作者：庞彩凤，唐钰清，李睿，川北医学院附属医院放射科；王思宇，川北医学院医学影像学院
CT 是食管癌最常见的影像学检查手段之一，在检测食管癌方面发挥着重要作用。由于食管癌形态多变，医师对食管癌的诊断经验存在差异，常规影像和临床检查也存在一定的局限性，目前诊断存在漏诊和误诊等情况，此外，目前常规临床及影像指标难以准确评估食管癌病人的放化疗反应和预后。
近年来，深度学习在医学领域的广泛研究，为食管癌的诊断、治疗、疗效评估等带来了新思路。深度学习可以对医学影像进行病灶分割、病灶分类处理，用于食管癌的诊断、治疗、疗效评估等。深度学习方法主要通过模拟人类大脑神经网络，采用复杂的多层神经网络架构将传入影像信息转化为多层抽象特征并进行自动学习。
常采用卷积神经网络（convolutional neural network，CNN）作为基础网络架构，对其进行改进后可用于完成不同的任务，如体积网络（volumetric network，V-Net）、U 型网络（U-shaped network，U-Net） 常用于影像分割，VGG16、VGG19、快速区域卷积神经网络（fasterregion -based convolutional neural network，FasterRCNN）常用于病灶识别和定位等任务，残差神经网络（residual neural network，ResNet）能够有效解决传统深度学习中常见的梯度消失问题，Transformer 能分析输入数据的交互关系来提升全局特征提取能力。本文将对基于CT 的深度学习在食管癌中的研究进展予以综述。
1. 深度学习在食管癌诊断中的应用
1.1 食管癌的诊断
基于CT 的深度学习在检测食管癌诊断效能上表现良好，其诊断AUC 值或准确率可达0.8 以上；也能较为准确地识别隐匿性病变（如早期食管癌），从而提高医师诊断准确率。Takeuchi等纳入46 例食管癌和100 例正常对照的CT 影像作为测试集，基于VGG16 构建了一个深度学习模型用于诊断食管癌，并与2 位放射诊断医师的诊断结果进行比较，结果显示模型的诊断准确度（0.842）高于2 名医师（0.836、0.808），但诊断敏感度（0.717）低于2 名医师（分别为0.935、0.913）。
Chen 等通过引入在线难例挖掘模块构建了改进的Faster RCNN模型用于食管癌诊断，并与未改进的Faster RCNN模型进行对比，结果显示改进的Faster RCNN 模型处理单幅CT 影像的速度可达5.3 s，对食管癌的检测准确率（93.53%）和平均精度均值（92.15%）均高于Faster RCNN 模型（分别为75.16%、86.41%）。Sui等使用改进的V-Net 开发了1 个深度学习模型在CT 影像中对食管进行分割，通过自动量化食管管壁厚度以检测食管是否存在病变，该模型具有良好的诊断效能，其受试者操作特征曲线下面积（area under curve，AUC）为0.96，敏感度为0.888；在52 例漏诊的食管癌病例和48 例正常对照组中，3 名放射科医生借助该模型诊断的平均准确度从53.6%提高到了75.8%。
Yasaka 等基于CNN 建立的深度学习模型在增强CT 影像上检测食管癌，借助该模型，1 名有10 年以上工作经验的放射科医师和3 名工作经验不足5 年的放射科住院医师的诊断AUC 值均有提高（从0.96、0.93、0.96、0.93 分别提高到0.97、0.95、0.99、0.96），经验不足的放射科住院医师诊断AUC值提高程度更明显。
Lin 等对U-Net 网络架构进行改进并建立了基于胸部CT 平扫影像的no-new-Net 深度学习模型用于诊断食管癌，该模型对影像分割并提取相应特征，对食管癌的诊断效能较高（AUC=0.890）；通过模型辅助，3 位放射科医生的诊断效能均得到提高，AUC 值分别从0.855、0.820、0.930 提升到0.910、0.955、0.930；此外，该系统还成功诊断出1 例被放射科医师漏诊的T1 期食管癌病例。
1.2 预测食管癌病理特征
食管癌分型分级与侵袭深度对于判断病情进展和制定治疗方案具有重要意义，临床常采取活检等方式明确病理结果，具有一定的创伤性和风险。基于CT 的深度学习具有无创性，可以从大量CT 影像数据中自动提取多层次复杂信息，通过构建和优化深度学习模型对食管癌分型分级和侵袭深度进行预测，从而辅助临床诊断和优化治疗方案。
