AI驱动模型助力肝癌类型精准鉴别

在肝脏影像报告与数据系统（LI-RADS）中，LR-M病变的诊断仍具挑战：影像虽提示恶性，却常难以区分肝细胞癌（HCC）与肝内胆管癌（iCCA）。现有血清学工具如GALAD模型，虽针对HCC优化，却无法有效区分LR-M类别中的不同肿瘤类型。近期发表于《JHEP Reports》的一项研究，融合机器学习（LASSO/主成分分析）与简化评分法，构建了一种新型混合模型，结合小细胞外囊泡（EV）表型与常规血清标志物，实现对LR-M病灶中HCC与iCCA的高精度、微创鉴别，显著降低肝活检需求[1]。

图1 研究摘要[1]

研究方法

研究的患者样本