通过人工智能自动生成肝脏虚拟模型:用于肝脏切除复杂性预测的应用
Omar Ali1,2,3,4, Alexandre Bône1, Caterina Accardo5,6
1Guerbet Research, Villepinte, 93420, France.
Annals of surgery
|April 11, 2025
概括
这项研究引入了一种人工智能工具,该工具只使用手术前CT扫描来预测手术内肝切除复杂性 (LRC). 人工智能模型准确预测手术难度,优于人类外科医生,有助于瘤外科手术规划.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 医学中的人工智能
背景情况:
- 肝切除 (LR) 是肝癌的主要治疗方法,但高死亡率/发病率仍然存在.
- 目前用于分类肝切除复杂性的方法 (LRC) 不考虑由疾病引起的3D解剖复杂性.
研究的目的:
- 开发和验证一种人工智能驱动的工具,用于预测仅使用手术前CT扫描的手术内肝切除复杂性 (LRC).
- 创建一个新的解剖学框架来评估基于肝脏中心区 (HCZ) 的外科复杂性.
主要方法:
- 在患者CT扫描上使用深度学习生成3D器官,瘤和血管模型.
- 开发了一条自动化管道来定义HCZ并量化瘤的接近程度.
- 在145名HCC患者身上训练了一种AI模型来预测LRC,将其性能与外科医生的预测进行比较.
主要成果:
- 精确的3D重建和HCZ生成 (子得分82±4.6%) 得到了实现,即使在异常血管系统.
- 与外科医生相比,人工智能模型显示出更高的LRC预测准确度 (79.4±3.4%) 和AUC (85.1±3.2%) .
- 自动化管道成功处理了145名HCC患者的队列.
结论:
- 一个自动化的数字工具从手术前的CT扫描中准确地预测了手术内LRC.
- 这项技术为瘤外科手术规划和患者转诊提供了创新潜力.
- 该工具可以根据预测的外科复杂性帮助将患者引导到专门的医疗中心.
