Prediction of recurrence after resection in hepatocellular carcinoma via whole liver deep learning on preoperative contrast-enhanced CT
8.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-12-02 23:33
摘要：
本研究开发了一种全自动生存预测系统（FASP），利用术前增强CT扫描分析整个肝脏区域，以预测肝细胞癌患者的复发风险。FASP通过深度学习模型实现肝脏和肿瘤的自动分割，并与临床因素结合，显著提高了复发无生存期的预测准确性。研究结果显示，FASP在多个测试集中均优于传统模型，强调了全面肝脏评估在预测肝细胞癌复发中的重要性。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分
business_impact
0.8分+0.8分
scientific_rigor
1.5分+1.5分
timeliness_innovation
1.5分+1.5分
investment_perspective
2.5分+2.5分
market_value_relevance
1.0分+1.0分
team_institution_background
0.5分+0.5分
technical_barrier_competition
1.0分+1.0分
关键证据
FASP系统在内部和外部测试集中分别获得了0.646和0.786的C指数，优于传统模型。
研究表明，FASP能够捕捉肝脏和肿瘤区域的预后信息，提供非侵入性预测方法。
该系统的全自动化特性减少了人工注释的需求，具有广泛的临床应用潜力。
真实性检查
否
AI评分总结
本研究开发了一种全自动生存预测系统（FASP），利用术前增强CT扫描分析整个肝脏区域，以预测肝细胞癌患者的复发风险。FASP通过深度学习模型实现肝脏和肿瘤的自动分割，并与临床因素结合，显著提高了复发无生存期的预测准确性。研究结果显示，FASP在多个测试集中均优于传统模型，强调了全面肝脏评估在预测肝细胞癌复发中的重要性。