主要观点总结
本文介绍了一篇关于影像组学的文章，主要建立了基于CT影像的放射组学模型，成功预测了巨型小梁状（MTM）肝细胞癌（HCC），并探讨了其潜在的免疫环境。文章于2022年12月发表于《Radiology》，涉及研究背景、研究结果、文章总结及拓展研究等方面。
关键观点总结
关键观点1: 文章主要内容和亮点
文章建立了一个基于CT影像的放射组学模型，成功预测了巨型小梁状（MTM）肝细胞癌，并揭示了与放射组学模型相关的免疫环境，尤其是涉及B细胞浸润和免疫球蛋白合成的缺陷体液免疫。
关键观点2: 研究背景
尽管在肝细胞癌（HCC）的诊断和治疗方面取得了进展，但整体临床结果仍不理想。特别是在与血管生成和治疗后不利预后相关联的形态学HCC变异型——巨型小梁状（MTM）肝细胞癌方面，需要更准确的方法来预测其亚型。
关键观点3: 研究方法
研究通过纳入患者特征，进行放射组学模型的构建。通过LASSO回归分析确定了具有特征的相关系数，进而使用支持向量机（SVM）开发放射组学模型。模型在训练集、内部测试集和外部测试集中表现出良好的预测性能。
关键观点4: 研究结果与发现
研究发现放射组学模型得分与体液免疫反应相关基因的下调有关，特别是与B细胞浸润和免疫球蛋白合成相关。此外，低放射组学模型得分与接受特定治疗后的晚期肝细胞癌患者的无进展生存期（PFS）较长独立相关。
关键观点5: 文章总结与拓展
文章成功构建了放射组学模型，不仅预测了MTM亚型，还揭示了与放射组学特征相关的免疫浸润模式。但文章也指出了不足之处，如放射组学标记的复杂性和缺乏算法标准化等。未来的研究可以探索深度学习算法、多模态和多尺度影像数据的整合以及放射组学与生物标志物的联合分析等方向。
文章预览
本期分享一篇关于影像组学的文章，主要建立CT放射组学模型，并成功预测了 巨型小梁状（MTM）肝细胞癌（HCC） ，探讨了其潜在的免疫环境。文章于2022年12月发表于 《Radiology》 ，通讯作者为中南大学湘雅三院的容鹏飞教授，标题“ CT Radiomics to Predict Macrotrabecular-Massive Subtype and Immune Status in Hepatocellular Carcinoma ” （IF 19.7） 。 图1：文章来源（Radiology） 文章亮点 1、成功开发了一个 基于CT影像的放射组学模型 ，该模型能够以较高的准确性预测巨型小梁状（MTM）HCC。 2、放射组学模型得分与B细胞浸润和免疫球蛋白合成相关的缺陷体液免疫有关，为理解肿瘤免疫微环境提供了新的视角。 PART. 0 1 研究背景 尽管过去几十年在HCC的诊断和治疗方面取得了巨大进展，但整体临床结果仍然不佳，特别是MTM型HCC，它是一种与血管生成和治疗后不利预后相关联的形态
………………………………
