根据CT预测肝脏内胆管癌的围神经侵入:多中心研究
Yingyu Lin1, Ziwei Liu2, Jianpeng Li3
1Department of Radiology, First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Abdominal radiology (New York)
|September 1, 2025
概括
机器学习模型使用CT扫描准确预测肝脏内胆管癌 (ICC) 的围神经侵入 (PNI). 这有助于个性化治疗肝癌患者的决定.
科学领域:
- 肝胆外科手术
- 医学成像
- 在瘤学中的机器学习
背景情况:
- 周围神经侵袭 (PNI) 是肝脏内胆管癌 (ICC) 的关键预后因素.
- 准确的手术前预测PNI具有挑战性,但对于指导治疗策略至关重要.
- 目前用于PNI的诊断方法往往缺乏足够的手术前准确性.
研究的目的:
- 评估在ICC中使用机器学习模型进行术前预测的可行性.
- 识别可预测PNI的关键临床和CT图像特征.
- 开发和验证人工智能驱动的模型,以改善ICC中的PNI预测.
主要方法:
- 一项多机构的研究,涉及199名组织学确认的ICC患者.
- 使用LASSO进行临床和CT图像特征分析以进行特征选择.
- 机器学习模型 (MLP,RF,SVM,LR,XGBoost) 在内部,外部和前性上进行了构建和验证.
主要成果:
- 瘤的位置,胆道扩张和动脉增强模式是PNI的重要预测因素.
- 机器学习模型表现出高预测性能,在训练队列中AUC超过0. 86.
- 在内部,外部和前性验证队列中,模型的性能保持稳健,AUC在0. 72到0. 84之间.
结论:
- 集成CT特征的机器学习模型可以准确地预测ICC中的PNI.
- 这些基于人工智能的预测工具可以为ICC患者提供个性化的临床决策.
- 这些发现表明ML在完善ICC治疗策略中的潜在作用.
