Objetivo: evaluar respectivamente la eficacia de los modelos de aprendizaje profundo (deep learning, DL) basados en ultrasonido modo B y ultrasonido con contraste (contrast-enhanced ultrasound, CEUS) para predecir la recurrencia temprana (early recurrence, ER) en pacientes con carcinoma hepatocelular (hepatocellular carcinoma, HCC) tras ablación por radiofrecuencia (radiofrequency ablation, RFA), y explorar su valor en la toma de decisiones clínicas. Métodos: análisis retrospectivo de pacientes tratados con RFA entre septiembre de 2017 y diciembre de 2019 en el Hospital Oncológico afiliado a la Universidad Médica de Harbin, diagnosticados mediante tomografía computarizada (computed tomography, CT) o resonancia magnética (magnetic resonance imaging, MRI). Recolección de imágenes dinámicas preoperatorias de ultrasonido modo B y CEUS, preprocesamiento estandarizado (incluyendo recorte de caja delimitadora) para extraer la región de interés (region of interest, ROI). Construcción de modelos predictivos basados en cuatro tipos de imágenes usando una red residual tridimensional (three-dimensional residual network, 3D ResNet): R-US (modo B), R-CEUS45 (fase arterial, 0~45 s), R-CEUS2 (fase portal, 46 s~2 min) y R-CEUS (fase doble, 0~1 min). Entrenamiento y optimización mediante validación cruzada de 5 pliegues para mejorar la robustez. Análisis logístico univariante y multivariante para evaluar la asociación entre las características ecográficas y ER, explorando los factores de riesgo. Evaluación del rendimiento predictivo y valor clínico mediante curvas ROC (receiver operating characteristic), curvas de calibración y análisis de curva de decisión (decision curve analysis, DCA). Resultados: 139 pacientes y 139 lesiones incluidas. División aleatoria 8:2 en conjuntos de entrenamiento y validación. El análisis multivariante mostró que el tumor ubicado en el segmento S4 del hígado y el halo hipoecoico son factores de riesgo independientes para ER (ambos P<0.05). En el conjunto de validación, las áreas bajo la curva (area under curve, AUC) para predecir ER de los 4 modelos (R-US, R-CEUS, R-CEUS2, R-CEUS45) fueron 0.928, 0.912, 0.871 y 0.807, respectivamente. El análisis DCA indicó que el modelo CEUS de doble fase proporciona mayor beneficio clínico neto. Conclusión: la tecnología DL puede utilizar eficazmente imágenes dinámicas de ultrasonido para la predicción individualizada y precisa de recurrencia temprana de HCC tras RFA, destacando el modelo CEUS de doble fase por su mejor potencial de aplicación clínica. Proporciona una nueva herramienta no invasiva para la selección preoperatoria de pacientes con alto riesgo de recurrencia y el diseño de protocolos de seguimiento individualizados.

carcinoma hepatocelular; ablación por radiofrecuencia; recurrencia temprana; aprendizaje profundo; ultrasonido con contraste