基于多模态深度学习的肝细胞癌血管包绕肿瘤细胞簇及早复发风险预测系统MAVEN的开发与验证

《npj Precision Oncology》：MAVEN: an automated multimodal framework for predicting VETC and early recurrence in HCC

摘要

准确识别侵袭性肿瘤表型仍然是肝细胞癌（HCC）面临的主要挑战之一。在此研究中，我们开发并验证了MAVEN（多模态自动血管包绕肿瘤细胞簇评估网络），这是一个全自动化多模态深度学习系统，整合了磁共振成像（MRI）、全切片病理图像（WSI）和临床变量，用于预测血管包绕肿瘤细胞簇（VETC）及早复发风险。本多中心研究纳入了来自五家医疗机构的1928例患者，结果表明MAVEN的性能优于单模态和双模态模型，在内部测试队列中的曲线下面积（AUC）达到0.932，在四个独立外部队列中达到0.879至0.891。基于MAVEN的风险分层在所有队列中与早期无复发生存期显著相关。模型可解释性分析表明，放射学特征和病理学特征均对预测有所贡献，且高风险区域在空间定位上保持一致。这些发现表明，多模态整合能够实现肿瘤侵袭性及术后风险分层的稳健且具有泛化能力的预测。