הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר מחקר

מטא-אנליזה של מודלים מבוססי רדיאומיקה להערכה טרום-ניתוחית של סטטוס Ki-67 בקרצינומה של תאי הכבד

88 צפיות

⸱

DOI:

10.3791/70716

⸱

25 באוגוסט 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 

* These authors contributed equally

במאמר זה

סיכום

מטא-אנליזה זו של 17 מחקרים (1,708 חולים עם hepatocellular carcinoma) מצאה ערכים מאוחדים של רגישות, סגוליות ושטח תחת העקומה (AUC) של 0.87, 0.79 ו-0.90, בהתאמה, לניבוי רדיומי של ביטוי גבוה של Ki-67; הטרוגניות משמעותית מצביעה על צורך במחקר סטנדרטי.

תקציר

מחקר זה נועד להעריך את הערך האבחנאי של מאפיינים רדיומיים בניבוי רמות ביטוי של Ki-67 בקרצינומה של תאי הכבד (HCC) באמצעות מטא-אנליזה. בוצע חיפוש שיטתי במאגרי מידע אלקטרוניים, כולל PubMed, Web of Science, the Cochrane Library ו-Embase, עבור מחקרים קליניים רלוונטיים שפורסמו עד ל-20 באוגוסט 2025. נכללו מחקרים שהשתמשו במאפיינים רדיומיים כדי לנבא רמות ביטוי של Ki-67 בחולי HCC. נבחנו רגישות, סגוליות ועקומות מאפייני תפעול של מקלט (ROC) מסכמות, וחושב השטח תחת העקומה (AUC). בסך הכל נכללו 17 מחקרים שכללו 1,708 חולי HCC. הרגישות המאוחדת הייתה 0.87 (רווח בר סמך [CI] של 95%, 0.81–0.91), הסגוליות המאוחדת הייתה 0.79 (95% CI, 0.71–0.85), וה-AUC הכולל היה 0.90 (95% CI, 0.87–0.93). ערכי ה-AUC המאוחדים עבור ערכי סף של Ki-67 של 10% ו->10% היו 0.89 (95% CI, 0.86–0.92) ו-0.90 (95% CI, 0.87–0.92), בהתאמה. ערכי ה-AUC עבור מאפיינים רדיומיים שהופקו מדימות תהודה מגנטית (MRI) ומאולטרסאונד היו 0.88 (95% CI, 0.85–0.91) ו-0.92 (95% CI, 0.89–0.94), בהתאמה. ה-AUC עבור מודלים של ניבוי המבוססים על רגרסיה לוגיסטית היה 0.89 (95% CI, 0.86–0.92). מאפיינים רדיומיים הראו ביצועים אבחנאיים מאוחדים מבטיחים לניבוי ביטוי גבוה של Ki-67 ב-HCC. עם זאת, נצפתה הטרוגניות משמעותית בין המחקרים שנכללו. נדרש מחקר סטנדרטי נוסף כדי לתקף ממצאים אלה.

מבוא

במהלך העשור האחרון, השכיחות וההיגבויות של סרטן הכבד עלו באופן הדרגתי, מה שהפך אותו לנטל מחלה משמעותי וגובר ברחבי העולם. באופן ספציפי, קרצינומה של תאי הכבד (HCC) מהווה 90% מכלל האבחנות של סרטן כבד ראשוני ומייצגת את הסיבה הרביעית הנפוצה ביותר למוות מסרטן בעולם, עם 840,000 מקרים חדשים שדווחו בשנת 20181,2. למרות התקדמויות אחרונות בטכניקות כירורגיות, התערבויות מקומיות וטיפולים סיסטמיים, הפרוגנוזה לטווח ארוך של חולי HCC נותרת תת-אופטימלית, כאשר שיעורי ההישרדות הכוללת למשך 5 שנים נעים בין 13% ל-36%3,4,5. הדבר נובע במידה רבה מההתחלה האינסדיוסית של המחלה, מקשיים באבחון מוקדם ומההטרוגניות הביולוגית הגבוהה של הגידול. אתגרים אלה מדגישים מגבלה קריטית של אסטרטגיות האבחון הנוכחיות: הערכות היסטופתולוגיות מסורתיות הן פולשניות ואינן מסוגלות לספק הערכה מקיפה ובזמן אמת של ביולוגיית הגידול הדינמית. לפיכך, פיתוח כלים חדשניים ולא פולשניים שיכולים לכמת במדויק את הפוטנציאל הממאיר האינהרנטי של גידולים הוא חשוב לקידום רפואה מותאמת אישית ב-HCC.