Kawahara 等对新辅助放化疗（neoadjuvant chemoradiotherapy，NCRT）后手术的食管癌病人进行肿瘤分化程度的分析，从CT 影像中提取病人肿瘤区域和瘤周5 mm 区域的组学特征，通过最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）算法进行降维并构建深度学习模型用于预测ESCC 的分化程度，结果显示该模型的效能较高（AUC=0.92），优于支持向量机（support vector machine，SVM）、K 近邻算法等传统机器学习模型（AUC 分别为0.85、0.76）。
Wu 等基于ResNet-18 和长短期记忆（long short-term memory，LSTM）网络架构建立了ResoLSTM-Depth 模型，其中LSTM能通过有效处理数据中的时序依赖关系，更准确地识别肿瘤侵袭深度。研究比较了该模型与ResNet-18 模型区分ESCC 的T1-T2 和T3-T4 分期的效能，结果显示ResoLSTM-Depth 模型的诊断效能（AUC：0.901）优于ResNet-18 模型（AUC：0.879）。
Zhou 等建立了基于CNN-Transformer 架构的多模态深度学习模型用于对ESCC 和食管腺癌组织学类型的分类，该模型能将CT 影像中的肿瘤大小、位置等特征与全视野数字切片影像的细胞水平特征进行融合从而实现分类，分类准确率达0.973。尽管目前预测食管癌分型分级与浸润深度相关研究较少，但未来基于CT 的深度学习技术在评估食管肿瘤侵袭深度、分化程度、病理学分型方面具有较大的发展前景。
2. 深度学习在食管癌治疗中的应用
2.1 辅助制定放疗方案
基于CT 的深度学习自动分割技术能提高医师食管癌勾画效率，辅助医师制定个性化的放疗方案。精准勾画肿瘤总体积（gross tumor volume，GTV）和临床靶区体积（clinical target volume，CTV）对
不同的深度学习模型表现有所差异，同一模型对于不同食管分段和不同组织分割的效能均具有差别，如食管下段解剖复杂、淋巴结形态多变，两者分割难度更大，更需要边界识别能力或上下层影像特征融合能力强的模型。在深度学习的自动分割任务中，常见的评估参数包括Dice 相似系数（dice similarity coefficient，DSC）、交并集（intersection over union ，IoU）、Hausdorff 距离（Hausdorff distance，HD）等。其中，DSC 常用来表示模型分割与医师手动分割（真实值）的相似度，越接近1，模型效果越好；IoU 是指自动分割与真实值两者交集面积与并集面积之比，同样可用于衡量预测值与真实值的相似性；HD 用于衡量真实值与预测边界之间的最大边界偏差，HD 值越小，分割结果与手动分割边界越接近，常用HD95 值代表95%HD，用以排除5%最大误差，能更稳健地评估分割边界主要轮廓的吻合情况。
Zhang 等纳入4 个医学中心的食管癌CT 影像，建立了1 个深度学习模型用于食管癌GTV 自动分割，结果显示在内部测试集、外部测试集、验证集中DSC 和HD95 的中位数分别为0.865、0.876、0.866 和3.328 mm、2.875 mm、4.333 mm，表明该模型具有良好的GTV 分割效能和泛化性；此外，利用该模型辅助，12 名观察者内和观察者间的勾画差异分别减少了37.4%和55.2%，在缩短勾画时间的同时，也提高了GTV 勾画的效率和一致性。
Xu 等基于CT 影像构建的2.5D CFSF U-Net 模型对食管肿瘤进行分割，模型将影像上下层多尺度自适应特征融合模块和影像上下层交叉融合模块嵌入U-Net的连接层以提高模型的学习能力，前者能融合低级特征与高级特征，增强感兴趣区的边界特征，后者能有效减少影像上下层信息丢失问题；该模型的DSC、IoU、HD95 值分别为0.871、0.797、2.476 mm；此外，与U-Net（DSC：0.847）相比，该模型在肿瘤结构复杂且组织对比度较低的情况下仍表现良好。
Jin等使用一种V-Net 和U-Net 混合模型（VUMix-Net）用于食管癌GTV 的全自动勾画，并从二维和三维水平分别衡量DSC，该模型勾画食管中段肿瘤的3D-DSC 值最高（平均值为0.92±0.05）。值得注意的是，该模型应用于食管不同部位时，在上、中段的2D-DSC 值（平均值分别为0.72±0.16、0.70±0.20）明显高于下段（0.31±0.32），这可能与下段食管毗邻心脏、膈肌等复杂解剖结构有关。
