多模式深度学习模型用于预测在不可切割的肝细胞癌中基于放射治疗的联合治疗后的预后
Haoming Xia1, Qizhen Huang2, Ziyue Huang3
1Hepato-Pancreato-Biliary Center, Beijing Tsinghua Changgung Hospital, Key Laboratory of Digital Intelligence Hepatology (Ministry of Education), School of Clinical Medicine, Tsinghua Medicine, Tsinghua University, 102218, Beijing, China; Research Unit of Precision Hepatobiliary Surgery Paradigm, Chinese Academy of Medical Sciences, Beijing, China.
一种新的深度学习模型,TRIM-uHCC,准确地分层了接受基于外部光束放射治疗 (EBRT) 的不可切除的肝细胞癌 (uHCC) 患者. 这种先进的模型比目前的标准提高了预后预测,有助于个性化治疗决策,以获得更好的生存结果.
科学领域:
- 肝胆瘤学 肝胆瘤学
- 辐射疗法 辐射疗法
- 人工智能在医学中的应用
背景情况:
- 针对不可切除的肝细胞癌 (uHCC) 的基于外部光束放射治疗 (EBRT) 的组合疗法显示出可变的生存结果.
- 精确的预后分层对于优化HHCC患者的治疗策略至关重要.
研究的目的:
- 开发和验证一种多模式深度学习模型,TRIM-uHCC,用于在接受基于EBRT的治疗的HHCC患者中准确的预后分层.
- 将TRIM-uHCC的性能与现有的分阶段系统和其他深度学习模型进行比较.
主要方法:
- 一项多中心的回顾性研究,涉及875名HHCC患者,接受EBRT加全身疗法 (ES) 或EBRT加跨动脉化学栓塞和全身疗法 (ETS).
- 使用多式联络深度学习方法开发TRIM-uHCC (基于变压器的风险分层综合多式联络模型 uHCC).
- 使用C指数和时间依赖的AUC对BCLC,CNLC,AJCC-TNM,Swin-Transformer,ViT,ResNet50和ResNeXt50模型进行预后性能的比较分析.
主要成果:
- 在倾向性得分匹配后,ETS队列的平均整体存活时间 (24.0个月) 与ES队列 (19.0个月) 相比显著更长.
- TRIM-uHCC显著优于当前基于指南的分期系统 (C指数:0.71-0.79与0.51-0.61) 和其他深度学习模型 (C指数:与0.62-0.75).
- TRIM-uHCC确定了可以从转换治疗策略中受益的患者,这表明ES和ETS组的潜在生存率有所改善.
结论:
- TRIM-uHCC模型为接受基于EBRT的组合疗法的HCC患者提供了卓越的个性化预后分层.
- TRIM-uHCC提供了有价值的决策支持,有可能优化治疗选择并改善患者的生存率.
- 这种深度学习方法在预测不可切除的肝细胞癌的结果方面超过了当前的标准.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
