增强MRI肝胆期影像组学在肝细胞癌病理分化中的预测价值.pdf

ABDOMINALIMAGING45腹部影像学增强MRI肝胆期影像组学在肝细胞癌病理分化中的预测价值蔡圣贤！徐运军！郑鑫王含章?【摘要】目的：探讨基于塞酸二钠增强MRI肝胆期影像组学在肝细胞癌（HCC）病理分化程度中的预测价值。方法：回顾性收集145例经术后病理证实为HCC患者资料，根据病理分级将患者分为低危险组（10 0例）和高危险组（45例），前者包括高分化（11例）、中-高分化（11例）、中分化（7 8 例）HCC，后者包括低分化（2 1例）、中-低分化（2 4例）HCC。所有患者术前2 周均行塞酸二钠增强MRI检查。通过分析得出对HCC有影响的临床及传统影像学特征，建立临床-影像模型；利用ITK-SNAP软件在肝胆特异期图像上手动勾画肿瘤感兴趣区（ROIs），利用FAE（Fe A t u r e Ex p l o r e r V.0.5.5）软件提取特征，使用最大相关最小允余法对特征降维，通过建立XGBoost二分类模型来预测诊断效能；最终将临床-影像模型与影像组学模型相结合，建立联合模型。采用受试者工作特征（ROC）曲线下面积、准确度、灵敏度、特异度等指标来评价各模型诊断效能。结果：测试组中临床-影像模型、影像组学模型以及联合模型的ROC曲线下面积值分别为0.66、0.7 0、0.7 6，准确度分别为6 3.6%、6 3.6%、7 7.3%，灵敏度分别为7 1.4%、8 5.7%、57.1%，特异度分别为6 0.0%、53.3%、8 6.7%。结论：基于钒塞酸二钠增强MRI肝胆期影像组学的模型在预测HCC病理分化中有一定的价值。【关键词】增强磁共振成像；肝细胞癌；病理分化中图分类号：R445.3文献标志码：A文章编号：10 0 6-57 41(2 0 2 4)0 1-0 0 45-0 8The Predictive Value of Enhanced MRI Hepatobiliary Phase Imaging inPathological Differentiation of Hepatocellular CarcinomaCAI Shengxian,XU Yunjun,ZHENG Xin,WANG Hanzhang?Abstract Purpose:To investigate the predictive value of enhanced MRI hepatobiliary phase imaging based ongadolinium ethoxybenzyl diethylenetriamine pentaacetic acid(Gd-EOB-DTPA)in the pathological differentiation ofhepatocellular carcinoma(HCC).Methods:The data of 145 patients with HCC confirmed by postoperative pathologyresults were retrospectively analyzed,and were divided into a low-risk group(100 cases)and a high-risk group(45cases)according to pathological grading.The low-risk group included well differentiated HCC(11 cases),moderately-well differentiated HCC(11 cases),and moderately differentiated HCC(78 cases),while the high-riskgroup included poorly differentiated HCC(21 cases)and moderately-poorly differentiated HCC(24 cases).Allpatients underwent enhanced MRI two weeks before surgery.The clinical and traditional imaging features ofhepatocellular carcinoma were analyzed,and the clinical-imaging model was established.ITK-SNAP software was中国医学计算机成像杂志，2 0 2 4，30：45-52作者单位：1中国科学技术大学附属第一医院（安徽省立医院）影像科2中国CE医疗（上海）诊断药物事业部医学部通信地址：合肥市庐阳区庐江路17 号，合肥2 30 0 0 1通信作者：徐运军（电子邮箱：）基金项目：安徽省自然科学基金项目面上项目（2 