毛凯副主任医师团队构建基于深度学习的肝癌免疫转化治疗疗效的预测模型研究在《International Journal of Surgery》杂志发表

论文题目：A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumour marker prognostic study.     

通讯作者：毛凯；肖治宇

第一作者：林子建；王卫东

论文发表刊物：International Journal of Surgery

【研究背景】

在我国，大多数肝癌患者错过了根治性切除的机会。近年来，基于免疫检查点抑制剂的综合治疗在肝癌中取得了令人满意的疗效，有着较高的客观缓解率和缩瘤能力。这使得转化治疗——对不可切除肝癌患者应用非手术治疗使其肿瘤缩小、分期降低、尽可能杀灭肿瘤细胞以获得根治性手术机会的治疗方式成为主流选择。然而，在预测转化治疗的治疗反应和确定最适合的患者群体方面仍然存在挑战。

【主要发现】

本研究应用结合了深度学习、机器学习模型与临床数据、CT肉眼影像学特征构建了集成模型，准确预测了以免疫检查点为主的转化治疗在潜在转化的肝癌患者中的治疗反应。并证实了血小板计数、甲胎蛋白（AFP）反应以及动脉期血管扩张是基于免疫检查点的转化治疗治疗反应的独立预测因素。

、

【研究意义】

本研究构建的集成模型预测效能优秀，可以对转化治疗的个体化应用提供指导。集成模型结合甲胎蛋白反应指标，将接受转化治疗的病人经过两次分层，筛选出最有可能获得良好疗效的病人以接受足额疗程治疗后手术，以取得最佳疗效。对预测不敏感患者，则推荐接受不含免疫治疗的方案或接受新药临床试验；若此类病人继续接受免疫治疗为主的方案，则应密切监测治疗反应，一旦满足外科学可切除标准后尽早手术。

论文链接: https://journals.lww.com/international-journal-of-surgery/abstract/9900/a_deep_learning_based_clinical_radiomics_model.2196.aspx

阅读二维码：