深度细分基于特征的放射学改善了肝细胞癌的复发预测
Jifei Wang1, Dasheng Wu2,3, Meili Sun4
1Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
BME frontiers
|October 18, 2023
概括
一个新的基于特征的深度语义细分放射学 (DSFR) 模型预测了手术后肝细胞癌 (HCC) 的早期复发. 将这种模型与临床数据相结合,可以提高预测准确度,帮助HCC患者做出治疗决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 治疗切除后肝细胞癌 (HCC) 的早期复发 (ER) 显著影响患者的结果.
- 准确预测ER对于优化治疗策略和对HCC患者的监测至关重要.
研究的目的:
- 开发和验证一个基于特征的深度语义细分放射学 (DSFR) 模型,使用手术前对比增强计算机断层扫描 (CECT) 来预测单个HCC的ER.
- 评估将DSFR模型与临床信息 (DSFR-C模型) 结合起来,以提高ER预测的附加值.
主要方法:
- 一项回顾性研究涉及208名患者,在治疗切除后单次HCC,分为开发和验证队列.
- 基于不同CECT阶段的DSFR模型的开发,选择最佳的门户阶段模型.
- 将最佳的DSFR模型与临床数据集成,以创建DSFR-C模型和用于无复发生存期 (RFS) 预测的集成名录.
主要成果:
- 基于门阶段的DSFR模型显示出良好的预测性能 (AUC:0.740在开发中,0.717在验证中).
- DSFR-C模型实现了更高的AUC (0.782在开发中,0.744在验证中).
- 综合名图显示了RFS预测的强表现 (C指数:0.748和0.741;时间依赖的AUC:0.823和0.822).
结论:
- 基于CECT的DSFR是一种可行的工具,用于预测治疗切除后单个HCC的早期复发.
- 将DSFR与临床信息相结合显著提高了ER的预测,为患者管理提供了宝贵的见解.
