探索2D和3D放射性模型来预测肝细胞癌中的微血管入侵:关于瘤异质性的新观点
Zexin Yin1, Meilong Wu2, Youyao Li2
1Department of Pancreatic Center, Guangdong Provincial Hospital of Chinese Medicine, Guangzhou, Guangdong, China.
Frontiers in oncology
|October 3, 2025
概括
这项研究开发了2D和3D放射学模型,使用CT扫描来预测手术前肝细胞癌 (HCC) 患者的微血管入侵 (MVI). 这些模型显示出有效性,2D模型在纹理特征方面表现出色,3D模型在空间异质性方面表现出色.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 微血管侵袭 (MVI) 是肝细胞癌 (HCC) 的关键预后因素.
- 精确的MVI手术前预测对于指导外科治疗决策和改善患者结果至关重要.
- 目前的MVI评估方法通常依赖于术后病理检查,需要先进的非侵入性预测工具.
研究的目的:
- 开发和比较2D和3D放射学模型,用于使用对比增强CT (CECT) 数据预测HCC患者的MVI.
- 评估放射学特征在捕捉瘤异质性的有效性,以预测MVI.
- 评估机器学习算法与放射学结合用于手术前MVI诊断的性能.
主要方法:
- 分析了一组150名接受CECT和治愈切除的HCC患者.
- 从非对比,动脉相 (AP),门静脉相 (PVP) 和平衡相 (BP) CECT图像中提取了二维 (2D) 和三维 (3D) 放射性特征.
- 使用LASSO进行特征选择,并使用后勤回归和XGBoost构建预测模型,通过AUC评估性能.
主要成果:
- 在单个序列模型中,3D PVP模型实现了最高的AUC (0.876),而2D BP模型显示AUC为0.801.
- 2D多序模型 (AUC = 0.851) 的表现优于3D组合模型 (AUC = 0.811).
- 与单独的临床特征相比,放射学模型的预测性能优越,组合模型的准确性提高. 3D模型的表现并没有明显优于2D模型.
结论:
- 来自CECT的2D和3D放射学模型都对HCC的手术前MVI预测有效.
- 2D放射学在捕捉局部纹理特征方面表现出色,而3D放射学更好地代表了空间异质性.
- 这些发现支持放射学的临床应用和标准化,以改善HCC管理中的MVI预测.
