다중 모드 딥러닝 모델을 통해 선별된 절제 가능한 간세포암종 환자의 신보강 요법의 유효성 및 안전성.

원발성 간암은 세계에서 가장 흔한 악성 종양 중 하나이며, 원발성 간암의 90% 이상이 병리학적으로 간세포암종(HCC)으로 특징지어집니다. 중기(BCLC-B) 간세포암종은 이질적이며 서양과 중국 국가에서 이 단계의 종양 치료에 대한 통일된 합의가 없는 반면, 유럽 가이드라인에서는 간 이식, 경동맥 화학색전술(TACE) 및 전신 약물 치료를 권장합니다. 첫 번째 치료 라인. 중국 등 동부 국가에서는 BCLC-B를 2a기, 2b기로 더 분류하는데, 2a기에서는 1차 치료 옵션으로 수술적 절제를 권고하고, 2b기에서는 수술적 절제도 고려할 수 있다. 후향적 연구에 따르면 수술적 절제가 비수술적 치료에 비해 전반적으로 예후가 더 좋은 것으로 나타났습니다. 그러나 수술 후 재발률은 초기 간세포암종에 비해 높다. 이 문제를 해결하려면 수술 후 재발 위험과 전체 생존율을 줄이기 위해 적절한 치료 요법을 선택하도록 안내하는 새로운 도구가 시급히 필요합니다.

우리 다학제팀은 딥러닝 기술을 사용하여 HAIC와 HAIC를 병용하여 치료한 중기 간세포암종 환자 536명에 대한 치료 전 유전자 검사 데이터, 디지털 병리학 슬라이드, 영상 데이터(강화된 MRI)를 기반으로 신보강 치료 혜택에 대한 인공지능 예측 모델을 구축했습니다. 6개 센터의 렌바티닙과 PD-1 단클론 항체 및 외부 센터 데이터를 통해 모델이 병용 요법의 수혜자 모집단을 식별하는 우수한 능력을 검증했습니다(AUC 0.89, 정확도 0.86). 본 연구의 목적은 잠재적으로 혜택을 받을 수 있는 환자에서 병용 신보강 요법의 이점을 관찰함으로써 신보조 요법 중 중기 간세포암종 환자의 진행 및 수술 후 재발을 개선하는 데 있어 New-adj-Net의 효과와 안전성을 연구하는 것입니다. 정밀치료의 관점에서 본 신보조요법과 직접수술.