虚拟MR弹性学和多b值DWI模型用于预测单独BCLC甲期肝细胞癌中微血管入侵
Zhaowei Chen1, Yongjian Zhu1, Leyao Wang1
1Department of Diagnostic Radiology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China (Z.C., Y.Z., L.W., R.C., B.F., W.C., M.L., D.L., S.W., M.H., Y.M., X.M., X.Z.).
Academic radiology
|December 6, 2024
概括
虚拟MR弹性图 (vMRE) 显示出预测早期肝癌中微血管入侵 (MVI) 的前景. 结合vMRE,扩散成像和临床因素的组合名录显著提高了MVI预测的准确性.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 肝细胞癌研究 肝细胞癌研究
背景情况:
- 微血管入侵 (MVI) 是早期肝细胞癌 (HCC) 的关键预后因素.
- 准确预测MVI对于治疗规划和改善患者结果至关重要.
- 目前的诊断方法在手术前可靠检测MVI方面存在局限性.
研究的目的:
- 评估虚拟MR弹性图 (vMRE) 在预测巴塞罗那诊所肝癌 (BCLC) 阶段A HCC (≤5.0厘米) 的MVI中的有效性.
- 开发一种结合vMRE,多b值扩散加权成像 (DWI) 模型和临床放射学 (CR) 特性用于MVI预测的预测性名ogram.
主要方法:
- 预期收集来自患者的数据,这些患者因疑似HCC而接受多个b值DWI.
- 从vMRE,单指数,intravoxel不连贯运动和扩散曲解成像模型中提取定量参数.
- 多变量逻辑回归分析以识别独立的MVI预测器并构建预测模型,包括组合MRI_Score和名ogram.
主要成果:
- 来自vMRE的基于扩散的剪切模量 (μDiff) 显示MVI预测的AUC为0.735.
- 开发的MRI_Score,结合真射系数 (D),平均度 (MK) 和μDiff,实现了0.840.的AUC.
- 结合了AFP,冠状增强,瘤囊,TTPVI和MRI_Score的组合诺米图,显著改善了MVI预测,AUC为0.931.
结论:
- vMRE显示出在BCLC阶段A HCC中预测MVI的巨大潜力.
- 通过整合CR特征,vMRE和定量扩散参数,组合的名图为MVI提供了卓越的预测准确性.
- 这种名图可以帮助临床医生为HCC患者选择最佳的治疗策略.
更多相关视频
06:09Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
1.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K