基于CT的深度学习放射学评分系统用于预测肝细胞癌患者重复TACE的预后:一个多中心队列研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 肝细胞癌 (HCC) 是一个主要的全球健康问题.
• 通过动脉化学栓塞 (TACE) 是对不可切除的HCC的标准治疗方法.
• 预测TACE后的治疗反应和存活率对于患者管理至关重要.

研究的目的:

• 开发一种新的再治疗评分系统,用于识别可能从进一步TACE中受益的HCC患者.
• 为预测构建和验证一个结合深度学习和放射学模型.

主要方法:

• 从三个中心对310名HCC患者进行了回顾性分析.
• 从CT图像中开发深度学习 (DL) 评分和放射学特征.
• 使用SelectKBest和LASSO回归进行特征选择.
• 跨培训,验证和外部测试队伍的模型验证.

主要成果:

• 最优的组合模型 (HBsAg,5个放射学特征,DLscore) 在整个队列中实现了高AUC (0.760.97).
• 开发的评分系统 (HRD评分) 显示了良好的校准和临床效用.
• 人力资源发展得分显著预测了整体存活率 (OS),并且表现优于传统得分 (ART,ABCR).

结论:

• 深度学习和放射学在预测TACE重复治疗的HCC患者的OS方面表现有希望.
• 人力资源发展得分是一个有价值的,智能预测工具,优于现有的传统评分系统.