目的:探讨术前CT图像影像组学联合深度学习方法预测肝细胞癌（HCC）首次经动脉化疗栓塞术（TACE）疗效的价值。方法:该研究为回顾性队列研究。回顾性收集2015年1月至2021年1月于哈尔滨医科大学附属第二医院行TACE治疗的HCC患者影像及临床信息。共纳入265例患者，于初次TACE后1~2个月，根据改良的实体瘤疗效评估标准（mRECIST）评估病灶术后改变，分为有反应组（175例）和无反应组（90例）。采用随机数表法按8∶2的比例分为训练集（212例，有反应组140例、无反应组72例）和测试集（53例，有反应组35例、无反应组18例）。采用单因素和多因素logistic回归筛选临床变量，构建临床模型。从术前CT图像中提取影像组学特征，经降维构建影像组学模型。采用深度学习方法，建立3种残差神经网络（ResNet）模型（ResNet18、ResNet50和ResNet101），并对其效能进行比较和集成，取最佳模型为深度学习模型。应用logistic回归将3个模型两两联合，建立联合模型。采用受试者操作特征曲线在测试集中评价模型区分TACE后有反应与无反应的效能。结果:在测试集中，临床模型、影像组学模型区分TACE后有反应与无反应的曲线下面积（AUC）为0.730（95
作者：王丹丹；王海波；孙中琪；姜慧杰
来源：中华放射学杂志 2024 年 58卷 2期
