Objetivo: Avaliar separadamente o desempenho de modelos de aprendizado profundo (deep learning, DL) baseados em ultrassom modo B e ultrassom com contraste (contrast-enhanced ultrasound, CEUS) na predição da recidiva precoce (early recurrence, ER) em pacientes com carcinoma hepatocelular (hepatocellular carcinoma, HCC) após ablação por radiofrequência (radiofrequency ablation, RFA), além de explorar seu valor auxiliar na decisão clínica. Métodos: Análise retrospectiva dos pacientes tratados com RFA entre setembro de 2017 e dezembro de 2019 no Hospital Oncológico afiliado à Universidade Médica de Harbin, diagnosticados por tomografia computadorizada (computed tomography, CT) ou ressonância magnética (magnetic resonance imaging, MRI). Foram coletadas imagens dinâmicas pré-operatórias em ultrassom modo B e CEUS, com pré-processamento padronizado (incluindo recorte da caixa delimitadora) para extrair a região de interesse (region of interest, ROI). Usando uma rede residual tridimensional (three-dimensional residual network, 3D ResNet) de DL, foram construídos modelos preditivos baseados em quatro tipos de entrada de imagem: R-US (modo B), R-CEUS45 (fase arterial, 0~45 s), R-CEUS2 (fase portal, 46 s~2 min) e R-CEUS (fase dupla, 0~1 min). O treinamento e otimização foram realizados usando validação cruzada de 5 dobras para aumentar a robustez do modelo. Foram realizadas análises logísticas univariadas e multivariadas para correlacionar características ultrassonográficas com ER e explorar fatores de risco associados. O desempenho preditivo e o valor clínico dos modelos foram avaliados por curvas ROC (receiver operating characteristic), curvas de calibração e análise da curva de decisão (decision curve analysis, DCA). Resultados: Foram incluídos 139 pacientes com 139 lesões. Os dados foram divididos aleatoriamente em proporção de 8:2 para conjuntos de treinamento e validação. A análise multivariada mostrou que tumores localizados no segmento S4 do fígado e halo hipoecogênico foram fatores independentes de risco para ER (ambos P<0,05). No conjunto de validação, as áreas sob a curva (area under curve, AUC) para prever ER dos 4 modelos (R-US, R-CEUS, R-CEUS2, R-CEUS45) foram 0,928, 0,912, 0,871 e 0,807, respectivamente. A análise DCA indicou que o modelo CEUS de fase dupla apresentou benefício clínico líquido superior. Conclusão: A tecnologia DL pode usar efetivamente imagens dinâmicas de ultrassom para realizar predições precisas e individualizadas da recidiva precoce de HCC após RFA, com o modelo CEUS de fase dupla mostrando o melhor potencial de tradução clínica. Oferece uma nova ferramenta não invasiva para triagem pré-operatória de pacientes com alto risco de recidiva e para elaboração de planos de acompanhamento individualizados.

carcinoma hepatocelular; ablação por radiofrequência; recidiva precoce; aprendizado profundo; ultrassom com contraste