大型言語モデルとGd-EOB-DTPA強化のMRIベースの術後の肝細胞癌のリスク分層システム:マルチセンター研究
Can Yu1, Qi Zhang2, Jia-Xuan Ding1
1Department of Radiology, Harbin Medical University Cancer Hospital, Harbin, China.
European radiology
|February 23, 2026
まとめ
新しい完全自動分層システム (FASS) は,手術後の肝細胞癌 (HCC) リスク予測のための血清バイオマーカー,放射性特性,および大型言語モデル (LLM) の洞察を統合しています.
科学分野:
- 腫瘍学 腫瘍学
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- メディカルイマージング (医学イメージング)
背景:
- 肝細胞癌 (HCC) は,世界的な健康上の大きな懸念事項です.
- 正確な予後予測は,外科的切除後の治療決定を導くために非常に重要です.
- HCCの現在のリスク分層化方法は,しばしば高度なイメージングと意味論分析の統合が欠けている.
研究 の 目的:
- 完全に自動化された層分化システム (FASS) の開発と検証.
- 血清バイオマーカー,自動化された放射性特性,および大型言語モデル (LLM) による意味学特性を統合する.
- 肝切除後の単発性HCC患者の予後を予測する.
主な方法:
- 3つのセンターから448人の孤独なHCC患者を遡って登録しました.
- Gd-EOB-DTPA強化MRIによる改造されたMedNeXt-lossフレームワークを使用した自動腫瘍セグメンテーション.
- 特徴抽出のための5つのLLMを比較し,FASS統合のためにChatGPT-4oが選択されました.
- コンコンダンスインデックス,時間依存のROC,意思決定曲線解析を用いた予測モデルの評価.
- RNAの配列と経路の濃縮による生物学的関連性の探求.
主要な成果:
- MedNeXt-lossフレームワークを使用して,堅牢な腫瘍セグメンテーションを達成しました (Dice = 0.77).
- ChatGPT-4oは,意味的特徴抽出のための最適な予測精度と完全性を実証しました.
- アルファフェトプロテイン (AFP),AST,およびLLMによる不規則な差は,全生存率の独立した予測因子として特定されました.
- 統合されたFASSは,高い予後性能 (C指数0.78/0.76) と効果的な患者リスク分層化 (ログランクp <0.05) を達成しました.
- トランスクリプトミア分析は,高リスクグループにおける炎症性およびサイトカインシグナリングの活性化を示した.
結論:
- FASSは,単発性HCCに対する完全に自動化された,解釈可能な,生物学的に情報に基づいた予後評価を提供します.
- このシステムは,肝胆腫瘍学の正確な意思決定をサポートします.
- この自動化されたプラットフォームは,信頼性の高い術後のリスクの階層化を可能にし,高リスク患者の早期発見を支援し,潜在的に結果を改善します.
