使用非对比CT和深度学习人工智能检测肝细胞癌的机会性检测
Chengzhi Peng1, Philip Leung Ho Yu2, Jianliang Lu1
1Department of Medicine, School of Clinical Medicine, The University of Hong Kong, Hong Kong.
Journal of the American College of Radiology : JACR
|March 5, 2025
概括
使用非对比CT扫描的人工智能模型显示,它有望检测肝细胞癌 (HCC). 这种AI方法为放射科医生提供了可比的准确性,有助于早期的HCC查.
科学领域:
- 肝病学和医学成像学
- 在瘤学中使用人工智能
- 放射学和诊断成像 放射学和诊断成像
背景情况:
- 肝细胞癌 (HCC) 是全球健康面临的重大挑战,强调需要有效的早期检测策略.
- 使用现有成像数据的机会性查,特别是非对比计算断层扫描 (CT),对于HCC诊断仍未得到充分探索.
- 开发先进的AI工具对于提高HCC检测的诊断效率和准确性至关重要.
研究的目的:
- 开发和验证一种人工智能 (AI) 算法,用于仅使用非对比CT扫描检测肝细胞癌 (HCC).
- 与专家放射学解释相比,评估AI模型的性能.
- 调查人工智能驱动的非对比CT分析对机会性HCC查的潜力.
主要方法:
- 一个3D卷积块注意力模块 (CABM) 模型被开发和训练在非对比多相CT扫描.
- 患者数据包括2223名患者进行内部验证,584名患者进行外部测试,HCC诊断通过既定指南和12个月临床复合参考标准得到确认.
- 放射学解释和肝脏成像报告和数据系统 (LI-RADS) 的注释用于比较和验证.
主要成果:
- 在内部验证中,CABM模型在接收器操作曲线 (AUC) 下的面积为0.807,与放射科医生 (AUC 0.851) 相比.
- 在外部测试中,该模型显示AUC为0.789,表明强大的通用性.
- 人工智能模型在各种患者亚组中显示出有前途的表现,包括具有明确的HCC,不确定的扫描和小病变 (<2厘米) 的患者.
结论:
- 开发的CABM AI模型的诊断准确度与放射科医生在内部验证中的诊断准确度相当.
- 对非对比CT扫描的AI分析具有显著的潜力,可以作为肝细胞癌的机会性查工具.
- 需要进一步的研究和验证,以将AI整合到常规临床实践中,以检测HCC.