2 0 8 0 8 5MH259）ChinComputMedlmag,2024,30:45-521 Department of Radiology,The First Affiliated Hospital of University ofScience and Technology of China(Anhui Provincial Hospital)2 Department of Medicine,Diagnostic Drugs Division,GE HealthcareChina(Shanghai)Address:17 Lujiang Road,Hefei 230001,ChinaCorrespondence to:xU Yunjun(E-mail:)Foundation item:General Project of Anhui Natural Science Foundation(2208085MH259)46ChinComputMedImag,2024,30(1)中国医学计算机成像杂志2 0 2 4年第30 卷第1期used to manually sketch tumor area of interest(ROI)on hepatobiliary-specific phase images.FAE(FeAture ExplorerV.0.5.5)software was used to extract features,and the maximum correlation minimum redundancy method was usedto reduce the dimension of features.The XGBoost binary classification model was established to predict theperformance,and the combined model was built based on the clinical-imaging and radiomics features.The area underthe receiver operating characteristic(ROC)curve(AUC),accuracy,sensitivity,and specificity were used to evaluatethe efficiency of the clinical-imaging model,radiomics model,and combined model.Result:In the test group,theAUC values of the clinical-imaging model,radiomics model,and combined model were 0.66,0.70,and 0.76,respectively,with the accuracy of 63.6%,63.6%,and 77.3%,respectively,and the sensitivity of 71.4%,85.7%,and57.1%,respectively.The specificity was 60.0%,53.3%,and 86.7%,respectively.Conclusion:The MRI hepatobiliaryphase radiomics model based on Gd-EOB-DTPA enhancement has a certain value in predicting the pathologicaldifferentiation of HCC.Key words Enhanced magnetic resonance imaging;Hepatocellular carcinoma;Pathological differentiation肝癌是全球第二大致死性癌症，仅次于肺癌，其中肝细胞癌（hepatocellular carcinoma，H CC）位于我国常见恶性肿瘤第四位1-2 。HCC常用的病理分级方法主要有两种：一是Edmondson-Steiner四级分级法，分为II V级；二是WHO的四级分级法，分为高分化、中分化、低分化和未分化。有研究证明HCC的病理分化程度可以作为预测术后复发及生存情况的重要因素【3。目前，临床上多采用影像学检查与甲胎蛋白等标志物检测相结合的方法诊断HCC，但肿瘤的病理分级最终还是需要依靠穿刺活检或手术病理来确诊，其都是对患者的有创性检查。因此，客观评价肿瘤的病理分级对于治疗方案的选择、术后的复发及预后的评估有重要的意义。塞酸二钠（gadolinium-ethoxybenzyl-diethylenetriaminepentaacetic acid，G d-EO B-D T PA）是一种近年来广泛应用于肝胆疾病的新型对比剂，其相较于钒喷酸葡胺（Gd-DTPA）最大的优势在于肝胆期成像【4。