BCLC分类和基于人工智能的图像量化:意义上的东西将会结合在一起 - 但如何以及何时? : 基于BCLC和AI的图像量化
Lukas Müller1, Jakob N Kather2, Jens U Marquardt3
1Department of Diagnostic and Interventional Radiology, University Medical Center Mainz, Langenbeckstr. 1, 55131 Mainz, Germany.
Journal of hepatology
|March 7, 2026
概括
人工智能 (AI) 可以通过从放射图像中提取更多数据来增强巴塞罗那诊所肝癌 (BCLC) 对肝细胞癌 (HCC) 的分类. 将人工智能驱动的成像分析与BCLC系统集成,有望改善临床决策.
科学领域:
- 肝细胞癌研究 肝细胞癌研究
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
背景情况:
- 巴塞罗那诊所肝癌 (BCLC) 分类是肝细胞癌 (HCC) 预后和治疗选择的标准.
- 目前的BCLC依赖于基本的临床和成像数据,可能未充分利用放射学信息.
- 人工智能 (AI) 的进步为医疗图像的详细,自动分析提供了新的方法.
研究的目的:
- 评估AI量化成像参数,以评估它们与BCLC分类的潜在协同作用.
- 探索AI如何弥合HCC管理中的定量成像和临床决策之间的差距.
主要方法:
- 审查目前的AI应用在放射学中用于HCC,包括自动瘤体积和放射学.
- 评估AI从常规放射学成像中提取定量特征的能力.
- 分析AI衍生数据与已建立的BCLC分类框架的潜在整合.
主要成果:
- 人工智能方法可以自动提取高精度的详细数字成像特征,超出BCLC目前的范围.
- 尽管人工智能取得了进展,但由于技术,管理和实施方面的挑战,仍存在翻译差距.
- 人工智能有可能通过提供更丰富的成像见解来补充BCLC分类.
结论:
- 人工智能驱动的定量成像提供了一个有希望的途径,以增强已建立的BCLC对HCC的分类.
- 克服实施障碍对于实现AI在HCC管理中的全部临床潜力至关重要.
- 协同使用AI和BCLC分类可能会导致更精确的预后评估和HCC的治疗选择.
