在MRI上深度学习辅助的瘤辐射动力学预测了在接受免疫疗法后的肝切除术后的HCC患者的病理完整反应
Shi-Qi Zhou1, Lu-Na Wang1, Li-Fang Wu2
1Department of Hepatobiliary Surgery and Liver Transplantation, Liver Cancer Institute and Zhongshan Hospital, Fudan University, Shanghai, China.
Hepatology (Baltimore, Md.)
|February 26, 2026
概括
现在更准确地预测转化疗法后在不可切除的肝细胞癌 (uHCC) 中的病理完整反应 (pCR). 动态放射性特征与AFP反应相结合,提供了一种强大的,非侵入性的方法来评估治疗结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 预测最初无法切除的肝细胞癌 (uHCC) 转化疗法后的病理完整反应 (pCR) 很困难.
- 准确预测PCR对于定制治疗策略至关重要.
研究的目的:
- 开发和验证使用临床病理学和放射性特征的hhCC中pCR的预测模型.
- 评估动态放射性变化和血清AFP响应在预测PCR方面的有效性.
主要方法:
- 多中心回顾性研究,涉及从MRI (基线,治疗后,三角形) 提取时间放射学.
- 使用LASSO和随机森林计算血清AFP反应和特征选择.
- 14个机器学习模型的基准测试与全面的性能评估.
主要成果:
- 德尔塔放射性模型在预测病变水平的pCR方面显著优于基线和手术前模型 (验证AUC:0.783).
- 放射性模型证明了患者水平pCR的强有力的歧视 (验证AUC:0.781).
- 联合放射学-AFP模型实现了优异的预测性能 (验证AUC:0.857).
结论:
- 动态放射性变化是转化疗法后HuhCC中pCR的有效预测因素.
- 将三角形放射学与AFP反应结合起来,显著提高了预测准确度.
- 这种方法提供了一种非侵入性的方法来评估PCR和指导个性化治疗.