影像组学是近年来较为常用的一种人工智能研究方法，通过从影像图像中高通量的提取影像特征，最终用于疾病的辅助诊断、评估疗效及预后【5。本研究旨在构建基于Gd-EOB-DTPA增强MRI肝胆期影像组学模型，预测HCC病理分化程度。方法1.研究对象本研究通过安徽省立医院伦理管理委员会批准（批准文号：2 0 2 3-RE-206），免除患者受试知情同意书，回顾性分析安徽省立医院2 0 19年3月一2 0 2 3年3月所有符合以下标准的HCC患者数据资料，共145例。纳入标准：经穿刺或术后病理明确诊断为HCC并有明确病理分化程度；术前未接受过任何抗肿瘤或对症治疗；术前2 周均行Gd-EOB-DTPA增强MRI检查，且影像质量满足研究需求。排除标准：临床资料和/或影像学资料不完整；合并有其他部位恶性肿瘤。收集患者的个人信息及术前2 周的临床实验室指标，主要包括性别、年龄、乙肝表面抗原、甲胎蛋白（A FP）、血小板计数、淋巴细胞绝对值、中性粒细胞绝对值、总胆红素、丙氨酸转氨酶（ALT）、天冬氨酸转氨酶每（AST）以及-谷氨酰转移酶。2.Gd-EOB-DTPA增强MRI扫描方法所有检查均采用SIEMENSTrioTim3.0TMRI进行扫描，腹部线圈。患者取仰卧位，头先进的方式，扫描范围由隔肌至肝脏下缘。增强扫描经肘静脉以2.0mL/s流率高压注射Gd-EOB-DTPA，剂量0.1mmol/kg，之后以同样流率注人2 0 mL生理盐水冲管，在注射对比剂后行动态三期以及最后的肝胆特异期增强扫描，肝胆特异期的扫描时间为注射对比剂2 0 min后。扫描的具体参数：TR4.07ms，T E1.8 6 m s，视野38.0 cmx30.9cm，M a t r ix 195x 32 0，重采样层厚2.5mm，重采样层间距2.5mm。3.图像分析将所有检查患者的增强MRI肝胆期原始图像以DICOM格式拷贝至ITK-SNAP软件，人工手动逐层勾画肿块完整轮廓，包含肿块囊变坏死和出血区，提取肿块作为感兴趣区（ROI）。将原始图像和ROIs导人FAE（Fe A t u r e Ex p l o r e r V.0.5.5）软件提取特征。47ChinComputMedImag,2024,30(1)中国医学计算机成像杂志2 0 2 4年第30 卷第1期传统影像学特征由2 名具有10 年以上放射诊断经验的腹部影像诊断医师在PACS上独立评估。如有分歧，则经讨论达成一致。在评估前，2 名医师只知道数据为HCC，但对临床检验指标和病理分级等其他数据均不知晓，主要评估的特征如下。肿瘤最大径：横断位肝胆期图像上测量的最长径；肿瘤边界：边缘光滑（单个结节）和边缘不光滑（局部凸起或多结节融合）；瘤周强化：动脉晚期肿瘤周边的小片状强化；瘤周低信号环：门静脉期病灶边缘环形或楔形低信号影包绕；瘤内动脉：动脉期可见到瘤内供血动脉；瘤内坏死：增强各期内均未强化的低信号影；强化方式：是否为HCC典型的“快进快出”表现；肝胆期肿瘤相对信号强度：在肝胆期横断位图像上分别取3个层面，分别测量同一层面的肿瘤信号（避免坏死、出血、血管及胆管等区域）及竖脊肌信号，然后用肿瘤信号/竖脊肌信号，取3次平均值作为肝胆期肿瘤相对信号强度。部分图像在图1中显示。A1B1DIE1F图1典型病例影像男，6 5岁，肝细胞癌，中-低分化，肿瘤最大径10.5cm。A C分别为动脉期、静脉期和肝胆期；D和E红色区域为均为ROI；F为ROI3D模型。肿瘤边缘光滑，动脉期（A）可见瘤内动脉及坏死，静脉期（B）可见瘤周低信号。4.特征提取与统计学分析本研究相关统计学数据使用Python3.8.3及其Scikit包和Statsmodels包进行分析。使用FAE（Fe A t u r e Ex p l o r e r V.0.5.5）软件对肝胆期原始图像和相对应的勾画图像ROIs进行特征提取，提取了包括一阶、形状、灰度共生矩阵（GLCM）、灰度尺寸区域矩阵（GLSZM）和灰度游程矩阵（GLRLM）等在内的特征。统计分析前使用分层随机分组法，将研究人群按7：3随机分为训练组及验证组，训练组、验证组中阳性、阴性病例比例维持相同，重复此步骤直至两组间临床因素无显著统计学差异。4.1影像组学特征筛选在特征筛选前首先应用乙值标准化方法对特征值进行标准化处理来减小不同特征量纲的影响。利用Python软件使用最大相关最小余（maximumrelevance minimum redundancy，M R M R）方法对纹理特征进行降维，接下来对MRMR筛选出的特征子集进行L1正则化回归（LASSO法）进一步筛选。为了确定最佳的系数，采用LASSO法与5折交叉验证相结合的策略，来获得最优子集特征（图2）。最终影像组学模型使用10 折交互验证XGBoost分类器，最优选出最佳效能的估计函数数量和最大深度。