多中心集成MR放射学,深度学习和临床指标,用于预测热消光后肝细胞癌复发的预测
Yandan Wang1, Yong Zhang2, Jincheng Xiao3
1Department of Otorhinolaryngology, Huaihe Hospital of Henan University, Kaifeng, 475000, People's Republic of China.
Journal of hepatocellular carcinoma
|October 7, 2024
概括
一个新的放射学-深度学习-临床数据 (RDC) 模型准确地预测了热切除除后肝细胞癌 (HCC) 复发. 这种综合方法提高了HCC患者的预后评估.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 热性切除后肝细胞癌 (HCC) 复发仍然是一个临床挑战.
- 准确预测HCC复发对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一种创新的预测模型,用于热消光后HCC复发.
- 整合多序MRI放射学,深度学习功能和临床指标,以提高预测准确度.
主要方法:
- 一项回顾性多中心队列研究,涉及535名HCC患者,接受了热废除治疗.
- 从多序3TMR图像中提取放射性特征.
- 使用3D卷积神经网络 (3D CNN) 结合临床数据进行分析.
主要成果:
- 放射学-深度学习-临床数据 (RDC) 模型实现了高预测准确度.
- 曲线下的面积 (AUC) 值为0.794 (培训),0.777 (验证) 和0.787 (测试组).
- 统计分析证实了模型的稳定性和综合特征的重要贡献.
结论:
- RDC模型有效地预测了热废除后的HCC复发.
- 图像分析和临床参数的协同组合为临床决策提供了一个有前途的工具.
- 强调了综合性方法在HCC中预后评估的潜力.
