目的:评估基于注射用全氟丁烷微球[商品名示卓安(Sonazoid)]超声造影Kupffer期的深度学习模型预测肝细胞癌(hepatocellular carcinoma,HCC)微血管侵犯(microvascular invasion,MVI)的效能,并将其与影像组学模型及临床模型进行比较。方法...目的:评估基于注射用全氟丁烷微球[商品名示卓安(Sonazoid)]超声造影Kupffer期的深度学习模型预测肝细胞癌(hepatocellular carcinoma,HCC)微血管侵犯(microvascular invasion,MVI)的效能,并将其与影像组学模型及临床模型进行比较。方法:回顾并纳入2020年7月—2022年9月于广西医科大学第一附属医院接受Sonazoid超声造影检查的146例原发性HCC患者,以7∶3随机划分为训练集102例和验证集44例。基于肿瘤感兴趣区,使用ResNet101模型通过迁移学习提取深度学习特征,使用PyRadiomics提取影像组学特征。采用Mann-Whitney U检验、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维。LASSO回归用于构建深度学习模型和影像组学模型,同时还基于临床特征构建一个临床模型。采用受试者工作特征曲线的曲线下面积(area under the curve,AUC)、灵敏度、特异度和准确度评估模型的诊断效能。DeLong检验用于比较模型间的诊断效能。结果:在训练集中,深度学习模型、影像组学模型、临床模型的AUC(95%CI)分别为0.931(0.880~0.981)、0.823(0.744~0.903)、0.719(0.614~0.824)。在验证集中,深度学习模型、影像组学模型、临床模型的AUC(95%CI)分别为0.895(0.757~1.000)、0.711(0.514~0.909)、0.606(0.390~0.822)。DeLong检验表明在训练集和验证集中,深度学习模型的诊断效能均优于影像组学模型及临床模型(P<0.05)。单因素及多因素logistic回归分析示甲胎蛋白和巴塞罗那临床肝癌分期可作为HCC患者MVI的独立预测因子(P<0.01)。结论:基于Sonazoid超声造影Kupffer期的深度学习模型在预测HCC患者MVI方面表现出优异的性能,有望成为预测MVI的无创影像学生物标志物。展开更多
目的探讨多灶性肝母细胞瘤(hepatoblastoma,HB)手术切除治疗的可行性及有效性。方法本研究为回顾性研究,以2014年4月至2022年12月首都医科大学附属北京儿童医院肿瘤外科收治的21例多灶性HB患儿为研究对象,收集患儿临床特征、手术方式及...目的探讨多灶性肝母细胞瘤(hepatoblastoma,HB)手术切除治疗的可行性及有效性。方法本研究为回顾性研究,以2014年4月至2022年12月首都医科大学附属北京儿童医院肿瘤外科收治的21例多灶性HB患儿为研究对象,收集患儿临床特征、手术方式及远期预后等资料,并与同期收治的58例中高危单灶性HB患儿进行疗效对比。结果21例多灶性HB患儿中,11例为2个瘤灶,4例为3个瘤灶,1例为5个瘤灶,5例肝内瘤灶超过5个且无法明确计数。21例均接受肿瘤切除手术,其中9例行解剖性肝切除术,11例行不规则肝切除或瘤灶剜除术,1例行联合肝脏离断及门静脉结扎的分次肝切除术(associating liver partition and portal vein ligation for staged hepatectomy,ALPPS)。20例为R0切除,1例为R1切除,术后无一例发生严重并发症。本组多灶性HB患儿接受手术联合化疗的多学科综合治疗后,中位随访时间57个月,18例患儿无瘤生存,3例死亡。本组多灶性HB患儿3年无事件生存率(event-free survival,EFS)为57.58%,3年总生存率(overall survival,OS)为82.00%,局部进展累积发生率(cumulative incidence of local progression,CILP)为38.00%。同期收治的单灶性中高危HB患儿上述指标分别为91.84%、74.96%、20.04%。两组数据对比,差异无统计学意义(P>0.05)。结论多灶性HB经规范外科手术切除辅助术前、术后化疗,可以获得较为满意的预后。展开更多
文摘目的:评估基于注射用全氟丁烷微球[商品名示卓安(Sonazoid)]超声造影Kupffer期的深度学习模型预测肝细胞癌(hepatocellular carcinoma,HCC)微血管侵犯(microvascular invasion,MVI)的效能,并将其与影像组学模型及临床模型进行比较。方法:回顾并纳入2020年7月—2022年9月于广西医科大学第一附属医院接受Sonazoid超声造影检查的146例原发性HCC患者,以7∶3随机划分为训练集102例和验证集44例。基于肿瘤感兴趣区,使用ResNet101模型通过迁移学习提取深度学习特征,使用PyRadiomics提取影像组学特征。采用Mann-Whitney U检验、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维。LASSO回归用于构建深度学习模型和影像组学模型,同时还基于临床特征构建一个临床模型。采用受试者工作特征曲线的曲线下面积(area under the curve,AUC)、灵敏度、特异度和准确度评估模型的诊断效能。DeLong检验用于比较模型间的诊断效能。结果:在训练集中,深度学习模型、影像组学模型、临床模型的AUC(95%CI)分别为0.931(0.880~0.981)、0.823(0.744~0.903)、0.719(0.614~0.824)。在验证集中,深度学习模型、影像组学模型、临床模型的AUC(95%CI)分别为0.895(0.757~1.000)、0.711(0.514~0.909)、0.606(0.390~0.822)。DeLong检验表明在训练集和验证集中,深度学习模型的诊断效能均优于影像组学模型及临床模型(P<0.05)。单因素及多因素logistic回归分析示甲胎蛋白和巴塞罗那临床肝癌分期可作为HCC患者MVI的独立预测因子(P<0.01)。结论:基于Sonazoid超声造影Kupffer期的深度学习模型在预测HCC患者MVI方面表现出优异的性能,有望成为预测MVI的无创影像学生物标志物。
文摘目的探讨多灶性肝母细胞瘤(hepatoblastoma,HB)手术切除治疗的可行性及有效性。方法本研究为回顾性研究,以2014年4月至2022年12月首都医科大学附属北京儿童医院肿瘤外科收治的21例多灶性HB患儿为研究对象,收集患儿临床特征、手术方式及远期预后等资料,并与同期收治的58例中高危单灶性HB患儿进行疗效对比。结果21例多灶性HB患儿中,11例为2个瘤灶,4例为3个瘤灶,1例为5个瘤灶,5例肝内瘤灶超过5个且无法明确计数。21例均接受肿瘤切除手术,其中9例行解剖性肝切除术,11例行不规则肝切除或瘤灶剜除术,1例行联合肝脏离断及门静脉结扎的分次肝切除术(associating liver partition and portal vein ligation for staged hepatectomy,ALPPS)。20例为R0切除,1例为R1切除,术后无一例发生严重并发症。本组多灶性HB患儿接受手术联合化疗的多学科综合治疗后,中位随访时间57个月,18例患儿无瘤生存,3例死亡。本组多灶性HB患儿3年无事件生存率(event-free survival,EFS)为57.58%,3年总生存率(overall survival,OS)为82.00%,局部进展累积发生率(cumulative incidence of local progression,CILP)为38.00%。同期收治的单灶性中高危HB患儿上述指标分别为91.84%、74.96%、20.04%。两组数据对比,差异无统计学意义(P>0.05)。结论多灶性HB经规范外科手术切除辅助术前、术后化疗,可以获得较为满意的预后。
