术前预测肝癌微血管侵犯的智能诊断模型建立与研究

Vascular invasion of HCC is a multi-step biological process. Patients with macrovascular invasive HCC inevitably have bad long-term survival outcomes. But if patients have only microvascular invasive HCC, they may get the chance to undergo curative treatments. So if we can predict microvascular invasion of patients with HCC, we can improve long-term survival outcomes of patients. In this study, we focus on multimodal MRI (including Diffusion weighted imaging with multiple b values, Diffusion kurtosis imaging and T1 mapping on gadoxetic acid-enhanced) combining tree diagram of similarity (including traditional machine learning method), neural network deep learning method (We proposed a Mask R-CNN based neural network model which takes inputs of multimodal magnetic resonance images. Different from prior networks in this field, our model integrates automatic HCC lesion detection, segmentation and MVI classification into one network which facilitates multitask learning), clinic factors, tumor markers and CTCs for the preoperative prediction of MVI, as well as to provide a clinically useful nomogram as a more direct and convenient tool to treat patients with individual and precise treatment and assist therapy decision-making in HCC.

肝癌的血管侵犯是一个逐步进展的过程，肝癌若伴大血管侵犯，预后极差；但是，若仅伴有微血管的侵犯则有可能获得根治性治疗的机会。如果能在微血管侵犯阶段进行积极的干预措施，则能明显改善肝癌患者预后。本课题采用多模态MR成像技术（包括多b值扩散成像、峰度成像、钆塞酸二钠增强前后T1 mapping成像）联合“相似度”树状图（包含传统的机器学习方法）及神经网络深度学习方法（我们提出一个基于掩码区域卷积神经网络的模型，以MRI多模态图像为输入，肝癌病灶自动检测，分割以及预测微血管侵犯这三个任务学习集成于一个网络，完成多任务学习的目的），并结合临床资料、肿瘤标记物及循环肿瘤细胞(CTCs)等手段，对肝细胞癌微血管侵犯进行回顾性和前瞻性研究，进一步与术后病理、全基因测序进行对照，建立术前预测肝癌微血管侵犯的智能诊断方法，为肝癌患者的个体化治疗及精准治疗提供依据。

肝癌的血管侵犯是一个逐步进展的过程，肝癌若伴大血管侵犯，预后极差；但是，若仅伴有微血管的侵犯则有可能获得根治性治疗的机会。如果能在微血管侵犯阶段进行积极的干预措施，则能明显改善肝癌患者预后。.研究内容及成果主要包括以下四个方面：1）基于术前钆塞酸二钠增强MRI的多参数多区域融合影像组学在5cm以内孤立性肝细胞癌微血管侵犯及其预后中的预测价值，结果显示：影像组学评分高者、甲胎蛋白 >20 ng/mL、总胆红素 >20.4 µmol/L、动脉期瘤周强化、不完整或无肿瘤包膜强化是预测MVI的独立危险因素。多因素比例风险模型回归显示MVI、碱性磷酸酶 >125 U/L、丙氨酸转氨酶 >50 U/L及高龄是术后复发的独立危险因素，该预后模型在验证组AUC为0.654（95%CI：0.538-0.769，n = 99）。2）术前钆塞酸二钠增强磁共振瘤周膨胀卷积神经网络模型在肝细胞癌微血管侵犯分级及其预后上的应用，结果显示：肿瘤长径、甲胎蛋白、动脉期瘤周强化、肿瘤边界和包膜强化情况是MVI分级的独立预测因素（P <0.05），其验证组预测MVI分级、M0级、M1级和M2级的AUC分别为79.50%、97.00%、21.00%和53.00%。最佳的多序列DL模型为依次联合肝胆特异期、平扫期和移行期的1.5cm瘤周膨胀模型，其验证组鉴别MVI等级、M0级、M1级和M2级的AUC分别为78.00%、83.00%、25.00%和71.00%。3）术前钆塞酸二钠增强MRI瘤周膨胀影像组学模型预测无大血管侵犯的肝细胞癌肝切除术后早期复发，结果显示：瘤周膨胀影像组学模型不仅与实际复发状态具有极好的一致性，与五种临床算法相比，还取得了最佳的临床净效益，其阳性增益具有明显统计学意义（NRI：35.9%-66.1%，P <0.001）。4）本项目基于影像组学及神经网络分别建立了术前预测肝癌微血管侵犯的智能诊断影像-病理融合模型，为肝癌患者的个体化治疗及精准治疗提供依据。

内容获取失败，请点击重试