מבין סממנים ביולוגיים מולקולריים פרוגנוסטיים שונים, Ki-67 הוא אינדיקטור מבוסס לשגשוג תאי והוא קשור באופן הדוק לפרוגנוזה במספר סוגי גידולים ממאירים. Ki-67 משקף את הפעילות הפרוליפרטיבית ומבוטא באופן נרחב בתאי גידול; ביטוי גבוה שלו נמצא במתאם חזק עם פלישתיות מוגברת ודיפרנציאציה נמוכה, ומשמש כחוזה לאגרסיביות הגידול6. ב-HCC, מספר מחקרים אישרו כי ביטוי גבוה של Ki-67 קשור באופן מובהק לגודל גידול גדול יותר, פלישה וסקולרית, דרגת Edmondson–Steiner גבוהה יותר ושלב מתקדם של גרורות בבלטי לימפה. יתרה מכך, הוא משמש כחוזה עצמאי להישנות לאחר ניתוח ולהישרדות כללית נמוכה יותר7,8,9,10. כיוון שרמות הביטוי של Ki-67 משקפות את המצב הפרוליפרטיבי של תאי הגידול — כאשר רמות גבוהות מעידות על פלישתיות רבה יותר והתקדמות מהירה יותר של המחלה — לסממן ביולוגי זה ערך ניכר בסטרטפיקציה פרוגנוסטית, בקבלת החלטות טיפוליות ובניטור טיפולי ב-HCC. עם זאת, ההערכה הקלינית הנוכחית של Ki-67 מסתמכת על דגימת רקמה פולשנית. גישה זו אינה כרוכה בסיכונים פרוצדורליים ובאי-נוחות למטופל בלבד, אלא חשוב מכך, לאור ההטרוגניות המרחבית והזמנית המשמעותית של HCC, ביופסיה בודדת עלולה שלא לייצג את המצב הפרוליפרטיבי הכולל של הגידול, מה שעלול להוביל לפרשנות קלינית שגויה11. לכן, קיים צורך קליני דחוף בשיטה לא פולשנית וניתנת לשחזור, שתוכל ללכוד באופן מקיף את ההטרוגניות המרחבית של ביטוי Ki-67.

עלייתה של הרדיאומיקה (radiomics) מציעה גישה פוטנציאלית לטיפול במגבלה זו. רדיאומיקה כוללת הפקה בקיבולת גבוהה (high-throughput) של מאפיינים כמותיים רבים מדימויים רפואיים סטנדרטיים, כגון טומוגרפיה ממוחשבת (CT), דימות בתהודה מגנטית (MRI), או טומוגרפיה באמצעות פוזיטרונים (PET), ובניית מודלים ניבויים באמצעות אלגוריתמים של למידת מכונה או למידה עמוקה כדי לפענח את הביולוגיה הבסיסית של הגידול12. במחקר של HCC, רדיאומיקה יושמה בהצלחה בדירוג גידולים, בניבוי של פלישה מיקרו-וסקולרית, בהערכת ביטוי גנים ובניטור תגובה לטיפול. למרות שמספר מחקרים ניסו לפתח מודלים רדיאומיים לניבוי ביטוי של Ki-6713,14, נותרה שונות ניכרת בין המחקרים בגודל המדגם, במודליות הדימות, בשיטות הפקת המאפיינים ובביצועי המודלים. לכן, נדרש מטא-אנליזה סיסטמטית כדי לסנתז באופן כמותי ממצאים הטרוגניים אלו, לבסס הערכות אבחנתיות מאוחדות ורובסטיות, ולזהות מקורות מרכזיים של שונות קלינית ומתודולוגית, ובכך לספק בסיס מבוסס ראיות לסטנדרטיזציה ותרגום קליני בעתיד. בפועל, התרגום הקליני של רדיאומיקה נתקל באתגרים הקשורים לשחזוריות של מאפיינים ומגבלות ספציפיות למודליות, כגון התלות של MRI בפרמטרי הסריקה והתלות של האולטרסאונד במפעיל. כתוצאה מכך, יש להעריך באופן ביקורתי את התועלת הקלינית של מודלים אלה על בסיס הסטנדרטיזציה המתודולוגית שלהם ומצב התיקוף החיצוני שלהם. היישומיות הקלינית והרובסטיות של מודלים אלו טרם הוערכו באופן סיסטמטי. לפיכך, מחקר זה מעריך באופן מקיף את הביצועים האבחנתיים של מודלים רדיאומיים בניבוי מצב ביטוי של Ki-67 ב-HCC, ובכך מספק בסיס מבוסס ראיות לסטנדרטיזציה ותרגום קליני בעתיד.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