最后通过多种指标，即准确度、灵敏度、特异度及受试者工作特征(ROC)由曲线下面积来评估效能。4.2临床-影像特征筛选统计数据正态性使用Shapiro-Wilk检验，连续正态分布变量由均值标准差表示，非正态分布连续数据由中位数下四分位数，上四分位数表示，分类变量采用例数（%）表示。视数据类型和分布，连续变量组间差异检验采用t检验或惠特尼U检验评估显著性，分类变量使用卡方检验评估差异显著性。临床-影像因素与目标结局间联系使用单因素一多因素向后逐步逻辑回归（backward-stepwiselogisticregression）评估，单因素逻辑回归中具有统计学显著意义（P0.05）的因素被纳人多因素逻辑回归中，对多因素逻辑回归中不具有统计学显著意义的因素予48ChinComputMedImag,2024,30(1)中国医学计算机成像杂志2 0 2 4年第30 卷第1期Cross-validated hyperparametertuningLARS path1.000.750.650.500.250.6000.550.25-0.500.50-0.75-1.00L10-210-110010110210-210-1100101102LambdaLambda2A2B图2采用5折交叉验证与LASSO相结合获得最优子集特征以剔除，重复直至所有多因素逻辑回归中因素均有统计学显著（P 0.10）。具体流程图见图3。结果1.一般临床因素及影像学统计分析结果患者一般临床因素及影像学统计分析结果详见表1。2.1临床-影像模型的建立将单因素分析有意义的特征纳人多因素向后逐步回归分析中，重复直至所有多因素逻辑回归中因素均临床及一般影像学资料连续变量离散变量Shapiro-Wilk检验正态非正态Students t检验MannWhitneyU检验X或Fisher检验图3统计分析流程图表1肝细胞癌患者临床特征及Gd-EOB-DTPA增强MRI影像学特征的单因素分析变量低危险组(N=100)高危险组(N=45)统计量P值性别n(%)0.1130.737男86(86.00)37(82.22)女14(14.00)8(17.78)年龄岁60.00 54.75,68.2559.00 52.00,66.002519.5000.250乙型肝炎病毒 n(%)2.1730.140阳性87(87.00)34(75.56)阴性13(13.00)11(24.44)AFP n(%)5.7040.017400 ng/mL73(73.00)23(51.11)400 ng/mL27(27.00)22(48.89)丙氨酸转氨酶/（U/L）32.00 20.23,45.2523.80 19.00,47.002.441.5000.414天冬氨酸转氨酶/U/L）32.00 22.75,41.5833.20 23.00,45.402 128.0000.603血小板计数10/L-1150.50 105.00,195.00169.00 129.00,217.001827.5000.071淋巴细胞绝对值10 L-11.54 1.23,1.861.35 0.99,1.702.672.0000.072血小板/淋巴细胞96.02 75.01,122.95128.23 87.50,165.001573.0000.00430711ChinCnmniitIman2024中国医学计算机成像杂志2 0 2 4年第30 卷第1期49续表变量低危险组(N=100)高危险组(N=45)统计量P值中性粒细胞绝对值10%L-13.13 2.22,3.783.26 2.57,3.852068.5000.439中性粒细胞/淋巴细胞1.94 1.52,2.732.60 1.67,3.471 817.0000.065总胆红素/mol/L)15.50 11.88,18.4215.40 11.30,20.102184.5000.781-谷氨酰转移酶/(U/L)41.95 23.00,75.0039.00 23.00,83.002.256.0000.981肿瘤最大径/cm3.80 2.40,5.335.20 3.00,8.201 642.0000.009肝胆期相对信号强度1.08 0.92,1.301.01 0.83,1.192.686.5000.062肿瘤边界 n(%)16.5330.000光滑58(58.00)9(20.00)不光滑42(42.00)36(80.00)瘤周强化n(%)0.5390.463无80(80.00)39(86.67)有20(20.00)6(13.33)瘤内动脉 n(%)0.1450.703无45(45.00)18(40.00)有55(55.00)27(60.00)瘤周低密度n(%)0.0001.000无84(84.00)38(84.44)有16(16.00)7(15.56)瘤内坏死n(%)1.7430.187无42(42.00)13(28.89)有58(58.00)32(71.11)强化方式 n(%)0.0001.000典型77(77.00)34(75.56)不典型23(23.00)11(24.44)有统计学意义，最终只保留了特征肿瘤边界有意义(P0.05），并建立临床-影像模型3.