使用放射学和深度学习预测肝细胞癌患者早期复发的术前模型:一项多中心研究

科学领域:

• 肝细胞癌 (HCC) 研究研究
• 医学成像和放射学
• 机器学习在瘤学中的应用

背景情况:

• 肝细胞癌 (HCC) 是一种普遍存在的原发性肝癌.
• 废除疗法是早期HCC的主要治疗方法.
• 预测早期复发 (ER) 对治疗策略和患者预后至关重要.

研究的目的:

• 开发一个模型,预测HCC患者在消去后的ER.
• 该模型整合了内和周数据.
• 旨在提高预测准确性和临床实用性.

主要方法:

• 在三个中心对288名HCC患者进行了一项研究.
• 放射学和深度学习被用于特征提取.
• 一个三个步骤的特征选择过程建立了预测模型.

主要成果:

• 使用光梯度增强的组合模型实现了高AUC (0.924训练,0.899内部,0.839外部).
• 该模型包含了内和周区域 (5mm,10mm).
• 校准,DCA和K-M分析证实了模型性能和临床实用性.

结论:

• 使用瘤和周区域 (5mm,10mm) 的综合模型是最有效的.
• 这提供了一种非侵入性,可靠的方法,用于预测HCC切除后的ER.
• 该模型支持精确的治疗计划和增强的患者预后.