マルチモーダル深層学習モデルによってスクリーニングされた切除可能な HCC 患者における術前補助療法の有効性と安全性。

原発性肝がんは世界で最も一般的な悪性腫瘍の 1 つであり、原発性肝がんの 90% 以上は病理学的に肝細胞がん (HCC) として特徴付けられます。 中間期 (BCLC-B) HCC は不均一であり、この段階の腫瘍の治療については西洋諸国や中国では統一されたコンセンサスがありませんが、欧州のガイドラインでは肝移植、経動脈化学塞栓術 (TACE)、および全身薬物療法が推奨されています。治療の第一線。 中国などの東部諸国では、BCLC-B はさらに IIa 期と IIb 期に分類されており、IIa 期の第一選択治療選択肢として外科的切除が推奨されていますが、IIb 期でも外科的切除が考慮されます。 遡及研究では、外科的切除は非外科的治療よりも全体的に予後が良いことがわかっています。 ただし、術後の再発率は初期の HCC よりも高くなります。 この問題に対処するには、術後の再発リスクと全生存期間を軽減するための適切な治療計画の選択をガイドする新しいツールが緊急に必要とされています。

私たちの学際的なチームは、深層学習技術を使用して、HAIC と HCC を併用して治療した 536 人の中間期 HCC 患者の治療前の遺伝子検査データ、デジタル病理スライド、および画像データ (拡張 MRI) に基づいて、術前補助療法の効果に関する人工知能予測モデルを構築しました。レンバチニブと PD-1 モノクローナル抗体を 6 つの施設で投与し、外部施設のデータにより、併用療法の受益者集団を特定するモデルの優れた能力が検証されました (AUC 0.89、精度 0.86)。 この研究の目的は、術前補助療法の恩恵を受ける可能性がある患者における術前補助療法の併用療法の利点を観察することにより、術前補助療法中の中期HCC患者の進行および術後再発を改善する上でのNew-adj-Netの有効性と安全性を研究することである。プレシジョンセラピーの観点から見たネオアジュバント療法と直接手術。