用Gd-EOB-DTPA增强的MRI放射学和深度学习模型来预测肝细胞癌中的微血管入侵:一个多中心研究
Zhu Zhu1, Kaiying Wu1, Jian Lu2
1Department of Radiology, The First People's Hospital of Taicang, Affiliated Hospital of Soochow University, Suzhou, Jiangsu, 215400, China.
BMC medical imaging
|April 1, 2025
概括
使用MRI图像的新放射学模型准确地预测肝细胞癌 (HCC) 中的微血管入侵 (MVI). 这种非侵入性方法有助于个性化治疗,并改善HCC患者的治疗结果.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 微血管入侵 (MVI) 是肝细胞癌 (HCC) 早期复发的关键预测因素.
- 加多-乙氧-二乙烯胺五酸 (Gd-EOB-DTPA) 增强的MRI是一种至关重要的成像方式.
- 准确的MVI手术前预测仍然是一个临床挑战.
研究的目的:
- 开发和验证一种新的放射学模型,用于在HCC中进行MVI的术前预测.
- 将双区域特征与传统放射学 (CR) 和深度学习放射学 (DLR) 结合起来,以提高预测.
- 评估模型的性能与传统方法和临床因素相比.
主要方法:
- 从三家医院对304名HCC患者进行了回顾性分析.
- 在多个阶段从Gd-EOB-DTPA增强的MRI中提取内和周放射性特征.
- 使用支持矢量机器开发CR,DLR,CR-DLR和临床放射学 (Clin-R) 模型.
主要成果:
- 与单个区域或单个算法模型相比,双区域CR-DLR模型表现出优异的预测性能.
- 在培训队列中,CR-DLR模型实现了AUC为0.844,准确率为76.9%,灵敏度为87.8%,特异性为69.1%.
- 在测试队列中,CR-DLR模型实现了AUC为0.740,准确度为73.9%,灵敏度为50%,特异性为84.5%.
结论:
- 开发的双区域CR-DLR放射学模型显示了对HCC中MVI的非侵入性手术前预测有很大的潜力.
- 该模型为个性化治疗策略提供了有价值的工具,有可能改善患者的预后.
- 集成先进的放射学和机器学习可以提高HCC医疗成像的诊断准确性.
