点击蓝字
关注我们
编者按
原发性肝癌是全球范围内第七大常见癌症,也是导致癌症死亡的第三大原因,其中肝细胞癌(HCC)是最主要的类型。尽管肝切除术是治疗早期HCC的主要手段,但超过一半的患者会在术后五年内复发。目前用于预测复发的方法,如组织学微血管侵犯(MVI)和临床评分系统,在术前预后预测方面尚显不足。中国香港大学司徒伟基(Wai-Kay Seto)教授团队与中国香港教育大学及中国香港伊利沙伯医院的专家共同进行了一个大型多中心研究。研究团队开发并验证了一個新型多模态深度学习模型——Recurr-NET,该模型整合了术前成像和临床数据,以预测HCC的复发情况。相关研究成果发表于Hepatology(IF=13)。
研究设计
研究结果
01
模型性能评估
表1. Recurry-NET对早期和晚期HCC复发的诊断性能
(源自文献)
图1. Recurr-NET复发风险分层和MVI复发风险分层的比较
(源自文献)
02
特征重要性分析
03
亚组分析
讨论
结论
参考文献:Hui RW, Chiu KW, Lee IC, et al. Multimodal multiphasic preoperative image-based deep-learning predicts HCC outcomes after curative surgery. Hepatology. Published online December 2, 2024. doi:10.1097/HEP.0000000000001180
专家简历
(来源:《国际肝病》编辑部)
声明:本文仅供医疗卫生专业人士了解最新医药资讯参考使用,不代表本平台观点。该信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议,如果该信息被用于资讯以外的目的,本站及作者不承担相关责任。