在肝细胞癌中微血管侵入的手术前评估,采用基于放射性特征的诺姆图:双中心研究
Yuhui Deng1,2, Dawei Yang1, Xianzheng Tan3
1Department of Radiology, Beijing Friendship Hospital, Capital Medical University, Yongan Road 95, West District, Beijing, 100050, China.
BMC medical imaging
|January 27, 2024
概括
这项研究使用增强型CT扫描开发了一个名图,用于预测肝细胞癌 (HCC) 中的微血管入侵 (MVI). 该模型准确地评估了手术前的MVI风险,在CT和MRI成像中显示出良好的临床适用性.
科学领域:
- 肝胆道成像和瘤学.
- 放射学和癌症诊断中的预测建模.
背景情况:
- 微血管入侵 (MVI) 是肝细胞癌 (HCC) 的关键预后因素.
- 精确的MVI手术前评估对于指导治疗决策和改善患者结果至关重要.
研究的目的:
- 开发和验证使用增强CT的放射性特征用于HCC中MVI的术前预测的诺米克.
- 在外部验证队列中,使用CT和MRI成像评估开发的诺米图的性能.
主要方法:
- 追溯分析346名HCC患者 (185名培训,90名外部CT,71名外部MRI).
- 后勤回归分析确定了MVI的独立放射和临床预测因素.
- 通过CT和MRI数据集构建了一个名ogram预测模型,并通过外部验证.
主要成果:
- 瘤大小,动脉周增强 (APE),瘤边缘和α-fetoprotein (AFP) 是MVI的显著预测因素.
- 诺米图表表现出良好的预测性能,在训练组中AUC为0.834.
- 外部验证显示了强的性能,CT的AUC为0.794,MRI为0.883,数据集之间没有显著差异.
结论:
- 开发的诺米图准确地预测了手术前的HCC中MVI.
- 该模型显示高精度和临床适用性,在CT和MRI成像方面表现良好.
- 这个工具有助于更好的风险分层和治疗规划HCC患者.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:47Non-Invasive PET/MR Imaging in an Orthotopic Mouse Model of Hepatocellular Carcinoma
Published on: August 31, 2022
2.2K
