生存预测：结直肠肝转移的存活概率

结直肠癌经常转移至肝脏，显著降低长期生存率。虽然手术切除是治疗结直肠肝转移 (CRLM) 的唯一可能治愈手段，但患者结果因肿瘤特征以及临床和基因组因素而异。当前prognostic 模型通常基于有限的临床或分子特征，预测能力有限，尤其在多发 CRLM 案例中。我们提出了一个完全自动化的框架，用于从术前获取的预和后对比 MRI 中预测手术结果。该框架包括一个分割管线和一个放射组学管线。分割管线通过利用可引导基础模型来学习分割肝脏、肿瘤和脾脏，这些模型从部分标注数据中获取标签。我们还提出了 SAMONAI，这是一种 novel zero-shot 3D prompt propagation algorithm，利用 Segment Anything Model 从单个点提示中分割 3D 感兴趣区域，显著提高了分割管线的准确度和效率。预测的预和后对比分割随后输入到我们的放射组学管线中，后者从每个肿瘤中提取特征并使用 SurvAMINN 进行生存预测，该模型是一种 novel autoencoder-based multiple instance neural network for survival analysis。SurvAMINN 联合学习从右删失生存数据中的维度约化和危害预测，聚焦于最具攻击性的肿瘤。对包含 227 名患者的机构数据集进行的广泛评估表明，我们的框架超越了现有的临床和基因组生物标志物，C-index 的改进超过 10%。我们的结果表明，自动化分割算法和基于放射组学的生存分析集成有望为 CRLM 提供准确、标注高效且可解释的outcome 预测。