基于深度学习的3D定量总瘤负担预测了切除后BCLC A和B HCC的早期复发
Hong Wei1,2, Tianying Zheng1, Xiaolan Zhang3
1Department of Radiology, Functional, and Molecular Imaging Key Laboratory of Sichuan Province, West China Hospital, Sichuan University, Chengdu, Sichuan, 610041, China.
European radiology
|July 19, 2024
概括
深度学习辅助的MRI准确地预测了肝细胞癌 (HCC) 的早期复发. 由自动细分获得的总瘤负担 (TTB) 改善了巴塞罗那诊所肝癌 (BCLC) 对HCC患者的分期.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 手术后肝细胞癌 (HCC) 复发是一个重大的临床挑战.
- 准确预测早期复发 (ER) 对于优化患者管理和治疗策略至关重要.
- 目前的分期系统可能无法完全捕捉个体的复发风险.
研究的目的:
- 评估MRI上的深度学习 (DL) 辅助的自动化三维定量瘤负担 (TTB),用于预测HCC手术后ER.
- 与现有的临床病理学变量相比,评估DL衍生的TTB的预后值.
- 为了确定DL衍生的TTB是否可以改进巴塞罗那诊所肝癌 (BCLC) 阶段系统.
主要方法:
- 对592名BCLC A和B HCC患者的回顾性分析,这些患者接受了切除和手术前对比度增强的MRI.
- 使用DL工具进行自动细分,以量化总瘤体积和TTB (%).
- 考克斯回归分析以确定ER的临床病理学和TTB参数的预后值.
主要成果:
- 总瘤负担 (TTB) 是ER最重要的预测因素 (HR=2.2,p<0.001).
- 在BCLC A和B阶段内,6.84%的TTB值将患者分为不同的ER风险组 (p<0.001).
- 基于TTB的精细分期 (BCLC An和Bn) 显示了显著不同的2年ER率 (30.5%与58.1%,HR=2.8,p<0.001).
结论:
- DL辅助的TTB自动化MRI评估是预测HCC手术后ER的一个强有力的生物标志物.
- 将TTB纳入BCLC分期系统,可以更精细地对BCLC A和B患者进行分类.
- 这种方法增强了风险分层,可以指导HCC患者的个性化治疗决策.
