Risk stratification of hepatocarcinogenesis using deep learning analysis of radiological images
Stratification du risque d’hépatocarcinogénèse par analyse par apprentissage profond d’images radiologiques
Résumé
Cirrhosis is a clinical dead end with potentially fatal complications (liver failure, portal hypertension, hepatocellular carcinoma), responsible for around 1.8% of deaths each year. As chronic liver damage progresses, decompensation of the disease can occur, leading to a dramatic reduction in overall survival. A transition to non-invasive assessment of chronic liver disease progression and prognosis is crucial. We have developed a deep learning model for stratifying the risk of developing hepatocellular carcinoma based on ultrasound images of non-tumoral liver parenchyma. The classification model developed achieved good diagnostic performance with an odds ratio of 6.6 and an accuracy of 0.72 for predicting patients at high risk of hepatocarcinogenesis. This new imaging biomarker could help to stratify the risk of hepatocarcinogenesis alongside clinical or biochemical biomarkers and enable personalised risk-based screening strategies.
La cirrhose est une impasse clinique avec des complications potentiellement mortelles (insuffisance hépatique, hypertension portale, carcinome hépatocellulaire), responsable d'environ 1,8 % des décès chaque année. Lorsque les lésions hépatiques chroniques progressent, une décompensation de la maladie peut se produire, entraînant une diminution dramatique du taux de survie global. Une transition vers une évaluation non invasive de la progression des maladies hépatiques chroniques et de leur pronostic est crucial. Nous avons développé un modèle par apprentissage profond de stratification du risque de développer un carcinome hépatocellulaire à partir d’images échographiques du parenchyme hépatique non-tumoral. Le modèle de classification développé a atteint de bonnes performances diagnostiques avec un odds-ratio de 6,6 et une précision de 0,72 pour prédire les patients à haut risque d'hépatocarcinogenèse. Ce nouveau biomarqueur d'imagerie pourrait aider à stratifier le risque d'hépatocarcinogenèse parallèlement aux biomarqueurs cliniques ou biochimiques et permettre des stratégies de dépistage personnalisées basées sur le risque.
| Origine | Version validée par le jury (STAR) |
|---|