肝细胞肝癌（HCC）的根治性切除术是早期HCC患者的第一选择。然而，术后2年的复发率很高，达到50%。微血管侵犯（MVI）是肿瘤侵袭性、切除后肿瘤复发和生存率较低的一个重要指标。

影像学有助于预测HCC的MVI。深度学习是人工智能（AI）的一个子集，可以自动学习样本图像中的特征表示，可应用于医学的图像识别和判析，其中高性能深度卷积神经网络（DCNN）是新兴的技术之一。然而据我们所知，基于DCNN的MVI的诊断和预后方面的文献有限，需要进一步的研究进行评估。

近日，发表在European Radiology杂志的一项研究本探讨了DCNN在大量HCC手术候选人中使用对比增强CT扫描（CECT）识别MVI以及预测临床预后的性能，为临床术前的准确评估及质量方案的制定提供了影像学参考依据。

本项回顾性研究包括1116名接受术前CECT和根治性肝切除术的HCC患者。根据临床放射学因素、DCNN概率和所有因素，分别在训练队列（n = 892）中构建了放射学（R）、DCNN和组合列线图；每个模型的性能在验证队列（n = 244）中得到确认。计算了预测MVI的准确率和AUC，并记录了手术后的无病生存（DFS）和总生存（OS）。 

在训练和验证队列中，MVI阳性患者的比例分别为38.8%（346/892）和35.7%（87/244）。在训练队列中，R、DCNN和组合列线图的AUCs分别为0.809、0.929和0.940，在验证队列中为0.837、0.865和0.897。在训练组（p < 0.001）和验证组（p = 0.009），组合列线图的表现优于R列线图。在R、DCNN和组合列线图预测的有MVI和无MVI的组别中，DFS和OS有显著差异（p < 0.001）。 

图 a 使用三期相DCNN概率构建的DCNN列线图。 b DCNN列线图在训练和验证队列中预测MVI的ROC分析曲线。DCNN，深度卷积神经网络；MVI，微血管侵袭。

本研究通过结合临床因素和基于术前CECT的放射学特征建立了一个联合列线图，可用于术前预测MVI。同时，该组合列线图还可以预测DFS和OS，为临床个性化治疗方案的制定提供了无创影像学参考依据。

原文出处：

Xinming Li,Zhendong Qi,Haiyan Du,et al.Deep convolutional neural network for preoperative prediction of microvascular invasion and clinical outcomes in patients with HCCs.DOI:10.1007/s00330-021-08198-w

Tags： European Radiology：深卷积神经网络在预测HCC患者术前微血管浸润和临床预后方面的价值