目的は、Bモード超音波および造影超音波（contrast-enhanced ultrasound, CEUS）を基にした深層学習（deep learning, DL）モデルが、肝細胞がん（hepatocellular carcinoma, HCC）患者のラジオ波焼灼療法（radiofrequency ablation, RFA）後の早期再発（early recurrence, ER）を予測する能力をそれぞれ評価し、その臨床的支援価値を探ることである。方法は、2017年9月から2019年12月にかけて、ハルビン医科大学付属がん病院でRFA治療を受け、造影CT（computed tomography, CT）またはMRI（magnetic resonance imaging, MRI）でHCCと確定診断された患者を後ろ向きに解析した。術前のBモード超音波およびCEUSの動的画像を収集し、標準化前処理（境界ボックスのトリミングを含む）により関心領域（region of interest, ROI）を抽出した。3次元残差ネットワーク（three-dimensional residual network, 3D ResNet）を用い、4種類の画像入力に基づいた予測モデルをそれぞれ構築した：R-US（Bモード）、R-CEUS45（動脈相、0〜45秒）、R-CEUS2（門脈相、46秒〜2分）、R-CEUS（二相性、0〜1分）。5分割交差検証により訓練・最適化し、モデルの堅牢性を強化した。単変量及び多変量ロジスティック回帰分析で超音波特徴とERの関連性を検討し、ERに影響する危険因子を詳述した。ROC曲線（receiver operating characteristic）、キャリブレーション曲線及び決定曲線解析（decision curve analysis, DCA）でモデルの予測性能と臨床的応用価値を評価した。結果は、計139例の患者を対象とし139病変を含んだ。データを8:2の割合で無作為に訓練セットと検証セットに分割した。多変量解析で肝S4区域に位置する腫瘍および低エコーハローがERの独立危険因子であることが示された（いずれもP<0.05）。検証セットにおいて4モデル（R-US、R-CEUS、R-CEUS2、R-CEUS45）のER予測のAUC値はそれぞれ0.928、0.912、0.871、0.807であった。DCAはCEUS二相モデルがより高い臨床的純利益を持つことを示した。結論として、DL技術は超音波動的画像を効果的に活用して、RFA後の早期HCC再発の個別精密予測を実現可能であり、その中でCEUS二相モデルは最適な臨床展開ポテンシャルを示した。高リスク再発患者の術前スクリーニングおよび個別化フォローアップ計画の策定に新たな非侵襲的ツールを提供する。

肝細胞癌; ラジオ波焼灼術; 早期再発; 深層学習; 造影超音波