コントラスト強化CTの放射性分析は、グリピカン3陽性肝細胞癌を予測します

背景：肝細胞癌（HCC）におけるグリピカン3（GPC3）陽性発現は、予後の悪化に関連しています。さらに、GPC3は、高度な分離不可能なHCC全身療法において免疫療法標的として浮上しています。治療前にGPC3陽性HCCを診断することは重要です。HCCのイメージング診断に関しては、多くの地域で動的コントラストが強化されたCTがMRIよりも一般的です。 目的：この研究の目的は、コントラスト強化CTに基づいて放射性モデルを構築および検証して、肝細胞癌におけるGPC3発現を予測することでした。 方法：このレトロスペクティブ研究には、141（トレーニングコホート：n = 100;検証コホート：n = 41）が病理学的に確認されたHCC患者が含まれていました。放射性の特徴は、コントラスト強化CTの動脈相（AP）画像から抽出されました。最小の絶対収縮および選択演算子（Lasso）の正則化によるロジスティック回帰を使用して、ラジオミクススコア（RADスコア）を構築する機能を選択しました。選択された特徴のラッドスコアと臨床的リスク要因を含む最終的な結合モデルが確立されました。受信機の動作特性（ROC）曲線分析、Delongテスト、および決定曲線分析（DCA）を使用して、臨床モデルと放射性モデルの予測性能を評価しました。 結果：コントラスト強化CTのAP放射モデルを構築するために5つの機能が選択されました。コントラスト強化CTからのAPの放射性モデルは、トレーニングコホート（P <0.001）におけるAFPの臨床モデルよりも優れていましたが、検証コホートの臨床モデルよりも優れていません（P = 0.151）。APラッドスコアおよび血清アルファフェトプロテイン（AFP）レベルを含む結合モデル（AUC = 0.867対0.895）は、トレーニングおよび検証コホートのAFPモデル（AUC = 0.651対0.718）よりも予測パフォーマンスを改善しました。。より高い決定曲線を備えたより高い決定曲線を備えた組み合わせモデルは、より多くの純利益を示し、AP Radiomicsモデルよりも優れた予測パフォーマンスを示しました。DCAは、範囲の範囲しきい値の確率で、約60％を超えると、造影CTのAP放射モデルと比較してより多くの正味の利点が追加されたことが明らかになりました。 結論：コントラスト強化CTに基づいたAPラッドスコアと血清AFPレベルを含む結合モデルは、HCCにおけるGPC3陽性発現を術前に予測することができます。

BACKGROUND: The Glypican 3 (GPC3)-positive expression in Hepatocellular Carcinoma (HCC) is associated with a worse prognosis. Moreover, GPC3 has emerged as an immunotherapeutic target in advanced unresectable HCC systemic therapy. It is significant to diagnose GPC3-positive HCCs before therapy. Regarding imaging diagnosis of HCC, dynamic contrast-enhanced CT is more common than MRI in many regions. OBJECTIVE: The aim of this study was to construct and validate a radiomics model based on contrast-enhanced CT to predict the GPC3 expression in hepatocellular carcinoma. METHODS: This retrospective study included 141 (training cohort: n = 100; validation cohort: n = 41) pathologically confirmed HCC patients. Radiomics features were extracted from the Artery Phase (AP) images of contrast-enhanced CT. Logistic regression with the Least Absolute Shrinkage and Selection Operator (LASSO) regularization was used to select features to construct radiomics score (Rad-score). A final combined model, including the Rad-score of the selected features and clinical risk factors, was established. Receiver Operating Characteristic (ROC) curve analysis, Delong test, and Decision Curve Analysis (DCA) were used to assess the predictive performance of the clinical and radiomics models. RESULTS: 5 features were selected to construct the AP radiomics model of contrast-enhanced CT. The radiomics model of AP from contrast-enhanced CT was superior to the clinical model of AFP in training cohorts (P < 0.001), but not superior to the clinical model in validation cohorts (P = 0.151). The combined model (AUC = 0.867 vs. 0.895), including AP Rad-score and serum Alpha-Fetoprotein (AFP) levels, improved the predictive performance more than the AFP model (AUC = 0.651 vs. 0.718) in the training and validation cohorts. The combined model, with a higher decision curve indicating more net benefit, exhibited a better predictive performance than the AP radiomics model. DCA revealed that at a range threshold probability approximately above 60%, the combined model added more net benefit compared to the AP radiomics model of contrastenhanced CT. CONCLUSION: A combined model including AP Rad-score and serum AFP levels based on contrast-enhanced CT could preoperatively predict GPC3-positive expression in HCC.