论文部分内容阅读
研究背景在我国，原发性肝癌(Primary Hepatic Carcinoma，PHC)是致死率较高的一种恶性肿瘤，其中肝细胞肝癌(Hepatocellular Carcinoma，HCC)占绝大多数，发病率在逐年攀升，对我国人民健康造成巨大威胁。目前主要治疗方式包括手术切除、肝脏移植、射频消融以及介入治疗等。然而由于术后复发率高、预后差，HCC患者治疗后是否发生肝内转移对其生存周期有着十分重要的影响，这也是选择术前治疗方式与制定术后随诊周期的一个重要指导因素。目前，飞速发展的人工智能(Artificial Intelligence，AI)领域已广泛应用于HCC早期诊断、治疗方法选择以及治疗疗效评估三个不同阶段的临床问题中。因此，结合AI与磁共振成像(Magnetic Resonance Imaging，MRI)建立HCC患者术后复发的相关预测模型，探寻高效预测术后复发的生存指标，实施更便捷的术后管理措施，对于HCC患者延长生存周期、改善预后均有十分重要的临床意义。
研究目的通过结合视觉注意力机制与深度学习(Deep Learning，DL)技术，利用MRI初步建立起AI模型并进行反复交叉验证，评价该模型对HCC患者在经动脉化疗栓塞术(Transcatheter Arterial Chemoembolization，TACE)进行治疗后是否发生肝内转移方面的预测价值。
研究方法在探讨基于DL的AI模型在预测肝癌复发方面价值的应用研究中，我们总共回顾性收集2015年1月至2019年12月山东省立医院接受TACE治疗的HCC患者161例为研究对象，并通过调查随访了解患者出院3年内是否肝内转移的情况后，将患者分为未发生转移组79例、肝内转移组82例。以上所有患者在接受TACE治疗前均行肝脏MRI常规平扫以及增强扫描，并经穿刺活检或手术病理，以及按照肝癌诊疗规范中临床诊断标准诊断为HCC。
将上述患者磁共振扫描图像中的FS-T2WI(Blade)序列以及T1WI-vibe动脉期序列以DICOM格式输入至itk-snapv3.8软件中，并选取符合纳入标准的肿瘤病灶进行感兴趣区(Region of Interest，ROI)分割，将完成分割及标记后的mask二元图像以.NTTFI的格式全部导出，结合DL技术与VisionTransformer架构共同建立起AI三维预测模型，利用交叉熵损失函数以及Adam优化算法对模型进行反复训练，最终使用已训练好的模型对新数据中HCC是否发生肝内转移进行预测，通过采取10折交叉验证法配合准确率指标的方式获得此预测模型的准确率、敏感度以及特异度等值，共同评价AI模型的预测效能，进行三维模型的选择与评估。
同时收集上述患者临床及影像学变量特征共13个:性别、年龄、肝硬化状态、肝炎、谷草转氨酶(AST)、谷丙转氨酶(ALT)、总胆红素(TBIL)、白蛋白(ALB)、血尿素氮(BUN)、血肌酐(Scr)、肿瘤个数、肿瘤大小、术后生存时间或术后无瘤生存时间，从不同角度出发分析并判断影响患者接受TACE治疗后是否发生肝内转移的临床因素，以及预测患者术后发生肝内转移的可能性。以上所收集数据利用SPSS26.0软件对其进行统计学单因素分析及多因素Cox生存回归分析，结果以P＜0.05认为差异具有统计学意义。
研究结果①针对临床变量特征，单因素分析显示年龄、有无肝炎、肿瘤个数及肿瘤大小(P均＜0.05)为术后肝内转移发生的危险因素，而性别、肝硬化状态、谷草转氨酶(AST)、谷丙转氨酶(ALT)、总胆红素(TBIL)、白蛋白(ALB)、血尿素氮(BUN)、血肌酐(Scr)、术后生存时间或术后无瘤生存时间对HCC患者TACE治疗后是否发生肝内转移的影响并无统计学意义受试者的年龄、性别间差异无统计学意义(P＞0.05)。
②多因素Cox生存回归分析显示肿瘤大小(≤5或＞5cm)是预测肝内转移发生的独立危险因素(HR为1.747，95％置信区间，1.039～2.938，P=0.035)，而年龄(≤55或＞55岁)、有无肝炎、肿瘤个数(单发或多发)对HCC患者TACE治疗后生存期的影响并无统计学意义。
③10折交叉验证计算下AI预测模型的正确率最高值为0.8125，正确率最低值为0.5625，平均正确率为0.6897±0.0818(95％置信区间，0.659～0.841)，灵敏度为0.732，特异度为0.771。