Cao 等使用深度扩张卷积U-Net 建立模型，用于上、中段食管癌切除术后病人放疗CTV 的自动勾画，该模型能综合分析影像上下层信息，防止靶区勾画过程中信息丢失问题。结果显示该模型具有较好的分割能力（平均DSC 为0.867），分割效能优于U-Net（平均DSC 为0.835）。Wang 等开发了1 个深度学习模型用于分割食管癌病人CTA 影像中食管肿瘤与周围组织，该模型以统一感知解析网络为基本框架，以SwinTransformer 为主网络，Swin Transformer 能提升模型提取肿瘤形态和组织解剖识别的能力；该模型在食管肿瘤、食管、心包、主动脉和转移淋巴结的分割DSC 分别为0.782、0.730、0.966、0.950、0.509，模型对转移淋巴结的分割效果远低于其他结构（食管、心包、主动脉），这可能与其复杂的形态特征和多变的解剖位置有关。
Jin 等构建了一种放疗靶区自动勾画模型用于食管癌放疗中GTV 和CTV 的分割，该模型引入了一种双流链式深度融合框架，实现放疗CT（radiotherapy CT，RTCT）和PET/CT 的影像融合，使RTCT 的解剖结构信息和PET/CT 的功能代谢信息互补，从而对GTV 的准确分割；该模型还引入空间上下层编码模块，将GTV、受累淋巴结与危及器官的三维空间关系编码为可量化的特征图，能够模拟医师勾画效果。结果显示该模型分割GTV 和CTV 的平均DSC 分别可达0.790 和0.826。
2.2 预测淋巴结转移
淋巴结转移的数量和位置是影响食管癌预后及生存率的重要因素。准确识别病人的淋巴结转移情况对于手术策略的制定和临床决策尤为重要。基于CT 的深度学习技术目前已用于预测食管癌淋巴结转移。Ding 等通过整合术前CT 影像特征和临床参数，利用特征级注意力图神经网络（feature-wise attentional graph neuralnetwork，FAGNN）构建了用于预测ESCC 病人区域淋巴结转移的模型，结果发现基于CT 影像的FAGNN模型、基于CT 影像和临床特征的FAGNN 联合模型的诊断效能（AUC 分别为0.853、0.872）均优于影像组学-临床参数联合模型（AUC：0.846）和影像组学模型（AUC：0.797）。
Chen 等构建了1 个结合传统影像组学（handcrafted radiomics，HCR）特征、基于深度学习的影像组学（deep learning-based radiomics，DLR） 特征和临床特征的联合模型预测术前食管癌病人的淋巴结状态，并与其他模型进行比较；研究基于3 种不同机器学习方法分别建立了3 类模型：模型1（影像组学模型）、模型2（模型1+DLR）、模型3（模型2+临床特征），结果发现基于随机森林（randomforest，RF）的模型3（RF-模型3）预测淋巴结转移效能最高，AUC 值可达到0.80，高于RF-模型1 和RF-模型2（AUC 分别为0.74、0.79），提示联合多种特征的模型预测能力更高。
Wu 等从411 例食管癌病人的CT 影像中提取HCR 特征、计算机视觉特征和DLR 特征，并将CT 报告的淋巴结状态作为关键临床特征，构建不同模型预测ESCC 术前淋巴结转移，结果显示模型3（结合CT 报告的淋巴结状态+HCR+计算机视觉特征+DLR）在外部验证集中的C指数为0.840，比模型1（CT 报告的淋巴结状态+HCR）和模型2（模型1＋计算机视觉特征）的效能（C 指数分别为0.728、0.791）更高，提示加入DLR特征后，模型的预测效能可以获得较大的提高。
Yuan等基于PET/CT 影像建立了深度学习-影像组学-临床联合模型用于预测术前食管癌病人颈部淋巴结转移，该研究使用ResNet50 网络架构提取深度学习特征，并与影像组学特征、临床特征以不同组合方式共生成7 个不同模型（包括单一特征模型、双特征组合模型、联合模型）。结果显示联合模型效能最高，内部验证集、外部验证集AUC 分别为0.955、0.916。
3. 深度学习在食管癌疗效和预后评估中的应用
3.1 预测治疗效果
放化疗是食管癌常用的治疗方法，由于不同病人对放化疗的敏感性存在差异，使得治疗效果也各不相同。因此，早期、准确判断食管癌病人对放化疗的治疗效果有助于临床医生对治疗方案进行调整辅助个性化治疗。深度学习能从影像中提取有关肿瘤生物学特性的重要信息，用于放化疗治疗效果的预测。Hu 等基于增强CT 构建深度学习模型用于预测ESCC 病人NCRT 的病理完全缓解（pathological complete response，pCR），该研究使用不同CNN 模型提取深度学习特征，采用SVM 作为分类器进行特征筛选并建立模型，结果显示基于ResNet50 的SVM 模型（RN-SVM 模型）诊断效能（AUC 为0.805）优于传统影像组学模型（AUC为0.712）。
