Точная прогностическая стратификация пациентов с местнораспространённым раком носоглотки (LA-NPC) остаётся клинической проблемой: традиционные клинико-патологические факторы обеспечивают ограниченную точность индивидуальной оценки риска. Хотя окрашенные гематоксилином и эозином (H&E) цифровые гистологические препараты (WSI) содержат богатую морфологическую информацию, их прогностический потенциал при LA-NPC остаётся малоизученным с применением методов компьютерной патологии.
Пациенты со стадией III–IVA LA-NPC из трёх китайских специализированных центров были распределены в обучающую когорту, когорту внутренней валидации и независимую когорту внешнего тестирования. Разработана CLAM-inspired Attention-based MIL-модель (multiple-instance learning) с использованием предтерапевтических H&E-окрашенных WSI с последующей внешней валидацией. Модель сравнивалась с четырьмя альтернативными MIL-архитектурами, использующими различные экстракторы признаков и стратегии объединения. Прогностическую эффективность для 3-летней выживаемости без прогрессирования (PFS) оценивали с помощью time-dependent ROC-анализа, индекса согласованности (C-index), анализа Каплана–Мейера, анализа кривых решений и регрессии Кокса.
Включены 253 пациента, предоставивших 265 WSI: 149 пациентов/160 WSI в обучающей когорте, 52 пациента/53 WSI в когорте внутренней валидации и 52 пациента/52 WSI в независимой когорте внешнего тестирования. В когорте внутренней валидации CLAM-inspired Attention MIL-модель показала AUC 0.883 (95% CI, 0.762–0.969) и C-index 0.802 (95% CI, 0.705–0.884) для предсказания 3-летней PFS. В когорте внешнего тестирования модель достигла AUC 0.721 (95% CI, 0.573–0.849) и C-index 0.710 (95% CI, 0.591–0.819).
Модель значимо стратифицировала пациентов на группы высокого и низкого риска в обеих когортах и продемонстрировала численно более высокие показатели AUC и C-index по сравнению с четырьмя сравниваемыми MIL-архитектурами. Показатель риска был связан с повышенным риском прогрессирования (HR, 1.30; 95% CI, 1.06–1.60; P = 0.0126).
Слабо контролируемая CLAM-inspired Attention MIL-платформа способна извлекать прогностически значимую информацию из рутинных H&E-окрашенных WSI и обеспечивать валидированную внешне стратификацию риска для пациентов с LA-NPC. Этот подход может дополнить традиционную клинико-патологическую оценку и способствовать индивидуализированной прогностической оценке в рамках прецизионной онкологии.