基于机器学习应用术前助理系统在肝细胞癌切除

文摘

在肝细胞癌切除术进行更好的研究,本文使用3 d机器学习和逻辑回归算法研究的患者进行肝切除术术前援助。在这项研究中,逻辑回归模型的影响因素分析发现生存和复发的患者。50 HCC病人的临床资料广泛肝切除术(≥4段肝)承认我们医院从2020年6月到2020年12月被选来计算肝脏体积,模拟手术切除体积,残肝体积,手术,等。结果表明,模拟肝脏体积的50位病人是845.2 + 285.5毫升,和实际肝脏体积为826.3±268.1毫升的50位病人,有两组之间无显著差异(t= 0.425;> 0.05)。与逻辑回归模型相比,机器学习方法具有更好的预测效果,但逻辑回归模型具有更好的可解释性。分析肝脏肿瘤和肝血管之间的关系在实际问题的具体临床应用价值的准确评估肝脏的体积切除和手术。

1。介绍

肝切除术是肝癌的外科治疗的主要方法,如乙型肝炎、肝硬化,手术切除的应用是有限的。太多的肝脏切除可能导致严重的术后肝功能异常,所以剩下的肝脏体积超过30%;肝硬化患者,其余肝体积超过50%,防止术后肝功能衰竭(1]。因此,至关重要的是准确评估肝脏手术前,过去主要依靠CT检查。2008年,Intrasense发达Myrian XP-Liver,一个新的三维手术仿真系统,肝脏自动分割和执行虚拟手术,同时计算肝脏体积的术前评估和手术模拟。本研究使用这个软件进行术前评估和接受精准肝切除术的患者的手术模拟。模拟数据与实际情况相比,在操作评估的应用价值三维手术仿真系统在精密肝切除术(2]。

肝切除术是一种有效治疗肝癌、胆管癌肺门(良性肝肿瘤),hepatolithiasis等肝脏疾病。21世纪初以来,精密医学的概念的指导下,由肝脏功能解剖学、病理解剖学,新的成像技术,肝功能评估的新方法,肝实质分离和新技术,精准肝切除术已成为肝脏手术的前沿[3]。它是开发新的癌症治疗的早期预测策略基于机器学习的方法。逻辑回归,随机森林,支持向量机,C5.0决策树、神经网络、装袋算法,和学习演算法被用来构建三年发表的生存时间(无病生存,DFS)。临床医疗数据的分类和提取规则肝肿瘤通过三年总生存期(OS)提取模型实现早期预测和辅助临床诊断(4- - - - - -6]。它满足早期预测,早期治疗,提高患者的生存率肝脏肿瘤。21世纪初以来,精密医学的概念的指导下,由功能的新方法肝脏解剖学、病理解剖学、成像、肝功能评估,和现代肝实质分离技术,精准肝切除术已成为尖端技术在肝脏手术。基于分段肝切除,这种手术方法努力完全移除病变而实现“最小创伤,最大器官保护,和最好的康复效果,”体现的根本转换病人医疗模式。

在二十一世纪的现代外科手术的手术疗效的纯粹追求暂时的事情(7- - - - - -9]。领域的手术,每一个创新离不开成像技术的发展和进步。CT和MRI的出现对手术产生深远的影响,甚至整个医学领域。“看见”的能力使外科医生的理想空间展示(10]。新的成像技术,它不仅需要“看清”,但也“看到”和虚拟操作的功能,已成为另一个至关重要的领域的技术需求新时期肝脏手术(11]。依靠数字成像技术的发展,三维精确的手术计划系统近年来在医学领域蓬勃发展。与传统的二维视觉数据成像技术的帮助下,三维精确的手术计划系统可以进行高分辨率数字三维重建根据医生的需求和旋转,移动,或缩放全面的三维模型。同时,您也可以选择各种器官,血管,神经,和病变组织,调整各器官的透明度和颜色模型,并进行三维空间数据的测量。外科医生形成了传统的二维图像重建虚拟3 d图像并将它移动到屏幕更直观了解病变及其周边解剖学(12- - - - - -14]。

