使用基于MRI的机器学习方法预测肝细胞癌对辐射细分切除的反应

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 肝细胞癌 (HCC) 是一种主要的肝脏恶性瘤.
• 预测治疗反应对于优化患者结果至关重要.
• 90辐射细分切除术是HCC的一种治疗方式.

研究的目的:

• 评估治疗前基于MRI的放射学对HCC对伊90辐射细分解剖反应的预测价值.
• 为了比较放射学与传统临床参数和AFP水平的性能.

主要方法:

• 对154名HCC患者进行了放射细分切除的回顾性分析.
• 从治疗前对比度增强的MRI (门静脉阶段) 中提取放射性特征.
• 逻辑回归建模用于预测治疗反应 (完整反应与其他反应) 使用放射学,临床参数和AFP.

主要成果:

• 放射学与临床参数/AFP相结合,实现了最高的预测性能 (AUC 0.736).
• 这种组合模型显著优于仅使用临床参数 (AUC 0.531) 或单独使用AFP (AUC 0.632) 的模型.
• 组合模型显示了响应预测的良好的灵敏度 (0.706) 和特异性 (0.662).

结论:

• 治疗前的MRI放射学,与临床数据和AFP集成,为预测HCC对辐射分片切除的反应提供了有价值的工具.
• 这种多式联络方法超过了单靠AFP的预测准确度.
• 建议进行进一步的验证研究来证实这些发现.