深度学习助力肝硬化中微小肝细胞癌（sHCC）精准检测

为检测肝硬化肝脏中的 sHCC，研究人员开展深度学习研究，成果显示该方法有效。

　　摘要

• 目的：利用钆塞酸二钠（Gd-EOB-DTPA）增强磁共振成像（MRI），开发一种用于检测肝硬化肝脏中微小肝细胞癌（sHCC）的自动化深度学习（DL）方法。
• 方法：本回顾性研究共纳入 120 例肝硬化患者，其中 78 例为 sHCC 患者，42 例为非 HCC 肝硬化患者，通过分层抽样选取。数据集按 8:2 的比例分为训练集和测试集。nnU-Net 在分割小物体方面表现出增强的能力。使用 Dice 系数评估分割性能。通过受试者工作特征曲线（ROC）、曲线下面积（AUC）得分和 P 值评估区分 sHCC 和非 HCC 病变的能力。通过准确率、灵敏度和特异性等指标评估 sHCC 在病例层面的检测性能。
• 结果：在病变层面区分 sHCC 患者和非 HCC 患者的 AUC，训练队列和测试队列分别为 0.967 和 0.864，P < 0.001，差异均具有统计学意义。在病例层面，区分 sHCC 患者和肝硬化患者，训练集和测试集的准确率分别为 92.5%（95% 置信区间，85.1 - 96.9%）和 81.5%（95% 置信区间，61.9 - 93.7%），灵敏度分别为 95.1%（95% 置信区间，86.3 - 99.0%）和 88.2%（95% 置信区间，63.6 - 98.5%），特异性分别为 87.5%（95% 置信区间，71.0 - 96.5%）和 70%（95% 置信区间，34.8 - 93.3%）。
• 结论：DL 方法在检测肝硬化患者队列中的 sHCC 方面显示出有效性。