据报道,肝脏手术的手术规划系统的应用已经发展在一定程度上。与传统的二维图像数据相比,三维手术规划系统可以确定损伤的位置,准确地分配肝脏血管结构,改善肝脏手术的准确性。和模拟手术、残肝体积的评估有其独特的特点。然而,这是否意味着我们可以完全信任的结果而忽视临床经验和外科医生的手术技术15]?本研究包括INCOOL3D精密手术规划分析系统系的肝胆的武汉中心医院和胰腺手术计划prehepatectomy。本文分析临床资料,比较手术计划系统的应用和传统的成像数据在肝脏手术的应用,和评估的应用肝切除手术计划系统的应用价值。手术计划系统中的缺陷与例子,说明及原因进行了分析。应用程序操作的规划系统和术中超声在肝切除术相比。预计将提供一些指导临床应用3 d手术计划系统。

2。研究方法

2.1。临床数据

在这项研究中,50个病人精密的肝癌肝切除术的肝胆的中山大学第一附属医院的手术从6月到2020年12月被选为研究对象,其中包括30男性和20名女性,平均年龄为50年。病人有一个精确的诊断肝癌(法新社> 400μg / L和积极的一个或多个动态成像测试),没有手术禁忌症(16- - - - - -18]。没有患者术后复发,再次手术计划。肿瘤直径范围从1.5到20.5厘米(9.6±4.9厘米)。术前肝功能的儿童成绩是A / B;吲哚绿色的保留率15分钟(ICG15 min)不到10%。据法新社1 - 58344μg / L (7782 .7±17573。9μg / L)。有13例肿瘤毗邻重要的组织结构(门静脉、下腔静脉、肝静脉,隔膜,和右肾上腺)。有7例肿瘤血管血栓形成,包括四种情况下的肿瘤门静脉血栓和肿瘤肝静脉血栓1例。

2.1.1。逻辑回归模型

逻辑回归进行统计推断和数据分析通过假设检验,主要适用于风险因素分析流行病学数据,临床试验评估,和疾病的预后因素分析。每个变量的回归系数计算筛选变量,建立回归模型(19]。本文的研究是关于患者肝脏肿瘤复发或生存在三年之内,这是一个二分法的问题。物流向前逐步回归分析用于特征选择,和逻辑回归预测模型获得的预后模型成立三年发表生存和总生存期。

2.1.2。随机森林

随机森林是一个树状的metaclassifier使用购物车的分类器算法。X是输入向量,一个随机向量独立分支的图书馆,这决定了一棵树的生长过程。随机森林使用自助服务方法(引导重采样技术)从原来的倒带N训练样本集和重复k随机抽样来生成一个新的训练样本集,然后生成k随机自助服务基于样本集分类树森林。最新的数据分类。结果是基于分类树投票支持多种形式的分数(20.]。从本质上讲,这是一个改进的决策树算法。合并多个决策树,每棵树的建立依赖于一个独立的样本。每棵树在森林里有相同的分布和分类误差取决于每棵树的分类能力和它们之间的相关性。

基本模型的支持向量机(SVM)是找到最好的分离超平面特征空间最大化之间的间隔正负样本训练集 。给定一个训练样本集,我代表了我th样本,n代表了样本容量。

下面的线性方程可以描述超平面: 向量的表示确定超平面的方向B代表偏移量,确定超平面之间的距离和原点。找到最优超平面的假设D的训练数据集 ,和决策分类函数定义如下:

2.2。CT检查和3 d重建

患者定期检查与增强CT术前使用东芝64 -螺旋CT切片的层间间隔2毫米。对比剂是通过静脉注射iopromide(90毫升),第三阶段成像后和CT数据导入三维手术计划系统。当肝脏分段在半自动模式,3 d操作仿真系统(Myrian XP肝)可以自动段所有正常肝和病变区域的三维重建CT扫描的基础上水平正常和病理组织的数据,在每个水平必要时手动标记扫描4 - 5倍,确保重建精度。同样的方法可以用来重建肝的血管。虚拟手术系统也有,可以模拟操作通过设置不同的切割飞机和切割线及时调整工作计划。在整个过程中,数据的肿瘤体积,肝脏体积,残肝体积,和外科手术施行的范围,可以计算使用软件。

