根据动态对比增强超声波放射学,预测T细胞炎症在肝细胞癌中的基因表达特征

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 免疫学 免疫学 免疫学

背景情况:

• T细胞炎症基因表达特征 (GEP) 对于预测肝细胞癌 (HCC) 免疫治疗反应至关重要.
• 准确预测T细胞炎症的GEP对于指导HCC患者的免疫治疗策略至关重要.

研究的目的:

• 开发基于放射学的机器学习模型,使用对比增强超声波 (CEUS) 来预测T细胞炎症的GEP在HCC中.
• 评估该模型在预测T细胞炎症GEP和T细胞透方面的性能和临床实用性.

主要方法:

• 通过使用268名HCC患者的手术前CEUS图像中的5936个特征构建了一个放射学模型.
• 使用最小绝对收缩和选择运算机和物流回归来构建预测模型.
• 该模型的性能使用曲线下的面积 (AUC) 进行评估,并在46名HCC患者的独立队列中得到验证.

主要成果:

• 动脉相 (AP) 放射学模型利用了36个特征,在交叉验证中实现了平均AUC0.905.
• 该模型通过决策和校准曲线分析证明了临床效用.
• 在独立队列中,预测的GEP值与T细胞透水平 (免疫评分) 有显著的相关性.

结论:

• 基于CEUS的放射学建模提供了一种可靠的方法来预测T细胞炎症的GEP在HCC.
• 这种预测工具可以增强HCC患者的个性化免疫治疗决策.