血管表型的非侵入性成像分析改善了原发性肝癌的预后分层:一项多队列研究
Hongjie Xin1, Ying Wang2, Hongwei Xin3
1Guangdong Provincial Key Laboratory of Gastroenterology, Institute of Gastroenterology of Guangdong Province, Department of Gastroenterology, Nanfang Hospital, Southern Medical University, Guangzhou, China.
NPJ precision oncology
|December 31, 2025
概括
一个新的AI工具MTV-Net分析CT扫描,通过血管模式对原发性肝癌 (PLC) 进行分类,并预测复发风险,改善患者分层和结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 瘤血管微环境 (TVME) 在原发性肝癌 (PLC) 中至关重要,但缺乏评估其异质性的非侵入性方法.
- 了解TVME对于肝细胞癌 (HCC),肝内胆管癌 (ICC) 和组合类型的准确诊断和预后至关重要.
研究的目的:
- 开发一个计算框架 (MTV-Net) 来从CT图像中分析TVME.
- 创建成像生物标志物来分类PLC亚型并预测切割后复发风险.
主要方法:
- 从六个临床队列的CT图像中提取了定量血管特征.
- 一个多任务学习框架 (MTV-Net) 产生了两个生物标志物:TAVS (表型分类) 和TAVS (复发风险).
- 放射基因组学分析探索了生物标志物的生物基础.
主要成果:
- 在TAVSPHE分类的PLC中",类似ICC"的表型显示出比"类似HCC"的表型更糟糕的生存率.
- 在所有PLC亚型中,TAVSRE有效地分层化了复发风险,当被结合为MTV-Net-Clinic时,其表现优于现有的分期系统.
- 对于MTV-Net-Clinic的一致性指数在0.731到0.823.3之间.
结论:
- 根据TVME,MTV-Net提供了一个非侵入性的工具,可以从常规CT扫描中重新分类PLC.
- 该框架增强了预后分层,为肝癌患者提供了改善的临床决策.
- 细胞外矩阵重塑路径的丰富是开发生物标志物的基础.
更多相关视频
09:27Analysis of Liver Microenvironment During Early Progression of Non-Alcoholic Fatty Liver Disease-Associated Hepatocellular Carcinoma in Zebrafish
Published on: April 1, 2021
3.9K
07:47Non-Invasive PET/MR Imaging in an Orthotopic Mouse Model of Hepatocellular Carcinoma
Published on: August 31, 2022
2.7K
