使用治疗前CT图像预测肝细胞癌患者的免疫治疗反应
Ji Hye Min1,2, Pin-Jung Chen3, Touseef Ahmad Qureshi4
1Karsh Division of Gastroenterology and Hepatology, Cedars-Sinai Medical Center, Los Angeles, CA 90048, USA.
Diagnostics (Basel, Switzerland)
|August 28, 2025
概括
在肝癌 (HCC) 中预测免疫治疗反应至关重要. 一个使用肝脏和瘤CT扫描辐射的AI模型显示出可能从治疗中受益的患者的识别.
科学领域:
- 放射学
- 人工智能
- 癌症学
背景情况:
- 预测肝细胞癌 (HCC) 免疫疗法的治疗反应对于个性化医疗至关重要.
- 目前的方法在识别响应者与非响应者方面缺乏准确性.
- 需要新的方法来优化HCC的免疫疗效.
研究的目的:
- 开发和验证人工智能驱动的放射性模型,用于预测HCC的免疫治疗反应.
- 使用治疗前CT扫描功能区分响应者和不响应者.
- 评估结合肝脏和瘤放射学的附加价值,以改善预测.
主要方法:
- 55名接受免疫治疗的HCC患者的回顾性分析 (2016-2023年).
- 从治疗前的CT扫描中提取超过5000个放射性特征 (肝脏和可活性瘤).
- 通过交叉验证评估的两个机器学习模型 (仅肝脏与肝脏和瘤) 的开发.
主要成果:
- 模型1 (肝脏特征) 达到77%的准确度,76%的灵敏度,78%的特异性.
- 模型2 (肝脏和瘤特征) 显示出优异的性能,精度为86%,灵敏度为70%,特异性为94%.
- 约有100个放射性特征被确定为治疗反应的预测.
结论:
- 使用CT衍生的放射性特征的基于AI的模型可以预测HCC的免疫治疗反应.
- 结合肝脏和瘤放射学可以显著提高预测准确度.
- 这种非侵入性方法可以帮助接受免疫治疗的HCC患者进行个性化治疗计划.
