遗传算法优化神经网络模型超越TNM分期：基于倾向评分匹配重新评估快速进展性鼻咽癌的辅助化疗获益

　　本研究创新性地构建遗传算法优化神经网络（GNN）模型，在预测快速进展性鼻咽癌（RP-NPC）方面显著优于传统TNM分期（AUC 0.777 vs 0.688），并通过倾向评分匹配证实RP-NPC患者无法从同步放化疗（CCRT）后辅助化疗（AC）中获益，为个体化治疗决策提供AI驱动的新范式。

　　

重点发现

患者特征

本回顾性研究纳入716例2007-2012年间广西医科大学肿瘤医院收治的鼻咽癌（NPC）患者。入组标准包括：(1) 经组织学证实的非角化型鼻咽癌；(2) 初诊无远处转移（M0期）；(3) 完成治疗前全面评估（包括完整病史、体格/神经系统检查、鼻咽镜及影像学检查）。

RP-NPC与非RP-NPC患者生存差异显著

如表1所示，训练集中83例快速进展（RP-NPC）患者7年生存指标极为严峻：总生存（OS）9.7%、无远处转移生存（DMFS）22.6%、局部无失败生存（LFFS）60.2%、无进展生存（PFS）0.0%。与之形成鲜明对比的是，418例非快速进展患者展现出优异长期预后，7年生存率分别为87.7%（OS）、93.6%（DMFS）、92.0%（LFFS）和83.9%（PFS）（图1A-D）。这种生存差异在验证队列中同样显著——38例RP-NPC患者7年OS仅2.6%，而175例非RP-NPC患者达85.1%。

讨论

本研究首次发现T分期、N分期、年龄、碱性磷酸酶（ALP）和乳酸脱氢酶（LDH）是RP-NPC的潜在生物标志物。通过系统比较遗传算法优化神经网络（GNN）、标准人工神经网络（ANN/BPNN）、极限梯度提升（XGBoost）和逻辑回归（LR）等算法性能，证实GNN模型具有最优预测效能（验证集AUC 0.782）。

结论

GNN模型在识别RP-NPC方面展现出超越传统TNM分期的预测能力和泛化性。更重要的是，倾向评分匹配分析明确显示：无论通过GNN预测还是临床标准定义的RP-NPC患者，接受辅助化疗（AC）均未获得生存获益。这一发现对临床治疗决策具有重要指导价值。