基于对比增强CT的肝细胞癌的巨型-巨型亚型:深度学习优于机器学习
Lulu Jia1, Zeyan Li2, Gang Huang3
1The First Clinical Medical College of Lanzhou University, Lanzhou, China.
Insights into imaging
|August 28, 2025
概括
一种新的深度学习模型使用CT扫描准确预测肝细胞癌 (HCC) 的巨型 (MTM) 亚型. 这种先进的工具超越了传统的机器学习, 帮助HCC患者做出临床决策和个性化治疗.
科学领域:
- 放射学和医学成像
- 医学的人工智能
- 癌症学
背景情况:
- 肝细胞癌 (HCC) 是一种主要的肝癌,具有不同的亚型,影响预后和治疗.
- 对于有效的临床治疗,准确的非侵袭性HCC亚型,如巨大型 (MTM) 亚型至关重要.
- 目前的诊断方法可能需要侵入性手术,强调需要基于图像的先进预测工具.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,用于使用对比增强计算机断层扫描 (CT) 图像预测高血压瘤的MTM亚型.
- 将开发的DL模型的诊断性能与传统的机器学习 (ML) 模型和基线DL方法进行比较.
- 探索整合临床参数与DL模型的潜力,以提高MTM亚型的预测.
主要方法:
- 从两个医疗中心收集了368名HCC患者的对比度增强CT数据.
- 基于ResNet-50架构的新型DL网络ResNet-ViT对比学习 (RVCL) 的开发.
- 对RVCL与基线DL和ML模型进行比较分析,使用接收器操作特征曲线下的面积 (AUC) 进行性能评估.
主要成果:
- 在外部测试组中,RVCL模型在MTM亚型预测上取得了0. 93的优异AUC,显著超过了基线DL (AUCs 0. 46- 0. 72) 和ML模型 (AUCs 0. 49- 0. 60).
- 与RVCL模型相结合的Alpha-Fetoprotein (AFP) 没有在统计学上显著地改善诊断性能.
- 在预测MTM亚型时,RVCL模型表现出强大的准确性.
结论:
- 与RVCL深度学习模型相结合的对比增强CT提供了一个准确的方法来预测HCC的MTM亚型.
- 该RVCL模型代表了对HCC亚型的传统ML技术的重大进步.
- 这种人工智能驱动的方法为临床决策提供了宝贵的工具,并可以指导HCC管理的个性化治疗策略.
