Дифференциальная диагностика гепатоцеллюлярной карциномы (ГЦК) и массформирующей внутрипечёночной холангиокарциномы (MF-ICC) до операции остаётся клинически значимой проблемой. Исследователи разработали интегрированную модель на основе глубокого обучения по динамической контрастной МРТ (DCE-MRI) в сочетании с клиническими данными.

Внутренняя когорта включала 334 хирургически верифицированных пациента (231 с ГЦК, 103 с MF-ICC), разделённых на обучающую выборку (n=233) и внутреннюю валидационную (n=101). Независимая внешняя валидационная когорта составила 50 пациентов (40 с ГЦК, 10 с MF-ICC).

Были построены отдельные 2D-модели глубокого обучения для артериальной, портовенозной и отсроченной фаз, а также их слияние (2D fusion model). Затем создана мультиканальная модель, напрямую принимающая трёхфазные изображения как многоканальный вход. Клиническая модель построена на независимых предикторах из многофакторного анализа и в итоге интегрирована с лучшей DL-моделью.

Мультиканальная модель глубокого обучения, использующая трёхфазные изображения как единый вход, показала лучшую дискриминацию (AUC=0.814 во внутренней валидации), чем все однофазные и соответствующие модели слияния.

Комплексная модель (2D + мультиканал + клиника) продемонстрировала наилучшую производительность: AUC 0.887 (95% CI 0.819–0.954) во внутренней валидационной когорте и хорошо обобщилась на внешнюю когорту (AUC=0.908; 95% CI 0.811–1.000). Однако после поправки на множественные сравнения статистически значимых различий между моделями не выявлено.

Интеграция клинических предикторов с многофазными признаками глубокого обучения по DCE-MRI может служить ценным инструментом для предоперационной дифференциации ГЦК и MF-ICC.