通过多模式深度学习模型筛选的可切除 HCC 患者新辅助治疗的有效性和安全性。

原发性肝癌是世界上最常见的恶性肿瘤之一，90%以上的原发性肝癌病理特征为肝细胞癌(HCC)。 中期（BCLC-B）HCC具有异质性，西方和中国对该阶段肿瘤的治疗尚无统一共识，而欧洲指南推荐肝移植、经动脉化疗栓塞（TACE）和全身药物治疗等第一线治疗。 在中国等东方国家，BCLC-B进一步分为IIa期和IIb期，IIa期推荐手术切除作为一线治疗选择，IIb期也可以考虑手术切除。 回顾性研究发现，手术切除总体预后优于非手术治疗。 但术后复发率高于早期HCC。 为了解决这个问题，迫切需要新的工具来指导选择合适的治疗方案，以降低术后复发的风险和总体生存率。

我们的多学科团队利用深度学习技术，根据 536 例接受 HAIC 联合治疗的中期 HCC 患者的治疗前基因检测数据、数字病理切片和影像数据（增强 MRI），构建了新辅助治疗获益的人工智能预测模型。乐伐替尼和PD-1单克隆抗体在六个中心的临床数据和外部中心数据验证了该模型具有良好的识别联合方案受益人群的能力（AUC 0.89，准确度0.86）。 本研究的目的是通过观察联合新辅助治疗方案对可能受益的患者的益处，研究 New-adj-Net 在改善中期 HCC 患者新辅助治疗期间进展和术后复发方面的有效性和安全性。精准治疗角度的新辅助治疗和直接手术。