אסטרטגיית חיפוש ומקור מידע
בהתאם להצהרת Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 202015, בוצע חיפוש שיטתי במאגרי המידע PubMed, Web of Science, Cochrane Library ו-Embase מהקמתו של כל מאגר ועד ל-20 באוגוסט 2025, ללא הגבלות שפה (ראו קובץ נספח 1). אסטרטגיית החיפוש נבנתה על ידי קיבוץ מילות מפתח וכותרות נושא (כגון Medical Subject Headings [MeSH] ב-PubMed ו-Emtree ב-Embase) לשלושה בלוקים לוגיים באמצעות האופרטורים הבוליאניים 'AND' ו-'OR'. בלוקים אלו הוחלו על שדות הכותרת, התקציר או הנושא בכל מאגר מידע באופן הבא: (1) רדיאומיקה, מודלים והדמיה: 'radiomics', 'texture analysis', 'image features', 'magnetic resonance imaging' (או 'MRI'), 'tomography, X-ray computed' (או 'CT'), 'ultrasonography' (או 'ultrasound'), 'deep learning', 'machine learning', ו-'logistic'; (2) מחלה: 'hepatocellular carcinoma', 'liver cancer', 'HCC' ו-'hepatoma'; ו-(3) אנטיגן: 'Ki-67 Antigen', 'Ki-67', 'Ki67', ו-'proliferation index'. תחביר החיפוש המדויק הותאם לכלליו הספציפיים של כל מאגר מידע (לדוגמה, שימוש בתגיות [Title/Abstract] ו-[MeSH] ב-PubMed, ובתגיות ':ti,ab' או '/exp' ב-Embase). כמו כן, בוצע חיפוש ידני בביבליוגרפיות של המחקרים שנשלפו, יחד עם מאמרי סקירה רלוונטיים, כדי לזהות פרסומים מתאימים נוספים. פרוטוקול המחקר נרשם רטרוספקטיבית במאגר המידע INPLASY תחת מספר רישום INPLASY202670061.

קריטריוני התאמה
כדי להבטיח בחירה של מחקרים בעלי רלוונטיות קלינית, נקבעה התאמתם של המחקרים שנשלוף באמצעות מסגרת ה-PICOS (אוכלוסייה, התערבות, השוואה, תוצאה ומבנה מחקר).

קריטריוני ההכללה היו כדלקמן: (1) אוכלוסיית מחקר המורכבת ממטופלים שאובחנו עם HCC על בסיס בדיקה היסטופתולוגית של רקמה שנכרתה/נדגמה בביופסיה, או בהתאם להנחיות קליניות והדמייתיות מבוססות; (2) שימוש ברדיאומיקה, למידה עמוקה או מאפייני מרקם הנגזרים ממודליות של הדמיה רפואית (כולל CT, MRI או אולטרסוניגרפיה) לניבוי רמות ביטוי של Ki-67 בגידול; (3) הערכה היסטופתולוגית של רמות ביטוי Ki-67 בדגימות גידול, עם ערך סף מוגדר בבירור לסיווג המטופלים לקבוצות של ביטוי גבוה וביטוי נמוך; (4) זמינות של תוצאות אבחנתיות בצורה של טבלת שכיחות 2 × 2 המאפשרת חישוב של ביצועי הבדיקה; ו-(5) מחקרים קליניים מקוריים שעברו ביקורת עמיתים.

מחקרים הוצאו מהניתוח אם הם (1) היו תקצירים מכנסים, דיווחי מקרה, סקירות שיטתיות או מחקרים שאינם מקוריים; (2) הכילו נתוני תוצאה בלתי מספיקים לצורך ניתוח כמותי; (3) היו פרסומים כפולים; ו-(4) לא היו זמינים בטקסט מלא.

