在肝细胞癌中进行术前预测封装瘤集群的血管:基于对比增强计算机断层扫描的机器学习模型

科学领域:

• 放射学和成像学 放射学和成像学
• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 封装瘤集群的血管 (VETC) 是肝细胞癌 (HCC) 的一个独特的血管模式.
• VETC是HCC预后不佳的独立风险因素.
• VETC有助于瘤集群进入血液.

研究的目的:

• 开发和验证用于预测HCC中VETC+的手术前名录.
• 使用对比增强计算机断层扫描 (CECT) 进行预测.
• 整合放射学和临床放射学特征.

主要方法:

• 对190名HCC患者进行CECT和免疫化学染色的回顾性分析.
• 内和周区域的放射学分析.
• 机器学习开发一个放射学模型和名ogram.
• 用ROC和决策曲线分析对两个独立的测试集进行验证.

主要成果:

• 结合临床-放射学和放射学特征的放射学名图,在训练和测试组中实现了0.859,0.848和0.757的AUC.
• 与单个特征模型相比,名图显示出更高的临床实用性.
• 13个放射学特征被选中用于构建Rad-score.

结论:

• 一个基于CECT的放射学名图可以有效地识别VETC+ HCC.
• 诺米图集结了临床放射学和放射学特征,以提高预测能力.
• 这种工具显示了改善HCC手术前评估和患者管理的潜力.