通过深度学习预测肝细胞癌微血管浸润:一项多中心前瞻性验证研究( Prediction of Microvascular Invasion in Hepatocellular Carcinoma via Deep Learning: A Multi-Center and Prospective Validation Study )

J Wei H Jiang M Zeng M Wang J Tian

微血管侵犯(MVI)是肝细胞癌(HCC)术后复发的重要危险因素。对MVI的预先了解将有助于肝癌管理中有针对性的手术计划。在这项多中心研究中，我们旨在通过两种成像方式--对比增强计算机断层扫描（CE-CT）和加多西酸增强磁共振成像（EOB-MRI）来探讨深度学习(DL)在MVI预测中的有效性。共750名HCCs来自中国五所三级医院。采用回顾性CE-CT(n=306,收集于2013年3月至2019年7月）和EOB-MRI(n=329,收集于2012年3月至2019年3月）数据分别训练两个DL模型。进行前瞻性外部验证(n=115，于2015年7月至2018年2月间收集）以评估所开发的模型。此外，基于DL的注意图被用来可视化高风险MVI区域。我们的研究结果显示，基于EOB-MRI的DL模型取得了优于基于CE-CT的DL模型的预测结果（接收器操作特性曲线下面积(AUC)：0.812 vs.0.736,p=0.038；敏感性：70.4%vs.57.4%,p=0.015；特异性：80.3%vs.86.9%,p=0.052)。DL注意图可以直观显示肿瘤周围的高危区域，并有真正的组织病理证实。两种DL模型均可根据无进展生存率和总生存率对高、低危组进行分层(p<0.05)。因此，DL是预测MVI的有效工具，而EOB-MRI是比CE-CT更有优势的评估MVI的方法。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate