基于MRI的深度学习和放射性诺米克图谱用于预测肝细胞癌在热切除术后六个月内复发
Yao Chen1, Yanan Zhao1, Weiwei Guan1
1Department of Interventional Radiology, The Affiliated Cancer Hospital of Zhengzhou University & Henan Cancer Hospital, Zhengzhou, Henan, People's Republic of China.
Journal of hepatocellular carcinoma
|October 13, 2025
概括
一种新的深度学习-放射学-临床诺米图准确地预测了热切除除后的早期肝细胞癌 (HCC) 复发. 这种基于磁共振成像 (MRI) 的工具有助于在六个月内识别高风险复发的患者.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 热性切除后肝细胞癌 (HCC) 复发是一个临床挑战.
- 准确预测早期复发对于及时干预和改善患者结果至关重要.
- 现有的预测模型可能无法充分利用先进的成像和临床数据.
研究的目的:
- 开发和验证基于磁共振成像 (MRI) 的深度学习 (DL) - 放射学 (Rad) - 临床名录.
- 预测热切割后六个月内HCC的早期复发.
- 为了提高HCC患者风险分层的准确性.
主要方法:
- 对经过动态对比增强MRI的BCLC0-A阶段HCC患者的回顾性分析.
- 使用后勤回归和特征选择技术开发临床,DL得分和Rad得分模型.
- 构建一个结合DL-Rad-Clinical nomogram,整合成像特征,DL分数和临床因素 (LnAFP,低信号病变).
主要成果:
- 在DL-Rad-Clinical nomogram中,在训练组中显示出强大的预测性表现 (AUC = 0.896).
- 在测试组中,与其他模型相比,名图显示出更高的AUC (0.774),表明其潜在的临床实用性.
- 关键预测因素包括Rad分数,DL分数,α-fetoprotein (LnAFP) 的自然对数和多个低信号病变.
结论:
- 开发的DL-Rad-Clinical nomogram有效地识别了在热性废除后六个月内有早期复发风险的HCC患者.
- 这种结合DL,放射学和临床数据的综合方法为HCC管理中的个性化风险评估提供了有前途的工具.
- 需要进一步验证,以巩固其在临床决策中的作用.
