基于影像組學(xué)的結(jié)直腸癌肝轉(zhuǎn)移（CCLM）早期預(yù)測(cè)及療效評(píng)估，對(duì)于CCLM 患者的個(gè)體化管理與治療方式選擇具有重要意義。以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的深度學(xué)習(xí)（DL）具有人工智能（AI）參與度高、可重復(fù)性強(qiáng)、性能可靠等優(yōu)勢(shì)，提高了模型的預(yù)測(cè)效能，應(yīng)用前景值得期待。隨著多模態(tài)融合模型、多中心大樣本數(shù)據(jù)庫(kù)的逐步構(gòu)建，影像組學(xué)和DL 將在CCLM 管理中發(fā)揮更為重要的作用。為此，2024 年第51 卷第1 期《中國(guó)腫瘤臨床》國(guó)家基金研究進(jìn)展綜述欄目刊發(fā)了由天津醫(yī)科大學(xué)腫瘤醫(yī)院放射科葉兆祥教授撰寫(xiě)的《影像組學(xué)與深度學(xué)習(xí)在結(jié)直腸癌肝轉(zhuǎn)移早期預(yù)測(cè)及療效評(píng)估中的研究進(jìn)展》一文,該文介紹了影像組學(xué)及DL 的主要步驟，總結(jié)歸納其在CCLM 早期狀態(tài)預(yù)測(cè)及不同治療方式療效評(píng)估的應(yīng)用價(jià)值，并展望了其在CCLM 臨床管理中的深入應(yīng)用潛能。

閱讀本文請(qǐng)登錄網(wǎng)站www.cjco.cn 或關(guān)注本刊微信公眾號(hào)（掃描文章下方二維碼）查看。