2.3。精准肝切除

Treitz韧带分离,椎弓根的肝是通过一个“人”切口暴露的。肝实质被隔离与超声波抽刀库萨(刀)告诉Glisson鞘的肝段或亚节。tumour-bearing肝段的供应血管与血管夹钳。缺血区域的边界明显的肝表面的电切刀。血管钳被移除,提供肝血管段橡皮筋被取消。相应的肝段门静脉分支与21-size细针穿刺;亚甲蓝(4毫升每个肝段)注射;和相应的椎弓根肝后段的结扎针提取。肝段的实际程度是由亚甲蓝染色肝实质的范围。哈比卜·4 x双设备(Habib 4 x双极切除设备)被用来去除肿瘤的肝段。

2.4。评价三维手术计划系统的准确性

软件的准确性是评价通过比较模拟切除肝脏体积与实际切除的肝脏体积和模拟手术边缘与实际手术的50个病人。切除肝脏是由电子称重,1 g的肝脏的体积被认为是1毫升。手术边缘之间的距离和肿瘤切除标本用卡尺测量,实际值和模拟数据进行了统计分析。

2.5。统计方法

使用SPSS13.0软件进行统计分析。数据被表示为平均值±标准偏差(Akx-d±年代)。手术切除体积的比较实际的价值和手术模拟值是由t以及。实际值之间的相关分析和模拟值是由皮尔森相关分析。测试水平α等于0.05。

3所示。研究成果

根据术前手术规划结果结合术中超声和实际手术结果和手术方法,手术6例实际是一样的在4例术前计划。1例手术期间被发现有严重的肝硬化,肝段切除后肝衰竭。有一个很高的出血风险。考虑患者肝脏肿瘤直径小于2厘米,没有显著差异在射频消融术和手术切除疗效。它几乎没有对肝功能的影响。执行的S3肿瘤射频消融术在获得病人的家庭成员的同意。在另一起案件中,术中超声显示多个结节病变的肝脏,但术前CT扫描和三维手术计划系统没有显示相关病变。根据术中超声的结果,不能排除恶性病变的可能。因此,总共10个结节状病灶在肝脏进行射频消融而切除S6和S7段。虚拟实验组进行肝切除术,切除肝脏的体积和剩余肝脏是自动计算的。 The volume of resected specimens was measured after surgery and compared with the actual resected liver volume before surgery. There was no statistical difference between preoperative planning results (637.97 ± 817.18 ml) and actual postoperative resection results (618.40 ± 766.83 ml;= 0.957,> 0.05)。在实验组中,6艘船只被入侵,和6艘船只被术前手术规划系统,显示的符合率为100%。在对照组,七船只经操作,和四个容器经术前CT,符合率为57.1%。之间没有统计学差异术前血管侵犯实验和对照组(= 0.067)。

3.1。实验组和对照组之间的统计分析

没有明显的性别的差异(= 0.536)、年龄((53±11.8)/ (54.73±8.65;= 0.692)和手术方法(= 0.611)之间的实验组和对照组(> 0.05)如表所示1。在手术时间有显著差异((204.55±46.55)/ (247.27±51.79;= 0.015)和术中失血((199.09±74.89)/ (261.82±60.63);= 0.044)之间的实验组和对照组(< 0.05)。在实验组手术时间短于对照组,实验组和术中出血的量小于对照组。没有明显差异之间的实验组和对照组在术后并发症(= 0.534)和住院时间(d (12.73±2.49) / (12.18±2.18 d);= 0.591,> 0.05)。在实验组中,多个小结节在肝脏被术中超声检查意外发现,但术前CT和手术规划系统没有发现相应的病变。在对照组,3例被发现意想不到的小损伤术中超声但不是术前CT检查。总的来说,在检测小肝内病变,术中超声明显是由于CT检查和手术规划系统。

3.2。精度的三维手术仿真系统模拟的肝脏体积和手术

肝脏体积和手术的50个病人与实际相比模拟术前和术后体积和手术。结果表明,仿真和实际有显著相关性肝切除术卷(r= 0.960,< 0.001;图1(一)),并没有统计上的显著差异之间的平均值(896.7 vs 819.1毫升;t= 1.851,= 0.068)。还有一个模拟和实际手术利润率之间的显著相关性(r= 0.972,< 0.001;图1 (b)),没有统计学意义的平均值(12.2 vs 11.9毫米;t= 1.143,= 0.256)。

