在肝细胞癌患者治疗切除后无复发生存的基于放射学预测模型
Jinfeng Cui1, Zhongkun Lin1,2, Xiaojuan Huang1
1Department of Oncology, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, People's Republic of China.
Journal of hepatocellular carcinoma
|August 12, 2025
概括
一个新的放射学模型准确地预测了手术后肝细胞癌 (HCC) 患者的无复发生存期 (RFS). 该工具有助于识别高风险个体,以定制临床决策.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 在瘤学瘤学.
背景情况:
- 手术后复发是治疗切除后肝细胞癌 (HCC) 管理的一个重大挑战.
- 预测无复发生存率 (RFS) 对于优化患者管理和治疗策略至关重要.
研究的目的:
- 开发和验证基于放射学的RFS预测模型,用于治疗切除的早期HCC患者.
- 整合放射学特征与临床和生化参数,以提高复发风险预测.
主要方法:
- 追溯分析184名经过治愈切除的早期HCC患者.
- 从CT成像特征开发放射性评分 (Rad-score),结合临床和生化数据 (LDH, AFP).
- 构建一个COX比例危险模型和预测复发风险的诺米克图,并通过单独的培训和测试集进行验证.
主要成果:
- 确定了Rad-score,乳酸脱酶 (LDH) 和α-fetoprotein (AFP) 作为RFS的独立预测因素.
- 基于放射学的模型表现出强大的预测性能,AUC值为0.765 (训练) 和0.920 (验证) 在3年RFS.
- 患者被分为不同的风险组,在低风险组中观察到显著延长的RFS.
结论:
- 开发的术后预测模型有效地识别了在HCC切除后复发高风险的患者.
- 这种基于放射学的名图是指导临床治疗决策和改善患者查的宝贵工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
194