פרוטוקול לסריקת מחקרים ולהפקת נתונים
לביצוע סקירת הספרות, כל הציטוטים שנשלוף ממאגרי המידע האלקטרוניים מוזגו, ורשומות כפולות זוהו והוסרו באופן שיטתי. לאחר מכן, שני חוקרים סרקו באופן בלתי תלוי את הספרות שנותרה בהתבסס על קריטריוני ההכללה וההדרה שהוגדרו מראש. תחילה נבחנו הכותרות והתקצירים, ומחקרים שעמדו בסיכויי התאמה עברו הערכה של הטקסט המלא. כל אי-הסכמה בין שני הסוקרים נפתרה באמצעות דיון או על ידי התייעצות עם חוקר שלישי להשגת קונצנזוס.

לאחר השלמת תהליך הסינון, אותם שני חוקרים חילצו נתונים באופן בלתי תלוי באמצעות טופס חילוץ סטנדרטי שהוגדר מראש. המידע שחולץ כלל מאפייני מחקר בסיסיים, פרטים דמוגרפיים של אוכלוסיית המחקר ונתוני ביצועים אבחנתיים, ובאופן ספציפי, את מספר החיוביים האמיתיים, החיוביים הכוזבים, השליליים האמיתיים והשליליים הכוזבים. עבור מחקרים עם נתונים חסרים או עמימויות שלא נפתרו, יצרנו קשר עם המחברים המקשרים באמצעות דואר אלקטרוני כדי לבקש את הנתונים המקוריים, ומחקרים הוחרגו אם הנתונים הנדרשים נותרו לא זמינים.

הערכת איכות והערכת סיכון להטיות
איכותן של בדיקות האבחון שנכללו הוערכה באמצעות הכלי Quality Assessment of Diagnostic Accuracy Studies 2 (QUADAS-2), שפותח על ידי Whiting ואח' באוניברסיטת יורק16. כלי זה מעריך ארבעה תחומים: בחירת מטופלים, בדיקת האינדקס, התקן הייחוס, וזרימה ותזמון. כל תחום דורג מבחינת סיכון להטיות כ"גבוה", "נמוך" או "לא ברור". שני חוקרים ביצעו את הערכת האיכות באופן בלתי תלוי. כל אי-הסכמה נפתרה באמצעות דיון או על ידי התייעצות עם חוקר שלישי להשגת קונצנזוס.

ניתוח סטטיסטי
ניתוחים סטטיסטיים בוצעו באמצעות Stata גרסה 16.0 ו-Review Manager (RevMan) גרסה 5.3. RevMan שימש להערכת האיכות המתודולוגית, להערכת הסיכון להטיה וליצירת הסיכומים הוויזואליים המתאימים. דיוק אבחנתי נותח ב-Stata 16.0 באמצעות מודול ה-hierarchical midas. רגישות וסגוליות משוקללות, יחד עם רווחי סמך (CIs) של 95%, נאמדו באמצעות מודל bivariate random-effects. ביצועי האבחון הכוללים סוכמו על ידי בניית עקומת מאפייני הפעלה של מקלט סיכומי היררכי (HSROC) וחישוב השטח תחת העקומה (AUC) המתאים. הטרוגניות בין מחקרים נבחנה באמצעות מבחן Q של Cochran והסטטיסטי I2, כאשר ערכי I2 נמוכים מ-50% או ערכי P של מבחן Q הגבוהים מ-0.10 נחשבו כמעידים על הומוגניות מקובלת. כדי לחקור מקורות פוטנציאליים להטרוגניות, בוצעו ניתוחי תתי-קבוצות שהוגדרו מראש על פי ערכי סף של Ki-67, שיטת הדימות ומודל הניבוי. נוכחות של אפקט סף הוערכה על ידי קביעת מתאם Spearman בין הרגישות שעברה טרנספורמציית logit לבין ה-logit של (1 − סגוליות). הטיה פוטנציאלית בפרסום הוערכה באמצעות מבחן האסימטריה של תרשים המשפך של Deeks. אלא אם צוין אחרת, כל המבחנים הסטטיסטיים היו דו-זנביים, ומובהקות סטטיסטית הוגדרה כ-P < 0.05.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

מאפייני המחקרים שנכללו
באמצעות חיפוש שיטתי במאגרי מידע אלקטרוניים, זוהו בתחילה 3,923 מחקרים לסריקה. לאחר הדרה של 2,032 רשומות כפולות ו-1,719 מחקרים לא רלוונטיים, 172 מאמרים עברו סקירה של הטקסט המלא. בהתבס על קריטריוני ההכלה וההדרה שהוגדרו מראש, 17 מחקרים13,14,17,18,19,20,21

