인공지능과 간세포암종 (ARTIHCC)

간세포 암종(HCC)은 전 세계적으로 가장 흔한 5가지 악성 종양 중 하나이며 매년 전 세계적으로 500,000명이 사망하는 암 관련 사망의 세 번째로 흔한 원인입니다.

동아시아에서 더 흔하지만, HCC의 발병률은 서구 세계에서 증가하고 있습니다. 간 절제술은 1차 치료 옵션이며 수술 기술 및 수술 전후 관리의 발전으로 수술 사망률이 낮고 예후에 미치는 영향이 입증된 안전한 치료법으로 받아들여지고 있습니다. 그럼에도 불구하고 간세포암종 환자의 약 20~30%에서만 수술적 절제가 적용되는데, 이는 대부분 기저 만성 간질환과 다발성 간세포암종 분포로 인해 간예비기능이 저하되기 때문이다. 간세포암종의 근치적 치료법 중 간절제술이 있으나 간세포암종의 근치적 절제 후에도 재발률이 상당히 높아 근치적 절제 후 첫 3년 동안은 약 50%, 근치적 절제 후 첫 5년 동안은 70% 이상으로 추정된다. , 따라서 수술 후 장기 결과가 만족스럽지 않습니다. 이 시나리오에서 간 이식의 역할은 질병 재발을 줄이는 이식의 능력으로 인해 지난 몇 년 동안 지배적이었습니다. 재발의 가장 중요한 동인을 나타내는 HCC와 관련된 간경변증의 치료 때문입니다. 그렇지 않으면 장기 공급원의 부족이 BCLC 알고리즘(EASL 및 AASLD에서 승인한 지침)에서 고려된 경계에 국한되었을 뿐만 아니라 근치 치료에 적합하지 않은 것으로 간주되는 환자에서도 간 절제술의 확산을 촉진했습니다. 뿐만 아니라 간 절제. 지난 몇 년 동안 외과적 치료가 사망률, 이환율 및 단기 종양학적 결과 측면에서 만족스러운 결과를 가진 가이드라인 밖의 더 많은 환자들에게 채택되었지만, 이 접근법의 한계는 장기 무질병 생존으로 남아 있습니다.

재발에 대한 위험 인자는 간세포 크기, 등급, 미세혈관 침범 및 위성암으로 지난 몇 년 동안 아직 확인되지 않았습니다. 이 두 가지 예후 인자가 재발 위험을 높이는 장기 예후에 부정적인 영향을 미칠 수 있다는 증거로 인해 많은 저자는 HCC 환자에서 이러한 위험을 줄이기 위한 이상적인 외과적 치료로 해부학적 절제술(분절 절제술)을 제안했습니다. 그렇지 않으면 이 접근 방식의 실제 이점과 관련하여 문헌 결과가 충돌합니다. 사실 간세포암종과 근본적인 간경변증이 있는 많은 환자에서 수술 후 간부전의 위험 때문에 해부학적 접근이 불가능합니다. 따라서 실질 보존 기술이 개발되어 종양학적 결과 측면에서 해부학적 절제와 비교되었습니다. 현재 이러한 모든 위험 요소는 예측할 수 없으며 병기 시스템은 결절의 수와 크기와 같은 조잡한 방사선학적 특징만을 기반으로 합니다. 최근 몇 년 동안 여러 저자가 방사선 영상에서 데이터를 추출하는 능력을 향상시키기 위한 새로운 접근 방식을 제안했습니다. 인간의 눈의 능력을 극복합니다. 이러한 기술은 새로운 기계 학습 알고리즘(예: 딥 러닝, 신경망 등). 더욱이, 요즘에는 예를 들어 간 절단면과 같이 수술 중에 얻은 간단한 수술 중 사진으로도 새로운 데이터를 얻을 수 있습니다. 단기 및 장기 결과를 예측합니다. 이러한 잠재력은 매우 강력한 정확도로 예측 모델을 생성하기 위해 서로 다른 반복 패턴을 인식하도록 기계가 훈련되는 "인공 지능"이라는 현대 분야에 의존합니다. 이 데이터는 CT-radiomics 기능 분석, 간 절단 표면 사진 및 기계 학습 분석을 기반으로 수술 후 합병증 및 HCC 재발에 대한 예측 모델을 개발하기 위한 목적으로 현재의 다중 중심 연구를 만들기 위한 제안을 기반으로 합니다.