EricA.Anyimadu通过Bi-LSTM网络建模，根据407例HNC放疗患者的基线症状数据，预测12个月后口干严重程度，结合层次聚类划分低、中、高症状群组，模型将口干风险预测受试者操作特征曲线的曲线下面积从0.54提升至0.86，高症状群组OR值达3.132，成为核心预测指标。可提前识别高风险患者，指导临床调整放疗方案（如腮腺剂量限制）或加强唾液腺保护，根据动态症状轨迹预测，可进行个性化干预（人工唾液、药物管理优化长期生存质量。
 

Khajetash通过机器学习算法解析多模态数据（CT、MRI影像+剂量学+临床信息），构建放疗毒性预测模型，预测85例HNC患者放疗后口干症的发生风险，从而优化放疗计划，展示了AI技术在多模态影像数据分析中的创新应用。放疗相关性口干症是头颈癌患者常见的严重并发症,其发病机制复杂且影响广泛。近年来的研究为评估和管理提供了新的工具和方法,但仍需进一步优化放疗技术、开发新型治疗策略并加强跨学科合作,以改善患者的预后和生活质量。未来放疗相关性口干症的研究应聚焦于精准放疗技术、生物标志物与预测模型、新型治疗方法及跨学科合作等方向。这些研究方向将推动放疗相关性口干症的精准化、个体化治疗,为患者带来更好的预后和生活质量。
 

出自《放疗相关性口干症的临床挑战与研究进展》作者陈雪,臧晓龙,张晶晶。