人工智能模型预测血管内皮生长因子受体抑制剂诱发手足皮肤反应的研究成果

《Scientific Reports》：Artificial intelligence system for predicting hand-foot skin reaction induced by vascular endothelial growth factor receptor inhibitors

研究人员开发 AI 模型预测血管内皮生长因子受体（VEGFR）抑制剂诱发的≥2 级手足皮肤反应（HFSR），成果有潜在临床价值。

　　# 人工智能助力预测手足皮肤反应：开启个性化医疗新篇
在癌症治疗领域，血管内皮生长因子受体（VEGFR）抑制剂是对抗肿瘤的有力 “武器”，然而，其引发的手足皮肤反应（HFSR）却给患者带来了不小的困扰。HFSR 主要影响手掌和脚底皮肤，轻微时皮肤发红、肿胀、有刺痛感，严重时会出现皮肤脱皮、水泡、水肿和疼痛，极大地降低了患者的生活质量。而且，不同药物诱发 HFSR 的概率不同，在亚洲人群中发生率相对更高。

目前，HFSR 的预防和治疗大多依赖专家经验，缺乏足够的循证依据。虽然有一些预防措施，如使用尿素霜去除或软化老茧、涂抹保湿霜、减少脚部压力、避免穿紧身鞋、避免热水过度刺激等，但这些措施的有效实施需要医护人员根据患者的基线皮肤状况和生活方式进行个性化评估和持续管理，对于经验不足的医护人员来说颇具挑战。

为了突破这一困境，来自日本虎之门医院（Toranomon Hospital）等机构的研究人员开展了一项极具创新性的研究。他们旨在开发人工智能（AI）模型，利用患者的临床数据和足底图像，预测 VEGFR 抑制剂使用后≥2 级 HFSR 的发生情况，这一研究成果发表在《Scientific Reports》上。

研究人员采用了多种关键技术方法。在数据收集方面，他们回顾性分析了 2014 年 1 月至 2021 年 6 月期间虎之门医院接受 VEGFR 抑制剂治疗患者的数据库和医疗记录，收集了患者的年龄、性别、身高、体重、ECOG 体能状态、癌症类型、基线皮肤状况、VEGFR 抑制剂类型以及治疗前一周内的足底照片等信息。在模型构建上，分别创建了基于足底图像的预测模型（Image-AI）、基于临床信息的预测模型（Info-AI），并将两者结合形成综合模型（Ensemble-AI）。Image-AI 利用 Otsu 二值化方法预处理图像，通过多种数据增强手段增加数据多样性，使用在 ImageNet 数据库上预训练的 ResNet50 作为特征提取器；Info-AI 则采用 XGBoost 算法，对缺失值进行均值填充处理。研究过程中运用了患者层面的 4 折分层交叉验证，并通过 SHapley Additive exPlanations（SHAP）值分析临床因素的重要性。

研究结果

1. 患者特征：研究共纳入 76 例患者的 93 次 VEGFR 抑制剂给药实例。患者中位年龄 63 岁，男性占 64.5%。使用最多的 VEGFR 抑制剂是瑞戈非尼（regorafenib，41.9%），最常见的癌症类型是肾细胞癌（44.1%）。35 例患者基线时足底有 1 级皮肤毒性，其原因包括先前使用 VEGFR 抑制剂诱发的 HFSR、氟嘧啶等药物诱发的手足综合征等。
2. HFSR 总体发生率：任何等级 HFSR 的总体发生率为 77.4%，其中 1 级占 28.0%，2 级占 31.2%，3 级占 18.3%。
3. 模型评估指标：Image-AI、Info-AI 和 Ensemble-AI 模型预测≥2 级 HFSR 的受试者工作特征曲线下面积（AUC）分别为 0.550、0.693 和 0.699。在高特异性截断值下，Ensemble-AI 的敏感性为 0.304，特异性为 0.936，阳性预测值为 0.824，阴性预测值为 0.579。分层分析显示，Info-AI 和 Ensemble-AI 在无基线手足综合征或未使用过 VEGFR 抑制剂的亚组中 AUC 值更高。
4. 风险因素分析：通过 SHAP 值分析发现，使用瑞戈非尼、基线皮肤毒性、未使用过 VEGFR 抑制剂、体重较重以及体能状态良好是 HFSR 发生的重要预测因素。

研究结论与讨论

这项研究首次开发出基于 AI 的 HFSR 预测模型，具有重要的意义。虽然综合模型的表现有待进一步提高，但在高特异性截断值下，其阳性预测值显示出一定的临床实用性，能够帮助识别 HFSR 高风险患者，以便对这些患者进行更有针对性的强化护理，有可能降低 HFSR 的发生风险。

然而，研究也存在一些局限性。模型输入可能未包含预测 HFSR 所需的全部信息，如治疗期间的预防措施未纳入模型；数据量相对不足，增加数据量有望进一步提高模型准确性，尤其是对 Image-AI 模型；图像质量有待提升，当前仅使用单一方向的足底照片，可能遗漏足外侧的 HFSR 信息，可通过多方向或三维摄影改善；研究的回顾性设计导致一些潜在相关变量的数据收集不规范；且研究未进行外部测试集验证，数据来自单一日本机构，可能存在人群偏倚。

尽管如此，该研究为 HFSR 的预测和预防开辟了新的方向。未来，更大规模的前瞻性研究、标准化的多模态数据收集以及多机构合作研究，将有助于优化这些模型，进一步提高预测准确性，为个性化的 HFSR 预防和管理提供更有力的支持，让患者在接受 VEGFR 抑制剂治疗时能更好地应对 HFSR 带来的困扰，提升生活质量。