从表可以看出2和3测试集的结果比训练集。

对肝脏手术,传统的术前评估依赖于二维CT发现。外科医生评估病人的病情根据他/她自己的经验。只有医生有丰富的临床和x光照片阅读体验可以near-correct判断病人的病情。本研究中使用的3 d手术仿真软件可以集成和重建二维CT数据形成视觉3 d图像和计算的体积和长度感兴趣的区域,在外科医生必不可少的辅助作用的准确理解病人的手术前条件并制定适当的手术计划。本研究使用三维操作仿真软件对整个肝脏体积,切除的肝脏体积,和残肝体积计算的自动模拟切割的统计相关性肝脏体积和实际的结果。仿真结果,平均而言,比75.6毫升的实际体积更重要。其他3 d软件计算的53.0和64.9毫升比较大,在这项研究中使用3 d操作仿真软件测量手术边缘之间的距离。结果表明,模拟数据统计与实际价值。模拟数据和实际之间的平均差值是0.3毫米(12.2 vs 11.9毫米),显著小于先前的报道。因此,三维手术仿真软件具有重要参考意义准确肝切除术的术前计划。 By accurately predicting the surgical margin, an appropriate surgical resection range can be established to reduce the recurrence of postoperative liver cancer.

4所示。结论

三维手术仿真软件收集信息从64 -片螺旋CT薄层扫描,提供传统的CT无法提供详细的信息。整个重建过程不到30分钟。重建图像可以清晰地显示在肝脏血管的分布。可能有肝内血管的变化,无论是肝动脉、肝静脉、门静脉,所以它具有重要意义准确地理解肿瘤手术前和血管解剖关系。使用各种辅助功能的软件,外科医生可以准确地理解复杂的解剖肝脏手术前和手术期间模拟可能的条件及时调整手术计划。在这项研究中,一个巨大的肿瘤患者的右肝hemihepatectomy计划接受标准。然而,在术前模拟、残肝体积小于整个肝脏的30%,和手术后肝衰竭的可能性更高。因此,手术计划调整,和正确的hemihepatectomy第八段保留了确保残肝体积超过30%的肝脏。没有肝衰竭发生在手术后,病人被治愈,从医院出院。总之,三维手术仿真软件可以准确地执行图像重建和体积计算,和虚拟手术函数可以帮助外科医生做手术计划。 The clinical application of this software has a specific auxiliary effect on the development of precision liver resection.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