Li 等前瞻性地纳入了9 家医院的胸段食管癌病人，建立三维深度学习模型（3 dimensionaldeep-learning radiomics model，3D-DLRM）用于预测食管癌病人同步放化疗的治疗反应，结果显示3DDLRM具有较好的预测效能，验证集中的AUC 为0.833。该研究进一步构建临床模型（candidateclinical factor model，CCFM）和3D-DLRM 相结合的联合模型，其预测效能（AUC 为0.861） 高于3DDLRM、CCFM（AUC 分别为0.833、0.605）；该联合模型在不同照射治疗模式（大视野和受累视野）和不同照射剂量（50.4 Gy 和59.4 Gy） 的亚组分析中，AUC 值均>0.8，表明该联合模型具有较高预测效能的同时也具有良好的稳健性。
Xie 等通过预训练ResNet50 网络架构并加入注意力机制模块（增强模型对关键影像特征的捕获能力）建立了1 个深度学习模型，该模型对晚期ESCC 放疗疗效的预测效能良好；研究还将该模型与RF 影像组学模型和常规ResNet50 模型进行比较，结果显示该模型预测效能最高（内部验证集中的AUC 为0.802），显著优于RF影像组学模型和普通ResNet50 模型（AUC 分别为0.594、0.770）。
Liu 等开发了一个多模态深度学习影像组学模型预测NCRT 的食管癌病人的pCR，该模型基于治疗前CT、T2WI 和扩散加权成像（DWI）影像分别提取DLR 和HCR 特征，最后纳入基于CT、T2WI、DWI 的DLR 特征和基于CT 的HCR 特征构建联合模型，结果显示该模型在测试集中表现出较高的预测效能（AUC 值为0.868），显著优于单模态模型及临床模型。
3.2 预测总生存期及复发
食管癌病人的预后受到多种因素的影响，大多数病人确诊时已处于晚期阶段且肿瘤具有高度侵袭性特点，3 年生存率较低。准确的生存预测有助于临床医生根据病人的具体情况制定个体化治疗方案。深度学习能对食管癌影像进行分析并提取特征，可用于预测食管癌总生存期的预测。Yang 等利用PET 影像训练CNN网络，以预测548 例不同治疗方式（手术、手术+放疗+化疗、化疗、姑息治疗者分别为141、160、208、39例）的食管癌病人确诊后的1 年生存率，通过调整参数构建的34 层ResNet 模型对其预测效能一般（AUC 为0.738）。
在进一步的随访研究中，模型预测生存时间不足1 年但实际生存时间大于1 年的病人，其5 年生存率为32.6%，远低于预测且实际生存时间大于1 年的病人（5 年生存率为50.5%）。Wang等提取154 例食管癌病人CT 影像的HCR 特征和DLR 特征，通过LASSO 回归筛选特征后，将DLR、HCR 和临床因素相结合构建DLR 列线图模型，用于预测病人接受放化疗后3 年总生存率，并与传统影像组学模型相比较，结果发现DLR 列线图模型的预测效能（AUC 为0.942）优于HCR 模型（AUC 为0.665）；该研究还对DLR 列线图模型各变量进行方差膨胀因子检验，发现特征之间不存在严重共线性，HCR 特征和DLR 特征能从不同角度反映肿瘤特征。
Gong 等在预测接受根治性放化疗的ESCC病人局部无复发生存期的研究中构建了3 个独立模型（临床模型、HCR 模型、DLR 模型）和4 个联合模型（HCR+DLR、HCR+临床特征、DLR+临床特征、HCR+DLR+临床特征），并对其进行比较，结果显示HCR+DLR+临床特征构建的联合模型效能最佳。其内外验证集的C 指数分别达到0.78 和0.76，优于HCR+临床特征联合模型、HCR+DLR 联合模型（外部验证集中C 指数分别为0.66、0.74）。该研究表明，融合深度学习特征、影像组学特征及临床因素的联合模型在预测食管癌生存率方面优于单一模型。深度学习特征和影像组学特征能从不同角度反映肿瘤特征，有助于食管癌生存期的预测。
来源：庞彩凤,唐钰清,王思宇,等.基于CT的深度学习在食管癌诊疗中的研究进展[J].国际医学放射学杂志,2025,48(04):448-453.DOI:10.19300/j.2025.Z22188.
我要投稿
