ミラノ基準を超えた多パラメトリックMRIベースの機械学習放射学多焦点肝細胞癌の予後モデル:遡及的研究
Xinyue Liang1,2,3, Fei Wu1,2,3, Xinde Zheng1,2,3
1Shanghai Institute of Medical Imaging, Shanghai, People's Republic of China.
Journal of hepatocellular carcinoma
|September 3, 2025
まとめ
機械学習放射学モデルは,ミラノ基準を超えた多焦点肝細胞癌 (MHCC) のリスクの階層化を改善します. これらのモデルにより,全生存率と再発性のない生存率の予測が向上し,患者のアウトカムが改善されます.
科学分野:
- 肝臓・胆管の悪性腫瘍
- 医学画像と放射学
- 腫瘍学における機械学習
背景:
- ミラノ基準を超えた多焦点性肝細胞癌 (MHCC) は,手術前のリスクの正確な分層化に挑戦しています.
- 現存するモデルは,高度なMHCCの予後的な複雑さを完全に捉えることができないかもしれません.
- これらの患者の生存予測を改善するために新しいアプローチが必要です.
研究 の 目的:
- MHCCの手術前リスクの分層化のための機械学習放射学モデルを開発し,検証する.
- MHCCの異なる放射線学に基づく患者のサブタイプを特定する.
- 一般的な基準を超えて,全生存率 (OS) と再発性のない生存率 (RFS) を予測する放射線学の付加価値を評価する.
主な方法:
- ミラノ基準を超えた156人のMHCC患者による多パラメータ型MRI (mpMRI) による遡及的分析.
- 腫瘍と腫瘍周辺部からの放射性特徴の抽出
- 亜型識別のためのスペクトルクラスタリングの適用とリスクスコア生成のための極端なグラデント強化 (XGBoost) -LASSOコックス回帰.
主要な成果:
- 2つの異なる放射線学に基づく患者サブタイプが特定され,1つのサブタイプはOSとRFSが著しく悪化した.
- 放射線学的予測を組み込んだ組み合わせモデルでは,OS予測 (C指数: 0. 712 訓練,0. 710 検証) とRFS予測 (C指数: 0. 735 訓練,0. 698 検証) が改善された.
- 5年後のOS (AUC: 0. 77 訓練,0. 75 検証) とRFS (AUC: 0. 81 訓練,0. 76 検証) の予測性能は良好でした.
結論:
- mpMRIによる特性を統合した機械学習放射学モデルは,ミラノ基準を超えたMHCC患者のアウトカムを効果的に予測します.
- これらのモデルは,従来の方法と比較して,手術前のリスクの階層化を改善しています.
- これらの発見は,高度なMHCCにおける個別化された治療計画のための放射線学の使用を支持する.
