基于纵向MRI的预测,根据深度学习方法,预测热切除除后肝细胞癌的早期复发
1Department of Ultrasound, The Third Affiliated Hospital of Sun Yat-Sen University, Guangzhou, People's Republic of China.
The oncologist
|March 20, 2025
概括
一个使用纵向MRI的深度学习模型准确地预测了热切除术后肝细胞癌 (HCC) 患者的早期复发. DL_Clinical模型有效地根据风险对患者进行分层,帮助治疗决策.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 肝细胞癌研究 肝细胞癌研究
- 在瘤学瘤学.
背景情况:
- 早期复发 (ER) 预测对于改善肝细胞癌 (HCC) 患者的预后至关重要.
- 目前的方法需要改进,以便在TA后准确预测ER.
研究的目的:
- 开发和验证使用纵向磁共振成像 (MRI) 进行深度学习 (DL) 模型系统,用于预测TA后HCC患者的ER.
- 将DL模型签名与临床变量集成在一起,以提高风险分层.
主要方法:
- 从2014年至2017年接受TA的289名HCC患者的回顾性招募.
- 使用手术前和纵向MRI数据开发两个DL模型 (手术前和术后).
- 创建一个集成的DL_Clinical模型,将PrePost模型签名与临床变量结合起来,用于风险分层.
主要成果:
- DL_Clinical模型在外部测试队列中表现优异,AUC为0.740,超过临床 (0.571),预 (0.648) 和预后 (0.689) 模型.
- 通过DL_Clinical模型分层的高风险和低风险组之间观察到无复发生存 (RFS) 的显著差异 (P=.04).
结论:
- 基于纵向MRI的深度学习模型,特别是PrePost模型,在预测HCC的废除后ER方面表现出色.
- DL_Clinical模型有效地将HCC患者分为高风险和低风险组,支持治疗和监测策略的临床决策.
