Účinnost a bezpečnost neoadjuvantní terapie u pacientů s resekabilním HCC vyšetřených multimodálním modelem hlubokého učení.

Primární karcinom jater je jedním z nejčastějších maligních nádorů na světě a více než 90 % primárních karcinomů jater je patologicky charakterizováno jako hepatocelulární karcinom (HCC). Střední stadium (BCLC-B) HCC je heterogenní a neexistuje jednotný konsenzus o léčbě tohoto stadia nádoru v západních a čínských zemích, zatímco evropské směrnice doporučují transplantaci jater, transarteriální chemoembolizaci (TACE) a systémovou medikaci jako první linii léčby. Ve východních zemích, jako je Čína, je BCLC-B dále kategorizována do stadií IIa a IIb a chirurgická resekce je doporučována jako možnost léčby první volby u stadia IIa, zatímco u stadia IIb lze uvažovat i o chirurgické resekci. Retrospektivní studie zjistily, že chirurgická resekce má celkově lepší prognózu než nechirurgická léčba. Míra pooperační recidivy je však vyšší než u časného HCC. K vyřešení tohoto problému jsou naléhavě zapotřebí nové nástroje, které by vedly k výběru vhodných léčebných režimů ke snížení rizika pooperační recidivy a celkového přežití.

Náš multidisciplinární tým použil technologii hlubokého učení k vytvoření modelu predikce umělé inteligence přínosu neoadjuvantní terapie založeného na datech genetického testování před léčbou, digitálních patologických sklíčkách a zobrazovacích datech (vylepšená MRI) 536 pacientů s HCC ve středním stádiu léčených HAIC v kombinaci s lenvatinib a monoklonální protilátka PD-1 v šesti centrech a údaje z externího centra potvrdily dobrou schopnost modelu identifikovat populaci příjemců kombinovaného režimu (AUC 0,89, přesnost 0,86). Cílem této studie je studovat účinnost a bezpečnost New-adj-Net při zlepšování progrese pacientů s HCC ve středním stadiu během neoadjuvantní terapie a pooperační recidivy sledováním přínosu kombinovaného neoadjuvantního režimu u pacientů, kteří jsou potenciálně přínosem neoadjuvantní terapie a přímá chirurgie z pohledu precizní terapie.