引用

1. •a . s .田中,b . y .川口Kubo et al .,“验证基于索引的岩手县标准作为腹腔镜肝切除的提高难度评分系统,”手术,卷165,不。4、731 - 740年,2018页。视图:出版商的网站|谷歌学术搜索
2. x张L.-F。燕,研究。胡et al .,“优化基于机器学习的神经胶质瘤分级系统利用不确定型MRI直方图和纹理特性,”Oncotarget,8卷,不。29日,第47830 - 47816页,2017年。视图:出版商的网站|谷歌学术搜索
3. b·l·希尔,r·布朗大肠Gabel et al .,”一个自动化的基于机器学习模型预测术后死亡率使用readily-extractable术前电子健康记录的数据,”英国麻醉学杂志,卷123,不。6,877 - 886年,2019页。视图:出版商的网站|谷歌学术搜索
4. j . v . Groen w s Tummers j . s . Mieog和r . j . Swijnenburg”作者回应:在胰腺癌手术:手术部位边缘肿瘤细胞切除地位比N身份真的那么重要吗?”英国外科杂志》,卷106,不。11日,第1560 - 1559页,2019年。视图:出版商的网站|谷歌学术搜索
5. a . Koladiya k . Otavova诉Adamcova et al .,“单一细胞流式细胞术和机器学习分层患者接受经尿道膀胱肿瘤(TURBT)”欧洲泌尿学补充剂,18卷,不。2,pp. e2406-e2407, 2019年。视图:出版商的网站|谷歌学术搜索
6. Diamantis, m . Tsilimigras盖和m·鲍里克,”麻生作者反思:切除的肝细胞癌在BCLC guidelines-how机器学习技术可以帮忙吗?”《肿瘤外科,27卷,不。3、875 - 876年,2020页。视图:出版商的网站|谷歌学术搜索
7. h . Holsa s Kiskola p . Ojala a . Pirttila j .砂和j . Laukkarinen”访问彻底切除术胰腺癌是全区道,尽管公共医疗体系在芬兰,”英国医学杂志》的社会,卷72,不。9日,第808 - 803页,2018年。视图:出版商的网站|谷歌学术搜索
8. 渡边k·d·诺玛,h .此外,m .此外,“术前inflammation-based分数预测早期肺癌切除术后复发,”胸疾病杂志,13卷,不。5,2812 - 2823年,2021页。视图:出版商的网站|谷歌学术搜索
9. z . w . Liu Yang r .邹et al .,“切除vs消融灶性肝细胞癌会议Barcelona-clinic肝癌分类:一个倾向得分匹配研究中,“癌症杂志》,10卷,不。13日,2857 - 2867年,2019页。视图:出版商的网站|谷歌学术搜索
10. m . Nishi m .岛田k Yoshikawa et al .,“肝切除胃癌肝转移的结果,“医学杂志》上的调查:JMI,卷65,不。1,第27 - 31页,2018。视图:出版商的网站|谷歌学术搜索
11. 毛,l . Zhang p .宁f .丁和j·马,“术前预测肝细胞癌的病理级别通过机器上优于电子管学,”欧洲放射学,30卷,不。12日,第6932 - 6924页,2020年。视图:出版商的网站|谷歌学术搜索
12. w·e·Muhlestein, d . s .船长,j·a·卡洛斯·j·马龙和l . b . Chambless”使用引导机器学习整体模型来预测放电处理脑膜瘤切除后,“神经外科杂志》的B部分:头骨基地,卷79,不。2、123 - 130年,2017页。视图:出版商的网站|谷歌学术搜索
13. h·金和我。Seo”,肝切除孤立胃癌肝转移:单中心经验,“韩国临床肿瘤学杂志》上,15卷,不。2、68 - 71年,2019页。视图:出版商的网站|谷歌学术搜索
14. j·t·施瓦兹·m·高,e·a·耿k . s . Mody、c . m .米哈伊尔·s . k .秋,“机器学习的应用在脊柱手术,使用电子医疗记录”Neurospine,16卷,不。4、643 - 653年,2019页。视图:出版商的网站|谷歌学术搜索
15. j .刘、陈z和w·李,“机器学习为构建免疫遗传模型在肝细胞癌患者中,“肿瘤学杂志卷,2021篇文章ID 6676537, 15页,2021年。视图:出版商的网站|谷歌学术搜索
16. 崔g·h·j·Yun, j . Choi et al .,“基于机器学习的发展为肝细胞癌临床决策支持系统,”科学报告,10卷,不。1,文章ID 14855, 2020。视图:出版商的网站|谷歌学术搜索
17. p . r . Armijo Bonthu, a·席勒问:朱,t·坦纳,”4182年使用机器学习手术结果研究:临床意义是什么?”临床与转化科学杂志》上,4卷,不。s1, 52页,2020年。视图:出版商的网站|谷歌学术搜索
18. a . k . Gowd a . Agarwalla n h·阿明et al .,“构建验证机器学习的短期预测术后并发症总肩膀关节成形术后,“杂志的肩部和肘部手术,28卷,不。12日,pp. e410-e421, 2019年。视图:出版商的网站|谷歌学术搜索
19. m·f·w·l . d . Chen Li西安,x,和w·王”在直肠癌术前预测肿瘤存款一个人工神经网络我们电子管学模型,”欧洲放射学,30卷,不。18日,1 - 11,2019页。视图:出版商的网站|谷歌学术搜索
20. a . Achiron z粗糖,特拉维夫et al .,“预测屈光手术结果:机器学习方法与大数据”杂志的屈光手术,33卷,不。9日,第597 - 592页,2017年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Shouyun Lv等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。