在TIPS之前预测明显的肝脑病变的3D自动肝评估:一项多中心研究

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗成像医学成像
• 预测建模预测建模

背景情况:

• 开放性肝脑病变 (HE) 需要进行手术前预测,以获得最佳的跨内肝移植系统 (TIPS) 候选人选择.
• 目前的方法可能无法完全识别患有TIPS后明显HE风险的患者.

研究的目的:

• 开发和验证使用3D肝脏和脏评估对TIPS后公开HE的预测模型.
• 将基于3D模型的有效性与传统的2D和临床因素进行比较.

主要方法:

• 一项多中心队列研究,涉及487名接受TIPS治疗的患者.
• 使用机器学习技术开发四个模型 (临床,2D,3D,组合).
• 对模型的区分和校准进行外部验证.

主要成果:

• 与2D模型相比,3D模型在训练和验证数据集中显示出更高的区别.
• 结合临床和3D因素的组合模型实现了最高的预测性能 (验证时AUC为0.816).
• 最佳模型的性能与 bilirubin,Child-Pugh 评分,氨或 TIPS 指标无关.

结论:

• 肝脏和脏的三维 (3D) 评估为预测TIPS后明显的HE提供了有价值的数据.
• 开发的基于3D模型增强了TIPS适合候选人的识别.
• 3D评估技术对未来的肝硬化相关研究有希望.