自动监测放疗毒性的方法，成为了医学领域亟待解决的重要问题。

在这样的背景下，来自加拿大麦吉尔大学（McGill University）等机构的研究人员 Parsa Bagherzadeh、Khalil Sultanem、Gerald Batist 和 Shirin Abbasinejad Enger 勇敢地迎接挑战，开展了一项极具意义的研究。他们的研究成果发表在《npj Precision Oncology》上，为头颈部癌放疗毒性监测带来了新的曙光。

研究人员为开展此项研究，运用了多个关键技术方法。他们收集了 384 名头颈部癌患者的回顾性临床数据，这些患者均接受过放疗，治疗方式包括单纯放疗、放疗联合化疗或手术。接着，从电子健康记录（EHR）系统中提取了 3510 份治疗期间和随访期间的临床笔记。在数据处理阶段，利用统一医学语言系统（UMLS）术语对毒性进行预注释，随后与放疗肿瘤学家合作手动审核注释内容，确保准确性。最后，使用预训练语言模型（PLMs），如 BERT、Clinical BioBERT 和 Clinical Longformer 进行微调，构建分类模型完成毒性检测和提取任务。

下面来看看具体的研究结果：

• 分类模型的性能：研究定义了毒性提及检测（Task 1）和毒性提取（Task 2）两个任务。通过实验对比不同模型的表现，发现 Clinical Longformer 在两个任务上均优于 BERT 和 Clinical BioBERT。在 Task 1 中，Clinical Longformer 的 F₁分数达到 0.93；在 Task 2 中，其重叠 F₁分数为 0.90，严格 F₁分数为 0.82。这表明 Clinical Longformer 在处理放疗毒性相关文本时，具有更高的准确性和可靠性。
• 毒性的发生率和持续性：对比治疗前后毒性的发生率，发现多数毒性在治疗前后的发生率有显著差异。例如，皮炎、粘膜炎、口干症和喉水肿的差异较为明显。在毒性的持续性方面，通过 Turnbull 算法估计了前 5 种常见毒性的持续概率。结果显示，皮炎和粘膜炎在治疗结束后 1 个月内缓解的概率较高；而口干症和吞咽困难在 7 个月后仍有较高的持续概率；吞咽疼痛在 14 个月后持续概率接近 0。此外，研究还发现女性口干症的持续概率显著高于男性，接受手术（Radio + Surgery）的患者口干症持续概率较低。

从研究结论和讨论部分可以看出，该研究意义重大。首先，研究开发的自动提取放疗毒性的系统，能够实时监测毒性，深入分析其时间模式，为医生提供可操作的数据，有助于优化放疗剂量，减少毒性对患者的影响，从而提高治疗效果，实现真正的个性化治疗。其次，研究验证了中等规模语言模型（如 Clinical Longformer 和 BioBERT）在处理放疗毒性相关文本时的有效性和实用性。它们不仅性能出色，而且无需大量计算资源，便于在临床环境中部署应用。最后，这项研究为后续进一步研究放疗毒性奠定了坚实基础。未来可对毒性出现的时间进行建模，评估模型在其他癌症类型中的通用性，开发交互式可视化工具辅助医生理解数据，探索优化大语言模型（LLMs）与检索增强生成（RAG）集成的策略，不断推动精准医疗的发展。总之，该研究成果为头颈部癌放疗患者带来了新的希望，有望改善他们的治疗体验和生活质量。