基于双参数磁共振成像的放射学和深度学习模型,用于预测肝细胞癌中的Ki-67风险分层
1Department of Gastroenterology, Third Affiliated Hospital of Soochow University, Changzhou 213003, Jiangsu Province, China. zuoxueyong@outlook.com.
World journal of hepatology
|September 3, 2025
概括
这项研究使用双参数MRI数据开发了一个名录模型,以预测肝细胞癌 (HCC) 患者的高Ki-67风险分层和无复发生存率. 诺姆图表显示出强大的预测性能,有助于更好地管理患者.
科学领域:
- 放射学和瘤学
- 医学的人工智能
- 癌症生物标志物
背景情况:
- 全球肝细胞癌 (HCC) 发病率正在上升,这对临床构成重大挑战.
- 在HCC中,高基-67表达与治疗后复发率的增加和较差的结果相关.
- 目前使用双参数MRI (bpMRI) 预测Ki-67风险分层和无复发生存率 (RFS) 的方法有限.
研究的目的:
- 开发和验证HCC中Ki-67风险分层的预测型号.
- 整合bpMRI的放射学和深度转移学习 (DTL) 签名,以提高预测.
- 评估诺姆图的预测HCC患者的RFS的能力.
主要方法:
- 分析了一组198名具有组织病理学确认和手术前bpMRI的HCC患者.
- 从T2加权和动脉阶段的bpMRI中提取了放射性和DTL特征.
- 一个随机森林算法结合了特征,多变量分析确定了最终的名字模型的预测因素.
主要成果:
- 在预测高基-67风险分层方面,诺米克模型的AUC值为0. 92,超过单独的临床,放射性和DTL模型.
- 非平滑边缘和没有增强囊是高Ki-67风险的独立预测因素.
- 诺米图准确预测RFS,高风险患者的存活时间显著缩短 (33. 53个月与66. 74个月).
结论:
- 开发的诺姆图模型在预测HCC的Ki-67风险分层方面表现强.
- 这种使用bpMRI签名的综合方法为HCC患者的生存提供了有价值的预后信息.
- 纳米图可以帮助临床医生分层HCC患者,并指导治疗决策.
