基于放射学的机器学习用于预测肝细胞癌中对免疫检查点抑制剂的反应:系统性审查和元分析
Wen-Qing Liang1, Chongze Yang2, Lan-Hui Qin1
1Department of Radiology, the First Affiliated Hospital of Guangxi Medical University, Nanning 530021, Guangxi Zhuang Autonomous Region, PR China (W-q.L., C.Y., L-h.Q., M-n.L., J-y.L.).
Academic radiology
|July 24, 2025
概括
放射学机器学习模型显示出预测肝细胞癌 (HCC) 对免疫检查点抑制剂 (ICI) 治疗反应的强大潜力. 需要进一步的研究来完善这些方法,以便更广泛的临床应用.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 免疫检查点抑制剂 (ICI) 对于肝细胞癌 (HCC) 系统治疗至关重要.
- 放射学提供了定量成像功能,用于预测治疗结果.
- 预测HCC患者对ICI的反应仍然是一个临床挑战.
研究的目的:
- 评估基于放射学的机器学习模型对HCC的ICI治疗反应的预测准确度.
- 用多项研究的汇总数据评估放射学模型的性能.
主要方法:
- 在2025年2月之前对主要数据库进行系统的文献搜索.
- 使用双变的随机效应模型对9项研究中的11个队列进行元分析.
- 计算聚合的灵敏度,特异性,概率比率和AUC,以获得预测准确度.
主要成果:
- 聚合灵敏度:0.83,特异性:0.79,AUC:0.88.88. 这是一个很大的问题.
- 放射学模型在HCC中显示了ICI响应的显著预测性能.
- 结果的异质性与成像模式,建模变量,数据源和验证方法有关.
结论:
- 基于放射学的机器学习模型在预测HCC的ICI治疗反应方面显示出有希望的有效性.
- 进一步的研究对于优化放射学方法至关重要.
- 建议在更大的多中心队列中进行验证,以确认发现.