结论①通过建立结合视觉注意力机制与DL算法的AI模型，可以提取HCC患者肿瘤图像的影像学特征，并有效预测接受TACE治疗后的HCC高危复发患者，这些患者在治疗出院后应密切随访，并指导临床及时调整治疗方式。
②通过结合HCC患者术前临床变量特征统计分析，可以得出病灶最大径较大是影响HCC患者术后生存时间的一个独立因素，该数据后续可能用于HCC患者接受TACE治疗后的生存评估。
研究目的通过结合视觉注意力机制与深度学习(Deep Learning，DL)技术，利用MRI初步建立起AI模型并进行反复交叉验证，评价该模型对HCC患者在经动脉化疗栓塞术(Transcatheter Arterial Chemoembolization，TACE)进行治疗后是否发生肝内转移方面的预测价值。
研究方法在探讨基于DL的AI模型在预测肝癌复发方面价值的应用研究中，我们总共回顾性收集2015年1月至2019年12月山东省立医院接受TACE治疗的HCC患者161例为研究对象，并通过调查随访了解患者出院3年内是否肝内转移的情况后，将患者分为未发生转移组79例、肝内转移组82例。以上所有患者在接受TACE治疗前均行肝脏MRI常规平扫以及增强扫描，并经穿刺活检或手术病理，以及按照肝癌诊疗规范中临床诊断标准诊断为HCC。
将上述患者磁共振扫描图像中的FS-T2WI(Blade)序列以及T1WI-vibe动脉期序列以DICOM格式输入至itk-snapv3.8软件中，并选取符合纳入标准的肿瘤病灶进行感兴趣区(Region of Interest，ROI)分割，将完成分割及标记后的mask二元图像以.NTTFI的格式全部导出，结合DL技术与VisionTransformer架构共同建立起AI三维预测模型，利用交叉熵损失函数以及Adam优化算法对模型进行反复训练，最终使用已训练好的模型对新数据中HCC是否发生肝内转移进行预测，通过采取10折交叉验证法配合准确率指标的方式获得此预测模型的准确率、敏感度以及特异度等值，共同评价AI模型的预测效能，进行三维模型的选择与评估。
同时收集上述患者临床及影像学变量特征共13个:性别、年龄、肝硬化状态、肝炎、谷草转氨酶(AST)、谷丙转氨酶(ALT)、总胆红素(TBIL)、白蛋白(ALB)、血尿素氮(BUN)、血肌酐(Scr)、肿瘤个数、肿瘤大小、术后生存时间或术后无瘤生存时间，从不同角度出发分析并判断影响患者接受TACE治疗后是否发生肝内转移的临床因素，以及预测患者术后发生肝内转移的可能性。以上所收集数据利用SPSS26.0软件对其进行统计学单因素分析及多因素Cox生存回归分析，结果以P＜0.05认为差异具有统计学意义。
研究结果①针对临床变量特征，单因素分析显示年龄、有无肝炎、肿瘤个数及肿瘤大小(P均＜0.05)为术后肝内转移发生的危险因素，而性别、肝硬化状态、谷草转氨酶(AST)、谷丙转氨酶(ALT)、总胆红素(TBIL)、白蛋白(ALB)、血尿素氮(BUN)、血肌酐(Scr)、术后生存时间或术后无瘤生存时间对HCC患者TACE治疗后是否发生肝内转移的影响并无统计学意义受试者的年龄、性别间差异无统计学意义(P＞0.05)。
②多因素Cox生存回归分析显示肿瘤大小(≤5或＞5cm)是预测肝内转移发生的独立危险因素(HR为1.747，95％置信区间，1.039～2.938，P=0.035)，而年龄(≤55或＞55岁)、有无肝炎、肿瘤个数(单发或多发)对HCC患者TACE治疗后生存期的影响并无统计学意义。
③10折交叉验证计算下AI预测模型的正确率最高值为0.8125，正确率最低值为0.5625，平均正确率为0.6897±0.0818(95％置信区间，0.659～0.841)，灵敏度为0.732，特异度为0.771。
结论①通过建立结合视觉注意力机制与DL算法的AI模型，可以提取HCC患者肿瘤图像的影像学特征，并有效预测接受TACE治疗后的HCC高危复发患者，这些患者在治疗出院后应密切随访，并指导临床及时调整治疗方式。
②通过结合HCC患者术前临床变量特征统计分析，可以得出病灶最大径较大是影响HCC患者术后生存时间的一个独立因素，该数据后续可能用于HCC患者接受TACE治疗后的生存评估。