术前对比增强型CT用于预测巨型-巨型亚型及其在肝细胞癌的预后意义
Pinxiong Li1,2, Chuanyan Yang2, Liping Pan2,3
1School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China.
Quantitative imaging in medicine and surgery
|November 10, 2025
概括
这项研究开发了一种机器学习模型,使用CT扫描来预测肝细胞癌 (MTM-HCC) 的巨型-巨型亚型. 该模型确定了实质性亡作为一个关键预测因素,有助于早期诊断和预测这种侵略性癌症.
科学领域:
- 肝胆道医学 肝胆道医学
- 放射学 放射学是一门学科.
- 机器学习在瘤学中的应用
背景情况:
- 肝细胞癌 (MTM-HCC) 的巨型肝细胞癌亚型是一种具有不良预后的侵袭性肝癌形式.
- 早期识别MTM-HCC对于有效的治疗计划和改善患者的治疗结果至关重要.
研究的目的:
- 开发一个用于MTM-HCC的诊断预测模型,使用手术前的对比增强计算机断层扫描 (CECT) 功能.
- 利用机器学习 (ML) 算法,提高MTM-HCC检测的诊断准确度.
主要方法:
- 对122名接受CECT和肝切除的HCC患者的回顾性分析.
- 多变量逻辑回归用于识别MTM-HCC的独立预测因子.
- 使用CECT特征和CT直方图分析构建和评估基于ML的预测模型.
主要成果:
- 实质性亡被确定为MTM-HCC的独立预测因子 (OR = 2.23,P=0.04).
- 临床放射组图模型实现了高性能,AUC为0.917 (训练) 和0.853 (测试) 用于MTM-HCC预测.
- 实质性亡与早期HCC复发有显著的关联 (P<0.01).
结论:
- 在CECT上的实质性亡是MTM-HCC的重要预测因子,与早期复发有关.
- 开发的临床放射组图模型显示,使用CECT数据对MTM-HCC的手术前预测有前途.