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

מטא-אנליזה שיטתית זו העריכה את הביצועים האבחנאיים של מאפיינים רדיומיים לניבוי ביטוי של Ki-67 ב-HCC. הרגישות המשולבת הייתה 0.87, הספציפיות המשולבת הייתה 0.79, וה-AUC הסיכומי היה 0.90. למרות שההערכות היו דומות באופן כללי בין תתי-הקבוצות שנבדקו, הטרוגניות משמעותית מגבילה את היכולת להכליל את ההערכות המשולבות. ממצאים אלו מצביעים על כך שרדיאומיקה עשויה להוות השלמה להערכה מבוססת רקמה, אך התועלת הקלינית שלה דורשת תיקוף נוסף.

הערך האבחנתי המרכזי של חיזוי לא פולשני מבוסס רדיאומיקה לרמות הביטוי של Ki-67 ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

למחברים אין ניגודי עניינים להצהיר עליהם.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
מנהל סקירה (Review Manager)Nordic Cochrane Centreגרסה 5.3הערכת סיכון להטיה ומיפוי
StataStataCorpגרסה 16.0מטא-אנליזה דיאגנוסטית באמצעות מודול midas

מקורות

  1. Philips CA, et al. Hepatocellular carcinoma in 2021: an exhaustive update. Cureus. 2021;13(11):e19274.
  2. Llovet JM, et al. Hepatocellular carcinoma. Nat Rev Dis Primers. 2021;7(1):6.
  3. Siegel RL, Miller KD, Wagle NS, Jemal A. Cancer statistics, 2023. CA Cancer J Clin. 2023;73(1):17-48.
  4. Feng F, Zhao Y. Hepatocellular carcinoma: prevention, diagnosis, and treatment. Med Princ Pract. 2024;33(5):414-23.
  5. Alawyia B, Constantinou C. Hepatocellular carcinoma: a narrative review on current knowledge and future prospects. Curr Treat Options Oncol. 2023;24(7):711-24.
  6. Andrés-Sánchez N, Fisher D, Krasinska L. Physiological functions and roles in cancer of the proliferation marker Ki-67. J Cell Sci. 2022;135(11):jcs258932.
  7. Hsu HC, et al. Expression of p53 gene in 184 unifocal hepatocellular carcinomas: association with tumor growth and invasiveness. Cancer Res. 1993;53(19):4691-4.
  8. Cao Y, et al. DNA topoisomerase IIα and Ki-67 are prognostic factors in patients with hepatocellular carcinoma. Oncol Lett. 2017;13(6):4109-16.
  9. Stroescu C, et al. Expression of p53, Bcl-2, VEGF, Ki-67, and PCNA and prognostic significance in hepatocellular carcinoma. J Gastrointestin Liver Dis. 2008;17(4):411-7.
  10. Jue C, et al. Vasculogenic mimicry in hepatocellular carcinoma contributes to portal vein invasion. Oncotarget. 2016;7(47):77987-97.
  11. Di Tommaso L, et al. Role of liver biopsy in hepatocellular carcinoma. World J Gastroenterol. 2019;25(40):6041-52.
  12. Gillies RJ, Kinahan PE, Hricak H. Radiomics: images are more than pictures, they are data. Radiology. 2016;278(2):563-77.
  13. Hu XX, et al. Whole-tumor MRI histogram analyses of hepatocellular carcinoma: correlations with Ki-67 labeling index. J Magn Reson Imaging. 2017;46(2):383-92.
  14. Yao Z, et al. Preoperative diagnosis and prediction of hepatocellular carcinoma: radiomics analysis based on multimodal ultrasound images. BMC Cancer. 2018;18(1):1089.
  15. Page MJ, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
  16. Whiting PF, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529-36.
  17. Chen Y, et al. Diagnostic value of Gd-EOB-DTPA-enhanced MRI for the expression of Ki-67 and microvascular density in hepatocellular carcinoma. J Magn Reson Imaging. 2020;51(6):1755-63.
  18. Ye Z, et al. Texture analysis on gadoxetic acid-enhanced MRI for predicting Ki-67 status in hepatocellular carcinoma: a prospective study. Chin J Cancer Res. 2019;31(5):806-17.
  19. Ye Z, et al. Preoperative prediction of hepatocellular carcinoma with highly aggressive characteristics using quantitative parameters derived from hepatobiliary phase MR images. Ann Transl Med. 2020;8(4):85.
  20. Wu H, et al. Prediction of the Ki-67 marker index in hepatocellular carcinoma based on CT radiomics features. Phys Med Biol. 2020;65(23):235048.
