Ziel war die jeweilige Bewertung der Leistungsfähigkeit von tiefenlernenden (deep learning, DL) Modellen basierend auf B-Modus-Ultraschall und kontrastverstärktem Ultraschall (contrast-enhanced ultrasound, CEUS) zur Vorhersage eines frühen Rezidivs (early recurrence, ER) bei Patienten mit hepatozellulärem Karzinom (hepatocellular carcinoma, HCC) nach Radiofrequenzablation (radiofrequency ablation, RFA) sowie die Untersuchung ihres klinischen Nutzens bei der Entscheidungsunterstützung. Methode: Retrospektive Analyse von Patienten, die im Zeitraum von September 2017 bis Dezember 2019 an der Tumorklinik der Harbin Medical University eine RFA erhielten und bei denen eine HCC-Diagnose mittels kontrastverstärkter Computertomographie (computed tomography, CT) oder Magnetresonanztomographie (magnetic resonance imaging, MRI) bestätigt wurde. Voroperative Erfassung dynamischer B-Modus- und CEUS-Bilder mit standardisierter Vorverarbeitung (einschließlich Zuschneiden von Begrenzungsrahmen) zur Extraktion der Region of Interest (ROI). Aufbau prädiktiver Modelle basierend auf vier Bildtypen mit einem dreidimensionalen Residualnetzwerk (three-dimensional residual network, 3D ResNet): R-US (B-Modus), R-CEUS45 (arterielle Phase, 0~45 s), R-CEUS2 (Pfortaderphase, 46 s~2 min) und R-CEUS (Doppelphase, 0~1 min); Training und Optimierung mittels 5-facher Kreuzvalidierung zur Erhöhung der Modellrobustheit. Univariate und multivariate logistische Regressionsanalysen zur Untersuchung der Zusammenhänge zwischen Ultraschallmerkmalen und ER sowie zur Identifikation von Risikofaktoren. Bewertung der prädiktiven Leistung und klinischen Anwendbarkeit durch ROC-Kurven (receiver operating characteristic), Kalibrationskurven und Entscheidungs-Kurvenanalysen (decision curve analysis, DCA). Ergebnisse: 139 Patienten mit insgesamt 139 Läsionen eingeschlossen. Randomisierte Aufteilung der Daten im Verhältnis 8:2 in Trainings- und Validierungsdatensätze. Multivariate Analysen ergaben, dass Tumoren im Lebersegment S4 und hypoechogene Ränder unabhängige Risikofaktoren für ER sind (beide P<0,05). In der Validierungsgruppe betrugen die AUC-Werte (area under curve) der vier Modelle (R-US, R-CEUS, R-CEUS2, R-CEUS45) zur Vorhersage von ER 0,928, 0,912, 0,871 und 0,807. Die DCA zeigte, dass das CEUS-Doppelphasenmodell einen höheren klinischen Nettogewinn bietet. Fazit: DL-Technologie kann dynamische Ultraschallbilder effektiv nutzen, um eine individualisierte und präzise Vorhersage des frühen HCC-Rezidivs nach RFA zu ermöglichen. Das CEUS-Doppelphasenmodell weist dabei das beste klinische Translationpotenzial auf. Es stellt ein neues, nicht-invasives Werkzeug zur präoperativen Risikoabschätzung Hochrisikopatienten und zur Entwicklung individualisierter Follow-up-Pläne dar.

Hepatozellkarzinom; Radiofrequenzablation; frühzeitiges Rezidiv; tiefes Lernen; kontrastverstärkter Ultraschall