목적은 B형 초음파와 조영증강 초음파(contrast-enhanced ultrasound, CEUS)를 기반으로 한 딥러닝(deep learning, DL) 모델이 간세포암(hepatocellular carcinoma, HCC) 환자의 고주파 열소작술(radiofrequency ablation, RFA) 후 조기 재발(early recurrence, ER)을 예측하는 성능을 각각 평가하고 임상 의사결정 보조 가치를 탐색하는 것이다. 방법은 2017년 9월부터 2019년 12월까지 하얼빈 의과대학 부속 종양병원에서 RFA 치료를 받았으며 조기컴퓨터단층촬영(computed tomography, CT) 또는 자기공명영상(magnetic resonance imaging, MRI) 검사로 HCC가 확진된 환자들을 후향적으로 분석하였다. 환자의 수술 전 B형 초음파와 CEUS 동적 영상을 표준화 전처리(경계 상자 자르기 포함)를 통해 관심 영역(region of interest, ROI)을 추출하였다. 3차원 잔차망(three-dimensional residual network, 3D ResNet) DL 구조를 사용하여 네 가지 영상 입력을 기반으로 한 예측 모델(R-US - B형 초음파, R-CEUS45 - 동맥기 0~45초, R-CEUS2 - 문맥기 46초~2분, R-CEUS - 이중기 0~1분)을 각각 구축하였다. 5겹 교차 검증 전략을 통해 모델을 학습 및 최적화하여 모델의 견고성을 강화하였다. 단변량 및 다변량 로지스틱 회귀 분석을 통해 초음파 특징과 ER의 상관관계를 분석하고 ER에 영향을 미치는 위험 요인을 심층적으로 탐구하였다. 수신자 조작 특성(receiver operating characteristic, ROC) 곡선, 보정 곡선 및 결정 곡선 분석(decision curve analysis, DCA)을 통해 모델의 예측 성능과 임상적 적용 가치를 평가하였다. 결과는 총 139명의 환자와 139개의 병변이 포함되었다. 데이터를 8:2 비율로 무작위로 학습 집합과 검증 집합으로 나누었다. 다변량 분석 결과 간 S4 구역에 위치한 종양과 저에코 둘레는 ER의 독립 위험 인자였다(모두 P<0.05). 검증 집합에서 4개 모델(R-US, R-CEUS, R-CEUS2, R-CEUS45)의 ER 예측 AUC 값은 각각 0.928, 0.912, 0.871, 0.807이었다. DCA 결과 CEUS 이중기 모델이 더 높은 임상 순이익을 보였다. 결론은 DL 기술이 초음파 동적 영상을 효과적으로 활용하여 RFA 후 초기 HCC 재발에 대한 개별화 정밀 예측을 실현할 수 있으며, CEUS 이중기 모델이 최적의 임상 전환 잠재력을 보여주었다. 고위험 재발 환자의 수술 전 선별과 개별화된 추적 관찰 계획 수립에 비침습적인 새로운 도구를 제공한다.

간세포암; 고주파 열소작술; 초기 재발; 딥러닝; 조영증강 초음파