基于磁共振成像的可解读放射学模型,用于预测肝细胞癌的跨动脉化学栓塞反应的反应
Qi Mao1,2, Peng Zhang1, Mao-Ting Zhou1
1Center of Interventional Medical, Department of Radiology, The Affiliated Hospital of North Sichuan Medical College, Nanchong 637000, Sichuan Province, China.
World journal of radiology
|March 11, 2026
概括
一个新的放射性临床模型准确地预测了肝细胞癌 (HCC) 患者对跨动脉化学栓塞 (TACE) 的反应. 这种工具有助于识别适合TACE的候选人,避免无效的治疗.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 超动脉化血栓化 (TACE) 是不可切除的肝细胞癌 (HCC) 的关键治疗方法.
- HCC瘤的异质性导致患者之间的TACE疗效变化.
- 术前预测TACE反应对于个性化治疗策略至关重要.
研究的目的:
- 评估多序MRI放射性特征的预测价值,结合HCC中TACE反应的临床指数.
- 开发一种可解释的机器学习模型,用于预测HCC患者的TACE结果.
主要方法:
- 对116名接受TACE的HCC患者的回顾性分析,分为培训 (70%) 和验证 (30%) 组.
- 从T2加权,动脉和门静脉相动态对比增强MRI序列中提取的放射性特征.
- 使用后勤回归和特征选择开发放射性,多次序MRI放射性和放射性临床 (RC) 模型.
主要成果:
- 放射性临床 (RC) 模型表现出最高的预测性能,训练组的曲线下面面积 (AUC) 为0.929,验证组的0.815.
- RC模型的性能优于单个序列放射性模型和联合放射性模型.
- 沙普利添加式解释 (SHAP) 分析为RC模型的风险因素提供了可解释性.
结论:
- 一个可解释的RC模型可以有效地将HCC患者分为TACE响应者和非响应者.
- 这个模型可以作为一个有价值的工具来识别适合TACE的HCC患者.
- 它有可能防止患者接受无效和不必要的TACE治疗.
