基于MRI的2.5D深度学习和放射学有效预测了肝细胞癌中的微血管入侵和Ki-67表达
Hongmei Yu1, Depeng Kong2, Xiaojun Mo1
1Department of Radiology, Chinese People's Liberation the General Hospital of Western Theater Command, Chengdu, China.
PloS one
|November 14, 2025
概括
一个集成的深度学习和放射学模型使用MRI准确地预测了肝细胞癌 (HCC) 中的微血管入侵 (MVI) 和高Ki-67表达. 这种方法提高了HCC患者的风险分层和个性化治疗.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 肝细胞癌 (HCC) 由于其异质性和早期复发的可能性而带来了重大挑战.
- 精确的手术前预测微血管侵袭 (MVI) 和高Ki-67表达对于HCC有效的治疗计划至关重要.
- 当前的预测方法往往缺乏最佳患者管理所需的精度.
研究的目的:
- 开发和验证一个集成的2.5D深度学习 (DL) 和放射学模型,用于预测MVI和高Ki-67双阳性在HCC.
- 将加达克西酸增强的MRI肝胆相 (HBP) 图像与临床特征相结合,以改善术前预测.
- 评估模型在分层HCC患者的风险和指导个性化治疗方面的表现.
主要方法:
- 对235名HCC患者进行了回顾性研究,将他们分为MVI/Ki-67双阳性和非双阳性组.
- 一个2.5D DL模型被应用于HBPMRI图像,以及放射性和临床特征提取.
- 通过LASSO回归和多变量逻辑回归,确定了关键预测因素,并构建并验证了一个集成的名录.
主要成果:
- 综合模型结合了2.5D DL,放射学和临床特征,实现了0.939的AUROC,用于预测MVI/Ki-67双阳性.
- 该模型表现出高灵敏度 (0.793) 和特异性 (0.940),精确度 (0.942) 和准确度 (0.859).
- 在MVI/Ki-67双阳性组中,手术后的早期复发率显著更高.
结论:
- 集成的MRI 2.5D DL模型提供了优越的手术前预测MVI/Ki-67双阳性在HCC与单模方法相比.
- 这种协同模式具有显著的潜力,可以提高HCC风险分层.
- 该工具可以帮助指导肝细胞癌患者个性化治疗策略.