景影像组学模型及联合模型的建立通过筛选，最终保留了1个临床-影像特征和10个影像组学特征，分别为肿瘤边界、灰度尺寸区域矩阵特征（5个）、灰度共生矩阵特征（2 个）、灰度游程矩阵特征（1个）、形状特征（1个）、一阶特征（1个），各特征的相关程度见图4，各影像组学特征的重要性见图5。基于最终保留的特征构建XGBoost模型，并与临床-影像模型相结合构建联合模型4.各模型的结果与表现临床-影像模型诊断效能一般，影像组学模型及联合模型效能均高于临床-影像模型，且联合模型效能优于影像组学模型（图6）。最终各模型在训练组中的AUC值分别为0.7 1、0.8 5、0.8 5，在验证组中的AUC值分别为0.6 6、0.7 0、0.7 6（表2)。讨论本研究的目的是利用临床数据及影像学资料（包括肝胆期影像组学特征）构建预测模型来预测HCC的病理分化程度，从而为临床提供更优的治疗方案。本研究的结果是：基于Gd-EOB-DTPA肝胆期的影像组学模型在术前预测HCC病理分化程度具有一定的价值。HCC是原发性肝癌中最常见的一种，临床发现的HCC患者很多已是中晚期，且常合并肝硬化，手术切除率低，在非手术治疗中，肝动脉灌注化疗栓塞术(transcatheter arterial chemo embolization，T A CE)被认为是不能切除肝癌的首选方法。鉴于HCC病理分化程度对于治疗及预后的重要作用，国内外已有很多针对无创性评估HCC病理分化程度的研究。国外已有研究6 证明HCC的病理分化是其预后及复发的主要危险因素之一，且相比于低分化HCC，中、高1)中国医学计算机成像杂杰2 0 2 4年第30 券第1期50-Chin Computt Medlmag,2024,30-1.0gd_original_glrlm_ShortRunLowGrayLevelEmphasis-gd_original_shape_Elongation0.8gd_Ibp-3D-k_glszm_ZoneEntropy0.6gd_original_firstorder_InterquartileRangegd_Ibp-3D-m2_glszm_SmallAreaEmphasis0.4gd_original_glszm_SizeZoneNonUniformityNormalizedgd_original_glszm_SmallAreaLowGrayLevelEmphasis0.2gd_lbp-3D-m2_glcm_ClusterShade0gd_Ibp-3D-m1_glcm_Correlation-gd_Ibp-3D-m2_glszm_GrayLevelNonUniformityNormalized-0.2Border图4最终保留特征的相关程度Featureimportancegd_Ibp-3D-m2_glszm_SmallAreaEmphasisgd_lbp-3D-m2_glcm_ClusterShadegd_original_firstorder_InterquartileRangegd_Ibp-3D-ml_glcm_Correlationgd_original_glszm_SizeZoneNonUniformityNormalizedgd_original_glszm_SmallAreaLowGrayLevelEmphasisgd_original_shape_Elongationgd_lbp-3D-k_glszm_ZoneEntropygd_original_glrlm_ShortRunLowGrayLevelEmphasisgd_lbp-3D-m2_glszm_GrayLevelNonUniformityNormalized-0.5-0.4-0.3-0.2-0.100.1Importance图5名各组学特征的权重分化HCC的术后复发率明显较低。因此，术前无创性地评估HCC患者的病理分化程度，有助于为临床提供更佳的治疗方式。Gd-EOB-DTPA是磁共振成像的一种新型对比剂，适用于肝胆疾病。一方面，它可以缩短组织T1弛豫时间；另一方面，在注射对比剂2 0 min后，正常肝细胞可以吸收对比剂并呈现出高信号，而肿瘤因肝细胞坏死不能吸收对比剂而呈现低信号，同时胆系也会显影，所以该扫描序列被称为肝胆特异期【7 。