Können Bildgebungsdaten den Schweregrad von Krebs vorhersagen? Diese Studie untersucht die Verwendung von CT-basierter Radiomics zur Vorhersage des pathologischen Grades von hepatozellulärem Karzinom (HCC), einer häufigen Art von Leberkrebs. Ziel der Forschung ist es, Radiomics-Modelle mithilfe von kontrastverstärkter CT (CECT)-Scans zu erstellen und zu validieren, um zwischen niedrig- und hochgradigem HCC zu unterscheiden. Daten von 242 Patienten mit pathologisch bestätigtem HCC wurden verwendet, um Radiomic-Modelle unter Verwendung von univariater Analyse und LASSO-Regression zu erstellen. Es wurden auch kombinierte Modelle entwickelt, die klinische Faktoren und Radiomics-Scores einbeziehen. Das Radiomics-Modell der arteriellen Phase und der portalvenösen Phase (AP+VP) zeigte die beste Leistung bei der Vorhersage des pathologischen HCC-Grades und erreichte AUC-Werte von 0,981 im Trainingsdatensatz und 0,842 im Validierungsdatensatz. Die Studie kommt zu dem Schluss, dass niedrig- und hochgradiges HCC mit guter diagnostischer Leistung mithilfe eines CECT-basierten Radiomics-Modells unterschieden werden können, was ein nicht-invasives Werkzeug zur Verbesserung der Diagnose und zur Information von Behandlungsstrategien bietet. Diese Forschung trägt zum Bereich der **klinischen Onkologie** bei und unterstreicht das Potenzial der **Radiologie** und **diagnostischen Bildgebung** bei der Verbesserung des Managements von **Leberkrebs**.
Diese in Frontiers in Oncology veröffentlichte Studie steht im Einklang mit dem Fokus der Zeitschrift auf Neoplasmen, Tumore und Onkologie. Die Forschung untersucht die Anwendung von Radiomics zur Vorhersage des pathologischen Grades von hepatozellulärem Karzinom und passt in den Umfang der Zeitschrift.