英国牛津大学与布里斯托大学联合开展的一项多中心研究，基于临床数据、内镜图像和分子生物标志物，开发出一种可预测巴雷特食管患者发生高级别异型增生或食管腺癌风险的多模态深度学习模型。在内部验证中，该模型的曲线下面积（AUC）达到0.84，显著优于现有临床风险评分。相关成果已发表于《肠道》。

巴雷特食管是食管腺癌最重要的癌前状态，患者食管下段黏膜出现异常细胞，长期存在进展为高级别异型增生乃至食管腺癌的风险。食管腺癌预后极差，五年生存率约为15%，早期发现和干预对于改善患者结局至关重要。

然而，巴雷特食管患者总体进展率较低，大多数患者终身不会发展为癌症，这使得识别真正高危个体成为临床难题。目前临床实践中，患者需要定期接受内镜监测，这不仅占用大量医疗资源，也给众多实际低风险患者带来不必要的侵入性检查负担。

研究团队整合了三类数据构建预测模型：其一为临床数据，包括年龄、性别、体重指数、巴雷特食管节段长度和Barrett上海分类等指标；其二为内镜图像，通过深度卷积神经网络提取特征；其三为分子生物标志物，包括DNA倍性分析、p53免疫组化及细胞周期蛋白A。通过后期特征融合策略将上述数据整合，构建出综合预测模型。

研究纳入了来自英国多个中心的巴雷特食管患者数据，所有患者均接受内镜监测并经组织病理学确认为非异型增生或低级别异型增生状态，研究终点为进展至高级别异型增生或食管腺癌。

内部验证结果显示，多模态模型AUC达0.84，显著优于当前临床广泛使用的Bristol巴雷特预后评分（B3分）。在95%灵敏度的预设阈值下，多模态模型特异度达56%，意味着可对逾半数低风险患者减少不必要的密集监测，同时保持对高风险患者的高度灵敏。

研究人员还对各类数据模态的独立预测价值进行了评估，发现分子生物标志物和内镜图像各自均具有独立的预测贡献，三类数据的整合显著优于任何单一模态。

研究人员强调，目前的模型仍需在前瞻性多中心队列中进行外部验证，并评估其在真实临床环境中的实施可行性。分子生物标志物检测在部分中心尚未普及，如何在缺乏完整多模态数据时保持模型性能，是后续研究需要解决的关键问题。研究团队表示，正在筹备外部验证研究，以期推动这一工具进入临床转化阶段。

参考文献：Aytac Kadir Mutlu et al, Topographically organized dorsal raphe activity modulates forebrain sensory-motor representations and contributes to defensive behaviors, Nature Communications (2026). DOI: 10.1038/s41467-026-75490-y

编辑：周敏

排版：李丽