基于二维剪切波弹性超声的深度学习预测急性失代偿肝硬化患者慢加急肝衰的研究.pdf

摘要

摘要

目的：

Acute-on-chronicliverfailureACLF

准确预测慢加急肝衰竭（，）发展对于

肝硬化急性失代偿（Acutedecompensation，AD）患者预后评估和风险分级有

重要的意义。本研究目的是通过肝脏二维剪切波弹性成像（Two-dimensionalshear

waveelastography2D-SWEADACLF

，）图像的深度学习预测患者发展。

方法：

本研究我们前瞻性地纳入288例急性失代偿患者，随访时间为1年，其中

20286Resnet-502D-SWE

例分为训练组，例分为试验组。通过迁移学习网络分析

图像，构建用于预测1年ACLF发展的深度学习特征（Deeplearningsignature，

DLS）。随后基于Cox回归分析，结合二维剪切波弹性成像（2D-SWE）深度学

习信息和实验室数据建立了列线图。通过时间依赖性受试者操作特征曲线

（Receiveroperatingcharacteristiccurves，ROC）、一致性指数（Concordance

index，C-index）和Kaplan-Meier生存分析评估其预测性能。此外，使用列线

ALT）(BMI)

图评估具有不同丙氨酸氨基转移酶（、体重指数和肝硬化病因状态等

亚组中ACLF发展的风险。

结果：

DLS2831ACLF

在验证组中，深度学习特征（）预测天、个月和年发展

的AUC分别为0.911、0.837和0.860，C指数为0.821。联合列线图的预测性能

明显优于其它预后评分（均p0.05）。验证组中28天、3个月和1年的AUC分

0.9380.9250.914C0.876

别为、和，指数为。此外，列线图还可以将整个队列

和亚组中的患者分为ACLF发展的高风险组和低风险组（均p0.05）。

结论：

基于2D-SWE图像的深度学习具有预测ACLF发展的潜力，并且可以准确

地对AD患者进行风险分层，有助于临床治疗。

关键词：急性失代偿；肝硬化；慢加急肝衰竭；深度学习；二维剪切波弹性成

像；预测

II

Abstract

ABSTRACT

Purpose:

Accuratepredictionsofacute-on-chronicliverfailure(ACLF)developmentin

patientswithacutedecompensation(AD)ofcirrhosisarehelpfulinprognosis

assessmentandindividualizedtreatment.ThisstudyaimedtopredictACLFdevelop

-mentthroughdeeplearningofshearwaveelastography(SWE).

Method