社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

【Lancet子刊】清华大学陈慧军团队:深度学习模型为不可切除肝细胞癌个性化动脉内治疗铺平道路

转化医学网 • 4 月前 • 152 次点击  

【导读】不可切除的肝细胞癌(uHCC)构成了重大的全球健康挑战,需要创新的预后和治疗计划工具,来改善患者管理。主要的治疗策略,包括经动脉化疗栓塞术(TACE)和肝动脉输注化疗(HAIC)。

2024年9月, 清华大学生物医学工程系陈慧军团队在期刊《eClinicalMedicine》上发表了题为“A deep learning model for personalized intra-arterial therapy planning in unresectable hepatocellular carcinoma: a multicenter retrospective study”的研究论文。研究结果表明,将SELECTION和ATOM等先进的深度学习模型纳入临床实践,可以显著提高uHCC患者治疗计划的准确性。这种方法有可能增强个性化的治疗策略,从而带来更好的患者预后。未来的研究,应侧重于在不同的患者群体和环境中进一步验证这些模型,以确保其普遍性和稳健性。此外,探索将这些模型整合到常规临床工作流程中,并评估它们对临床决策和患者结果的影响,将是有价值的。

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(24)00387-0/fulltext

研究背景

 01 

经动脉化疗栓塞术(TACE)和肝动脉灌注化疗(HAIC)是目前针对亚洲不可切除肝细胞癌(uHCC)患者的两种标准动脉内介入治疗(IAIT)方案,以国际指南和多项随机临床试验为指导。此外,IAIT与分子靶向药物(MTA)或免疫检查点抑制剂(ICI)联合给药,显示uHCC的长期生存获益显著改善。


在肝细胞癌(HCC)的情况下,从中期到晚期的转变,通常与肿瘤侵袭性增加相对应。肿瘤异质性的复杂性,突出了临床环境中uHCC患者干预策略选择的复杂性。uHCC的治疗决策过程,仍然是一个持续争议的话题。关键考虑因素包括影像学特征,例如,肿瘤负荷、肝硬化的存在、非边缘过度增强和浸润性外观,所有这些都在HCC患者的预后预测中,起着关键作用。


医疗人工智能(AI)正在从研究发展到临床应用。尽管如此,图像驱动AI在临床环境中,指导治疗决策的实际应用仍然有限。动态对比增强计算机断层扫描(CECT)是一种标准化的成像技术,可提供对肿瘤特征的见解。


本研究旨在开发一个基于深度学习(DL)的决策支持系统,将临床信息与CECT相结合,以支持临床医生对uHCC进行IAIT决策。据团队所知,这是首个使用收集的真实世界回顾性临床和CECT数据,来验证IAIT方案在异质uHCC人群中基于深度学习的决策支持的研究。

研究进展

 02 

SELECTION对独特治疗计划预后的预测


在所有队列中,SELECTION均显著优于临床模型1,预期来自HC队列的外部验证集(P<0.05)。与临床模型1相比,临床模型2的表现始终如一,临床模型2在TC队列中优于临床模型1。HAIC、TACE和TC队列的训练、内部验证和外部验证集中计算的生存评分之间,没有显著差异(P>0.05)。HAIC组合队列的训练集和内部验证集之间,存在显著差异(P=0.019),但训练和外部验证集之间,不存在显著差异。TACE、TC、HAIC和HC队列在每个训练数据集中发现的中位生存评分(MSS),分别为0.4035、0.6130、0.3368和0.6458。


没有PSM的不同模型的性能比较。


ATOM对推荐治疗指导的潜在价值


在这项研究中,客观缓解率(OOR)作为评价TACE或HAIC治疗效果的重要指标。团队通过分析接受TACE或HAIC的uHCC患者的ORR,研究了ATOM(基于AI的治疗决策模式)在指导治疗计划中的价值。此外,团队通过分析接受联合治疗的uHCC患者的1年OS,评估了ATOM在推荐额外联合治疗与IAIT方面的价值。


外部验证集中不同队列的实际ORR/OS率,与建议不一致或ATOM未建议建议的患者相比,ATOM和临床医生之间看到了一致的建议。

研究结论

 03 

SELECTION已成功预测uHCC治疗结果。ATOM用于推荐uHCC患者的IAIT方案,它可以在临床实践中轻松实施,供医生和患者快速准确地进行风险分层和预后预测,从而成为加强个体化IAIT方案的更有利工具。


参考资料:


1.EASL clinical practice guidelines: management of hepatocellular carcinoma

J Hepatol. 2018; 69:182-236


2.Heimbach, J.K. ∙ Kulik, L.M. ∙ Finn, R.S. ∙ et al.

AASLD guidelines for the treatment of hepatocellular carcinoma

Hepatology. 2018; 67:358-380


【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!

转化医学网(360zhyx.com)发布的文章旨在介绍前沿医学研究进展,不能作为治疗方案使用;如需获得健康指导,请至正规医院就诊。

热门推荐活动 点击免费报名

🕓 上海|09月11日

▶  微驭万物-单细胞空间组学技术前沿与临床应用研讨会

🕓 北京|09月20日-21日

▶  第五届单细胞技术应用研讨会暨空间组学前沿研讨会

🕓 上海|11月15日-16日

▶  2024第一届中国类器官转化医学大会

点击对应文字 查看详情

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/173936
 
152 次点击