  21. Shi G, et al. Evaluation of multiple prognostic factors of hepatocellular carcinoma with intravoxel incoherent motion imaging by extracting the histogram metrics. Cancer Manag Res. 2020;12:6019-31.
  22. Fan Y, et al. Radiomic analysis of Gd-EOB-DTPA-enhanced MRI predicts Ki-67 expression in hepatocellular carcinoma. BMC Med Imaging. 2021;21(1):100.
  23. Jing M, et al. The benefit of apparent diffusion coefficient in evaluating the invasiveness of hepatocellular carcinoma. Front Oncol. 2021;11:719480.
  24. Hu X, et al. Added value of viscoelasticity for MRI-based prediction of Ki-67 expression of hepatocellular carcinoma using a deep learning combined radiomics (DLCR) model. Cancers (Basel). 2022;14(11):2575.
  25. Wu C, et al. Nomogram based on CT radiomics features combined with clinical factors to predict Ki-67 expression in hepatocellular carcinoma. Front Oncol. 2022;12:943942.
  26. Dong Y, et al. Prediction of histological grades and Ki-67 expression of hepatocellular carcinoma based on Sonazoid contrast-enhanced ultrasound radiomics signatures. Diagnostics (Basel). 2022;12(9):2175.
  27. Liu Z, et al. Nomogram development and validation to predict Ki-67 expression of hepatocellular carcinoma derived from Gd-EOB-DTPA-enhanced MRI combined with T1 mapping. Front Oncol. 2022;12:954445.
  28. Zhang L, et al. Noninvasive prediction of Ki-67 expression in hepatocellular carcinoma using machine learning-based ultrasomics: a multicenter study. J Ultrasound Med. 2023;42(5):1113-22.
  29. Huang Z, Zhou P, Li S, Li K. Prediction of the Ki-67 marker index in hepatocellular carcinoma based on dynamic contrast-enhanced ultrasonography with Sonazoid. Insights Imaging. 2022;13(1):199.
  30. Zhao YM, et al. Added value of CE-CT radiomics to predict high Ki-67 expression in hepatocellular carcinoma. BMC Med Imaging. 2023;23(1):138.
  31. Zhang D, et al. Predicting Ki-67 expression in hepatocellular carcinoma: nomogram based on clinical factors and contrast-enhanced ultrasound radiomics signatures. Abdom Radiol (NY). 2024;49(5):1419-31.
  32. Miller I, et al. Ki-67 is a graded rather than a binary marker of proliferation versus quiescence. Cell Rep. 2018;24(5):1105-12.e5.
  33. Lambin P, et al. Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol. 2017;14(12):749-62.
  34. Shia WC, et al. Effectiveness of evaluating tumor vascularization using 3D power Doppler ultrasound with high-definition flow technology in the prediction of the response to neoadjuvant chemotherapy for T2 breast cancer: a preliminary report. Phys Med Biol. 2015;60(19):7763-78.
  35. Luo Y, et al. Clinicopathological and prognostic significance of high Ki-67 labeling index in hepatocellular carcinoma patients: a meta-analysis. Int J Clin Exp Med. 2015;8(7):10235-47.
  36. Aguirre-Meneses H, et al. Radiomics and the Image Biomarker Standardisation Initiative (IBSI): a narrative review using a six-question map and implementation framework for reproducible imaging biomarkers. Cureus. 2025;17(10):e95335.
  37. Voitenko DA, et al. RiTex: harmonization of radiomic features based on Riemannian geometry. J Imaging. 2026;12(6):264.
  38. Jearth V, et al. Correlation of clinicopathological profile, prognostic factors, and survival outcomes with baseline alfa-fetoprotein levels in patients with hepatocellular carcinoma: a biomarker that is bruised but not broken. J Clin Exp Hepatol. 2022;12(3):841-52.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

גלה מאמרים נוספים

מודלים של רדיאומיקהמאפיינים רדיאומייםביצועים אבחנתייםדימות תהודה מגנטיתרדיאומיקה של אולטרסאונדרגרסיה לוגיסטית