目前，已有通过Gd-EOB-DTPA增强MRI来研究HCC51ChinComputMedImag,2024,30(1)中国医学计算机成像杂志2 0 2 4年第30 卷第1期1.01.00.80.80.60.60.40.40.20.2临床-影像模型AUC0.710.630.77临床-影像模型AUC0.660.530.78影像组学模型AUC0.850.780.92影像组学模型AUC0.700.570.840联合模型AUC0.850.780.910联合模型AUC0.760.640.88J00.20.40.60.81.000.20.40.60.81.01-特异度1-特异度6A6B图6训练组（A)与验证组（B)ROC曲线表2 名各模型对肝细胞癌病理分化的诊断效能模型阅值概率AUC准确度灵敏度特异度临床-影像训练组0.4370.710.6530.8390.571验证组0.660.6360.7140.600影像组学训练组0.4070.850.7720.7740.771验证组0.700.6360.8570.533联合训练组0.4330.850.7720.7740.771验证组0.760.7730.5710.867病理分化的报道，但大多都是分析图像的单纯影像特征，很少有进一步挖掘肝胆期组学特征的报道，所以我们采用影像组学来挖掘肝胆特异期的更深一层的影像特征来预测HCC病理分化程度。在本研究中，临床-影像学特征通过单因素一向后逐步回归法进行模型构建，最终只筛选出肿瘤边界差异有统计学意义，而其他特征均无统计学意义，这可能与样本量少，导致分配不均衡有关。而肿瘤边界不光滑被认为是HCC侵袭肿瘤包膜并突出到非肿瘤实质的侵袭性生物学倾向。对于肝胆期相对信号强度来说，有研究显示其与HCC病理分化有较好的相关性。然而Weng等8 认为肝胆期相对信号强度与病理分化并无显著相关性。这一结果的差异性可能与各分化程度HCC肿瘤细胞膜上OATP8的表达水平有关9)。极端梯度提升（XG Bo o st)是一种典型的提升算法，是一种集成技术，可用于调整现有模型产生的误差10-=。它适用于小样本量、二分类变量的计算。XGBoost已被用于几种癌症的有效和精确的生存预测，包括乳腺癌【12 、骨肉瘤13 和非小细胞肺癌14所以，本研究通过构建XGBoost模型来预测效能。本研究在Gd-EOB-DTPA增强MRI肝胆期图像的基础上挖掘组学特征，得出以GrayLevel NonUniformityNormalized（灰度不均匀性归一化）的诊断效能最好，相关度在0.5与0.6 之间，这可能与肿瘤内异质性相关，而高恶性程度的HCC具有显著的肿瘤异质性。在影像组学特征联合临床-影像特征后，发现诊断效能进一步提高，我们认为手动勾画的ROI具有人为主观性，而临床-影像特征中的肿瘤边界可以很好地补充勾画所导致的影像组学信息缺失。Wu等【15】发现，基于MRI的影像组学可以成功地对低级别组和高级别组HCC进行分类，且影像组学模型优于临床模型，联合模型优于两种单独模型，这与本研究结果相符。综上所述，本研究通过临床及影像数据，包括钒塞酸二钠增强MRI肝胆期影像组学特征，构建的模型能够无创、有效地预测肝细胞肝癌病理分化程度，为HCC患者术前临床诊断、治疗方案的选择以及预后预测提供依据。参考文献 1 J Chen W,Zheng R,Baade PD,et al.Cancer statistics in China,2015.CA Cancer J Clin,2016,66:115-132.52ChinComputMedImag,2024,30(1)中国医学计算机成像杂志2 0 2 4年第30 卷第1期2 Ferlay J,Soerjomataram I,Dikshit R,et al.Cancer incidence andmortality worldwide:sources,methods and major patterns inGLOBOCAN 2012.Int J Cancer,2015,136:E359-E386.3 Granata V,Fusco R,Filice S,et al.The current role and futureprospectives of functional parameters by diffusion weighted imagingin the assessment of histologic grade of HCC.Infect Agent Cancer,2018,13:23.4 Palmucci S.Focal liver lesions detection and characterization:theadvantages of gadoxetic acid-enhanced liver MRI.World J Hepatol,2014,6:477-485.5 Lambin P,Rios-Velazquez E,Leijenaar R,et al.Radiomics:extracting more information from medical images using advancedfeature analysis.Eur J Cancer,2012,48:441-446.6 Kitao A,Matsui O,Yoneda N,et al.Hypervascular hepatocellularcarcinoma:correlation between biologic features and signal intensity ongadoxetic acid-enhanced MR images.Radiology,2012,265:780-789.