摘要：以往的研究大多使用单一类型的特征，来建立预测模型。团队的目标是基于人工智能（AI）建立一个综合预测模型，有效识别预后不良的单发肝细胞癌（HCC）患者。

【导读】以往的研究大多使用单一类型的特征，来建立预测模型。团队的目标是基于人工智能（AI）建立一个综合预测模型，有效识别预后不良的单发肝细胞癌（HCC）患者。

2025年1月6日，华中科技大学同济医学院附属同济医院Tang Hao教授团队在期刊《Heliyon》上发表了题为“Magnetic Resonance Imaging Radiomics Based on Artificial Intelligence is Helpful to Evaluate the Prognosis of Single Hepatocellular Carcinoma”的研究论文。研究结果表明，由预测模型中的特征组成的综合提名图不仅能预测单个HCC患者的术后复发，还能对术后OS的风险进行分层。

https://www.cell.com/heliyon/fulltext/S2405-8440(25)00115-X

人工智能与单发肝细胞癌

01

（DCNN）是深度学习中广泛应用的人工神经网络，通常用于图像识别。研究表明，基于磁共振成像放射组学建立预测模型，来预测HCC的预后是有效的。有学者通过对基线MR图像特征进行深度学习分析，成功预测了HCC治疗后的复发情况。也有学者基于深度学习，建立了预测HCC术后复发的提名图。

团队的目标是建立一个综合预测模型，以有效识别单发HCC根治性手术后预后不良的患者。

单发HCC患者术后复发的风险因素

02

在培训队列中，性别、肝硬化、MVI 状态、总胆红素、碱性磷酸酶、白蛋白胆红素（ALBI）和γ-谷氨酰转肽酶与淋巴细胞比值（GPR）与5年复发相关。在测试队列中，肿瘤直径、丙氨酸氨基转移酶（ALT）和天冬氨酸氨基转移酶（AST）与5年复发相关。

在训练队列中，单变量逻辑回归中P性别、肝硬化和MVI状态这3个临床特征是单发HCC患者术后复发的风险因素。

训练队列中临床模型（a） 、影像组学模型（b）和DTL模型（c）的ROC曲线。

总结

03

1. 综合提名图的建立与应用：将临床特征、放射组学特征和DTL特征结合，建立可视化综合提名图，不仅能预测单发HCC的术后复发，还能预测RFS和OS，其性能优于单一预测模型。

2. 临床特征的考虑：在建立预测HCC术后5年复发的临床模型时，除了常见临床特征和基础检查项目外，还考虑了NLR、PLR、GPR等炎症标志物，以及APRI、Fib-4等无创评分系统。

3. 独立风险因素的识别：性别、肝硬化和MVI状态是术后5年HCC复发的独立风险因素，男性患者预后较差，肝硬化和MVI阳性增加复发风险。

4. 术前MR图像的价值：术前MR图像可有效预测HCC的预后，包括术后肿瘤复发和生存率，多参数磁共振图像能提供更丰富的肿瘤生物学信息。

参考资料：

1.Zhou, J. ...

Guidelines for the Diagnosis and Treatment of Hepatocellular Carcinoma (2019 Edition)

Liver Cancer. 2020; 9:682-720

2.Sung, H. ...

Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries

CA Cancer J Clin. 2021; 71:209-249

【关于投稿】

转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！

热门推荐活动 点击免费报名

🕓 线上｜2024年12月6日-2025年1月16日

▶ 《我的2024》

🕓 全国｜2024年12月-2025年03月

▶ 中国转化医学产业大会

▶ 第四届长三角单细胞组学技术应用论坛暨空间组学前沿论坛

点击对应文字 查看详情

来源：Yonic