Modelo de lenguaje grande y sistema de estratificación de riesgo basado en resonancia magnética mejorado con...

Área de la Ciencia:

• Oncología Oncología.
• La inteligencia artificial es la inteligencia artificial.
• Imágenes médicas de imágenes médicas.

Sus antecedentes:

• El carcinoma hepatocelular (HCC) es una preocupación importante para la salud mundial.
• La predicción precisa del pronóstico es crucial para guiar las decisiones de tratamiento después de la resección quirúrgica.
• Los métodos actuales de estratificación del riesgo para HCC a menudo carecen de integración de imágenes avanzadas y análisis semántico.

Objetivo del estudio:

• Desarrollar y validar un sistema de estratificación totalmente automatizado (FASS).
• Para integrar biomarcadores séricos, características radiómicas automatizadas y características semánticas derivadas del modelo de lenguaje grande (LLM).
• Para predecir el pronóstico en pacientes con HCC solitario después de la resección hepática.

Principales métodos:

• Inscripción retrospectiva de 448 pacientes aislados con CHC de tres centros.
• Segmentación automática del tumor utilizando un marco de pérdida de MedNeXt modificado en una resonancia magnética mejorada con Gd-EOB-DTPA.
• Comparación de cinco LLMs para la extracción de características, con ChatGPT-4o seleccionado para la integración de FASS.
• Evaluación del modelo pronóstico utilizando el índice de concordancia, el ROC dependiente del tiempo y los análisis de la curva de decisión.
• Exploración de la relevancia biológica a través de la secuenciación del ARN y el enriquecimiento de la vía.

Principales resultados:

• Se logró una segmentación robusta del tumor (Dice = 0.77) utilizando el marco de pérdida de MedNeXt.
• ChatGPT-4o demostró una precisión y integridad predictivas óptimas para la extracción de características semánticas.
• El margen irregular derivado de alfa-fetoproteína (AFP), AST y LLM se identificó como predictores independientes de la supervivencia general.
• El FASS integrado logró un alto rendimiento pronóstico (índice C 0.78/0.76) y una estratificación efectiva del riesgo del paciente (log-rank p < 0.05).
• El análisis transcriptómico indicó activación de la señalización inflamatoria y de las citoquinas en el grupo de alto riesgo.

Conclusiones:

• FASS proporciona una evaluación pronóstica totalmente automatizada, interpretable y biológicamente informada para el CCH solitario.
• El sistema apoya la toma de decisiones de precisión en oncología hepatobiliar.
• Esta plataforma automatizada permite una estratificación confiable del riesgo postoperatorio, ayudando a la identificación temprana de pacientes de alto riesgo y potencialmente mejorando los resultados.