【7】中华医学会放射学分会腹部学组.肝胆特异性MRI对比剂塞酸二钠临床应用专家共识.临床肝胆病杂志,2 0 16,32:2 2 36-2 2 41.8 Weng S,Xu X,Li Y,et al.Quantitative analysis of multiphasemagneticresonanceimagesmayassistpredictionofhistopathological grade of small hepatocellular carcinoma.AnnTransl Med.2020,8:1023.9 Kitao A,Matsui O,Yoneda N,et al.The uptake transporter OATP8expressiondecreasesduringgmultistephepatocarcinogenesis:correlation with gadoxetic acid enhanced MR imaging.Eur Radiol,2011,21:2056-2066.10 Chen T,Guestrin C.XGBoost:a scalable tree boosting system.Proceedings of the 22nd ACM SIGKDD International Conference onKnowledge Discovery and Data Mining.2016.1l Ogunleye A,Wang QG.XGBoost model for chronic kidney diseasediagnosis.IEEE/ACM Trans Comput Biol Bioinform,2020,17:2131-2140.12 Liu P,Fu B,Yang SX,et al.Optimizing survival analysis ofXGBoost for ties to predict disease progression of breast cancer.IEEE Trans Biomed Eng,2021,68:148-160.13 Jiang J,Pan H,Li M,et al.Predictive model for the 5-year survivalstatus of osteosarcoma patients based on the SEER database andXGBoost algorithm.Sci Rep,2021,11:5542.14 Huang Z,Hu C,Chi C,et al.An artificial intelligence model forpredicting l-year survival of bone metastases in non-small-cell lungcancer patients based on XGBoost algorithm.Biomed Res Int,2020,2020:3462363.15 Wu M,Tan H,Gao F,et al.Predicting the grade of hepatocellularcarcinoma based on non-contrast-enhanced MRI radiomics signature.Eur Radiol,2019,29:2802-2811.（收稿日期：2 0 2 3-0 7-2 1;修回日期：2 0 2 3-11-30迈瑞医疗发布首个国产超高端解决方案“超高端超声系统昆仑Resona A20”2023年11月2 0 日获悉，在“中华医学会第二十三次全国超声医学学术会议”上，国产医疗器械龙头迈瑞医疗为超声科室带来了首个国产超高端解决方案超高端超声系统昆仑ResonaA20，这也成为中国首款自主研发的超高端超声影像设备。昆仑ResonaA20的面市，填补了国产超高端超声系统的市场空白。ResonaA20搭载了业内首发的全新超声技术平台，即“无极”声学智慧平台，在声电数据、成像算法、系统算力三个方面实现业内创新突破，采用了全新“AFM矩能探头”、突破性的“FreeBeam自适应波束合成技术”，和算力巨幅提升的“超并行运算架构”等，实现了超声成像在组织结构、血流灌注和生物学特征多方面升维，助力精准诊断和临床学术持续进阶。（钛媒体）