评估与HBV相关的肝细胞癌中的微血管入侵:一个在线交互式名录,集成炎症标记物,放射学和卷积神经网络

科学领域:

• 肝细胞癌研究 肝细胞癌研究
• 医学成像和诊断 医学成像和诊断
• 在瘤学瘤学.

背景情况:

• 肝细胞癌 (HCC) 的早期复发显著降低了患者的生存率.
• 微血管入侵 (MVI) 是影响HBV相关HCC的生存和转移的关键因素.
• 准确的MVI手术前预测对于有效的治疗计划至关重要.

研究的目的:

• 开发和验证一个基于网络的名谱,用于在HBV-HCC患者中进行MVI的术前预测.
• 将临床因素,炎症标志物,MRI衍生放射学和深度学习功能整合到预测模型中.
• 为了提高MVI风险分层在HBV-HCC的准确性.

主要方法:

• 一组173名HBV-HCC患者被分为训练 (70%) 和验证 (30%) 组.
• 使用Pyradiomics和3D ResNet来提取MRI签名.
• 拉索回归选择了主要特征,包括血清AFP,AST,NLR,放射学和深度特征,用于名图.

主要成果:

• 中性粒细胞与淋巴细胞的比率 (NLR) 与MRI放射学和深度学习特征呈现出正相关性.
• 结合了NLR和MRI特征的组合模型,与仅使用临床或放射学模型相比,显示出更高的预测性能.
• 组合模型实现了高精度,AUC为0.911 (训练) 和0.907 (验证),C指数为0.926 (训练) 和0.917 (验证).

结论:

• 开发的诺米图有效地预测了手术前HBV-HCC患者个性化的MVI风险.
• 整合基于NLR和MRI的功能显著提高了MVI预测的准确性.
• 该工具提供了一种有价值的非侵入性方法,用于评估MVI风险,指导手术决策和改善患者的治疗结果.