Umělá inteligence a hepatocelulární karcinom (ARTIHCC)

Hepatocelulární karcinom (HCC) je 1 z 5 nejčastějších zhoubných nádorů na celém světě a třetí nejčastější příčinou úmrtí souvisejících s rakovinou u 500 000 úmrtí na celém světě každý rok.

Ačkoli je výskyt HCC častější ve východní Asii, v západním světě se zvyšuje. Resekce jater je terapeutickou možností první volby a je akceptována jako bezpečná léčba s prokázaným dopadem na prognózu, s nízkou operační mortalitou v důsledku pokroku v operačních technikách a peroperačním managementu. Chirurgická resekce je nicméně použitelná pouze u asi 20 % až 30 % pacientů s HCC, protože většina z nich má špatnou funkci jaterní rezervy způsobenou základním chronickým onemocněním jater a multifokální jaterní distribucí HCC. Přestože resekce jater je jednou z kurativních léčebných metod pro hepatocelulární karcinom, míra recidivy HCC i po kurativní resekci je poměrně vysoká, odhaduje se na přibližně 50 % během prvních 3 let a více než 70 % během prvních 5 let po kurativní resekci. , a tak pooperační dlouhodobé výsledky zůstávají neuspokojivé. V tomto scénáři byla v posledních letech převládající role transplantace jater kvůli schopnosti transplantace snížit recidivu onemocnění, kvůli léčbě jaterní cirhózy asociované s HCC, která představuje nejdůležitější hnací sílu recidivy. V opačném případě byl nedostatek orgánového zdroje impulsem k rozšíření resekce jater, a to nejen omezených hranicí zohledněnou v algoritmu BCLC (směrnice schválené EASL a AASLD), ale dokonce i u pacientů považovaných za nevhodné pro kurativní léčbu. stejně jako resekce jater. Přestože chirurgická léčba byla v posledních letech přijata u více pacientů mimo doporučené postupy s uspokojivými výsledky z hlediska mortality, morbidity a krátkodobých onkologických výsledků, limity tohoto přístupu zůstává dlouhodobé přežití bez onemocnění.

Rizikový faktor pro recidivu byl v posledních letech identifikován jako dimenze hcc, grading, mikrovaskulární invaze a satelitóza. Důkaz, že tyto dva prognostické faktory by mohly negativně ovlivnit dlouhodobou prognózu zvyšující riziko recidivy, vedl mnoho autorů k navržení anatomické resekce (segmentální resekce) jako ideální chirurgické léčby ke snížení těchto rizik u pacientů s HCC. Jinak jsou literární výsledky v rozporu, pokud jde o skutečný přínos tohoto přístupu. Ve skutečnosti u mnoha pacientů s HCC a základní cirhózou není anatomický přístup proveditelný kvůli riziku pooperačního selhání jater. Byla tedy vyvinuta technika šetřící parenchym a srovnána s anatomickou resekcí z hlediska onkologických výsledků. V současnosti nejsou všechny tyto rizikové faktory předvídatelné a stagingové systémy jsou založeny pouze na hrubých radiologických vlastnostech, jako je počet a velikost uzlin. V posledních letech několik autorů navrhlo nové přístupy ke zvýšení naší schopnosti extrahovat data z radiologického zobrazování: analýzou měření a čísel získaných během radiologické akvizice (pomocí CT nebo MRI skenů) lze získat tisíce dalších informací, překonání schopnosti lidských očí. Tyto techniky jdou pod názvy „Radiomics“, což je velmi slibné odvětví, když se spojí s novými algoritmy strojového učení (např. Hluboké učení, neuronové sítě atd.). Kromě toho lze v dnešní době získat nová data také jednoduchou intraoperační fotografií získanou během chirurgického zákroku, například povrchu řezu jater: „analýzou počítačového vidění“, dalším výkonným algoritmem strojového učení, lze získat další data předvídat krátkodobé a dlouhodobé výsledky. Tyto možnosti spoléhají na moderní pole „umělé inteligence“, kde je stroj trénován tak, aby rozpoznával různé opakující se vzorce a vytvořil modely predikce s velmi silnou přesností. Na těchto datech je založen návrh na vytvoření této multicentrické studie s cílem vyvinout predikční model pro pooperační komplikace a recidivu HCC, založený na analýze CT-radiomických znaků, fotografiích povrchu jaterních řezů a analýze strojového učení.