CT-based deep learning prediction of complete response in intermediate-stage hepatocellular carcinoma treated with drug-eluting beads transarterial chemoembolization
Notice bibliographique
Résumé
Objectives: To develop a CT-based deep learning (DL) model to predict complete response (CR) to drug-eluting beads-transarterial chemoembolization (TACE) in patients with naive Barcelona Clinic Liver Cancer (BCLC) B hepatocellular carcinoma (HCC). Methods: This dual-centre retrospective study included 93 patients with BCLC B HCC treated with drug-eluting beads-TACE (median size of 40 mm and 37 mm at Institutions 1 and 2). Complete response was defined as per modified Response Evaluation Criteria in Solid Tumours on liver contrast-enhanced CT within 2 months of treatment. A twin-network DL model with spatio-temporal Video Vision Transformer (ViViT) architecture was developed to predict CR using baseline dedicated liver CT. The model was extensively trained/tested based on an 8-fold cross-validation approach with an ensemble technique, a model vote system where the outcome is the average of multiple model predictions. Results: The CR rate was 36% (18/50) and 22% (11/49) at Institutions 1 and 2. The model showed high specificity and AUC, as well as moderate sensitivity and balanced accuracy when using either the late arterial phase (0.91 ± 0.12, 0.86 ± 0.16, 0.43 ± 0.23, and 0.67 ± 0.13, respectively) or the portal venous phase (0.90 ± 0.15, 0.85 ± 0.17, 0.57 ± 0.30, and 0.74 ± 0.16, respectively). Conclusion: The developed CT-based DL model predicted CR to drug-eluting beads-TACE in patients with naive BCLC B HCC with high specificity. It should be refined to improve sensitivity. Advances in knowledge: The study underscores the potential of artificial intelligence in precision medicine in patients with HCC. While the model shows promise, further research with larger datasets and prospective studies is needed to enhance its predictive power and clinical applicability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».