自动预测肝动脉输液化疗响应在先进的肝细胞癌与深度学习放射性名ogram
Ziming Xu1, Chao An2, Feng Shi3
1Center for Biomedical Imaging Research, Department of Biomedical Engineering, School of Medicine, Tsinghua University, No. 30 Shuangqing Road, Haidian District, Beijing, 100084, China.
European radiology
|July 27, 2023
概括
一种新的深度学习放射性诺米克图准确地预测了晚期肝细胞癌 (Ad-HCC) 患者对肝动脉输液化疗 (HAIC) 的反应. 这种非侵入性模型有助于选择最佳治疗候选人和个性化护理.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 使用FOLFOX的肝动脉输液化疗 (HAIC) 是晚期肝细胞癌 (Ad-HCC) 的关键治疗方法.
- 在手术前预测患者对HAIC的反应至关重要,但具有挑战性.
- 开发非侵入性预测模型对于个性化治疗策略至关重要.
研究的目的:
- 开发一种自动的,非侵入性的深度学习放射性名图 (DLRN),用于预测Ad-HCC患者对HAIC的客观反应 (OR).
- 评估DLRN在预测HAIC反应方面的表现及其对生存风险分层的能力.
- 在Ad-HCC管理中提供个性化治疗前决策的工具.
主要方法:
- 在三家医院进行HAIC的458名Ad-HCC患者的回顾性分析.
- 从对比度增强计算机断层扫描 (CECT) 图像上自动分割的肝脏区域中提取深度学习和放射性特征.
- 通过整合深度学习得分,放射性特征和临床变量来构建DLRN,使用AUC和Kaplan-Meier分析进行验证.
主要成果:
- DLRN实现了高预测性能,AUC为0.988 (训练),0.915 (内部验证) 和0.896 (外部验证).
- 与其他模型相比,该模型在预测HAIC反应方面表现出卓越的准确性.
- 根据生存风险,DLRN成功地对患者进行了分层,预测反应组之间的总生存 (OS) 有显著差异 (26.0 vs 12.3 个月).
结论:
- DLRN提供了一种高度准确和自动化的方法,用于预测Ad-HCC中的HAIC反应.
- 该模型有助于识别适合HAIC的候选人,并支持个性化治疗决策.
- 对于生存风险分层和优化Ad-HCC患者管理来说,DLRN是一个有价值的工具.
