Deep learning-based radiomics allows for a more accurate assessment of sarcopenia as a prognostic factor in hepatocellular carcinoma

摘要肌少症是指因持续骨骼肌含量流失、 强度和功能下降引起的综合征, 且与包括肝细胞癌(HCC)在内的肿瘤患者预后密切相关. 目前该病的检测手段局限且无统一标准. 本文旨在利用基于影像组学的深度学习(DL)技术评估肌少症, 用于肝 癌患者行肝脏部分切除术或肝移植术的预后预测. 本研究回顾性纳入浙大一院肝癌手术切除492例(训练集+内部验证集)与肝癌肝移植173例患者(外部LT验证集), 东方肝胆医院肝癌切除患者161例(外部验证集), 并收集患者术前一个月内的 腹部计算机断层扫描(CT)平扫期影像与临床资料; 单中心肝切除术组入组患者按7:3随机分为训练集和内部验证集(训练集345例, 验证集147例), 肝移植组及第二中心肝癌切除组作为外部验证集, 经训练集建立预测模型, 并利用内部和外部 验证集验证预测模型的预测性能; 对训练集患者CT图像中第3腰椎骨(L3)层面的骨骼肌(SM)及腰大肌(PM)轮廓进行人工勾画; 抽提SM与PM影像组学特征, 随后利用自编码器(AutoEncoder)压缩特征, TFDeepSurv生存分析网络构建DL预后预测模型, 预测 HCC术后无瘤生存率(RFS)与总体生存时间(OS); 最后计算时间依赖性受试者工作特征曲线(ROC)的曲线下面积(AUC)和一致性指数(C-index), 采用应用净重新分类改善指数(NRI)和临床决策曲线(DCA)评价模型预测性能. 最终从勾画的CT图像...
Source: Journal of Zhejiang University. Science. B. - Category: Universities & Medical Training Source Type: research