Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Araştırma makalesi

Hepatosellüler Karsinomda Ki-67 Durumunun Preoperatif Değerlendirmesi İçin Radyomik Tabanlı Modellerin Meta-Analizi

82 görüntülenme

⸱

DOI:

10.3791/70716

⸱

25 Ağustos 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 

* These authors contributed equally

Bu makalede

Özet

17 çalışmanın (hepatoselüler karsinomlu 1.708 hasta) dahil edildiği bu meta-analizde, yüksek Ki-67 ekspresyonunun radyomik tahmini için havuzlanmış duyarlılık, özgünlük ve eğri altındaki alan değerleri sırasıyla 0.87, 0.79 ve 0.90 olarak bulunmuştur; mevcut belirgin heterojenlik, standartlaştırılmış araştırmalara ihtiyaç olduğunu göstermektedir.

Özet

Bu çalışma, bir meta-analiz aracılığıyla hepatosellüler karsinomda (HCC) Ki-67 ekspresyon seviyelerini tahmin etmede radyomik özelliklerin tanısal değerini değerlendirmeyi amaçlamıştır. PubMed, Web of Science, Cochrane Library ve Embase dahil olmak üzere elektronik veri tabanları, 20 Ağustos 2025 tarihine kadar yayınlanmış ilgili klinik çalışmalar için sistematik olarak taranmıştır. HCC'li hastalarda Ki-67 ekspresyon seviyelerini tahmin etmek için radyomik özellikler kullanan çalışmalar dahil edilmiştir. Sensitivite, spesifite ve özet alıcı işletim karakteristiği eğrileri değerlendirilmiş ve eğri altındaki alan (AUC) hesaplanmıştır. Toplamda, 1.708 HCC hastasını kapsayan 17 çalışma dahil edilmiştir. Birleştirilmiş sensitivite 0,87 (%95 güven aralığı [CI], 0,81–0,91), birleştirilmiş spesifite 0,79 (%95 CI, 0,71–0,85) ve genel AUC 0,90 (%95 CI, 0,87–0,93) olarak bulunmuştur. %10 ve >10% Ki-67 eşik değerleri için birleştirilmiş AUC değerleri sırasıyla 0,89 (%95 CI, 0,86–0,92) ve 0,90 (%95 CI, 0,87–0,92) olarak belirlenmiştir. Manyetik rezonans görüntüleme ve ultrason kaynaklı radyomik özellikler için AUC değerleri sırasıyla 0,88 (%95 CI, 0,85–0,91) ve 0,92 (%95 CI, 0,89–0,94) olarak bulunmuştur. Lojistik regresyona dayalı tahmin modelleri için AUC 0,89 (%95 CI, 0,86–0,92) değerindedir. Radyomik özellikler, HCC'de yüksek Ki-67 ekspresyonunu tahmin etmede gelecek vaat eden birleştirilmiş tanısal performans göstermiştir. Ancak, dahil edilen çalışmalar arasında önemli ölçüde heterojenlik mevcuttur. Bu bulguları doğrulamak için daha fazla standartlaştırılmış araştırmaya ihtiyaç vardır.

Giriş

Geçtiğimiz on yıl boyunca, karaciğer kanserinin insidansı ve prevalansı kademeli olarak artmış, bu durum hastalığı dünya çapında önemli ve büyüyen bir hastalık yükü haline getirmiştir. Özellikle, hepatosellüler karsinom (HCC), tüm primer karaciğer kanseri tanılarının %90'ını oluşturmakta ve 2018 yılında bildirilen 840.000 yeni vaka ile küresel olarak kansere bağlı ölümlerin dördüncü en yaygın nedenini temsil etmektedir1,2. Cerrahi tekniklerdeki, lokal müdahalelerdeki ve sistemik tedavilerdeki son gelişmelerine rağmen, HCC'li hastaların uzun vadeli prognozu, 5 yıllık genel sağkalım oranlarının %13 ile %36 arasında seyretmesiyle suboptimal düzeyde kalmaya devam etmektedir3,4,5. Bu durum büyük ölçüde hastalığın sinsi başlangıcına, erken tanıdaki zorluklara ve yüksek tümör biyolojik heterojenliğine bağlanmaktadır. Bu zorluklar, mevcut tanı stratejilerinin kritik bir sınırlamasını vurgulamaktadır: geleneksel histopatolojik değerlendirmeler invazivdir ve dinamik tümör biyolojisinin gerçek zamanlı, kapsamlı bir değerlendirmesini sağlayamazlar. Bu nedenle, tümörlerin içsel malign potansiyelini doğru bir şekilde nicelleştirebilen yeni, noninvaziv araçların geliştirilmesi, HCC'de kişiselleştirilmiş tıbbın ilerletilmesi açısından önemlidir.

Çeşitli prognostik moleküler biyobelirteçler arasında Ki-67, hücresel proliferasyonun iyi tanımlanmış bir göstergesidir ve birçok malignite ile yakından ilişkilidir. Ki-67, proliferatif aktiviteyi yansıtır ve tümör hücrelerinde yaygın olarak eksprese edilir; yüksek ekspresyonu, artmış invazivite ve kötü diferansiyasyon ile güçlü bir korelasyon göstererek tümör agresifliğinin bir öngörücüsü olarak hizmet eder6. HCC'de, birçok çalışma Ki-67 yüksek ekspresyonunun daha büyük tümör boyutu, vasküler invazyon, daha yüksek Edmondson-Steiner derecesi ve ileri tümör nodu metastaz evresi ile anlamlı şekilde ilişkili olduğunu doğrulamıştır. Ayrıca, postoperatif nükssun ve daha kötü genel sağkalımın bağımsız bir öngörücüsü olarak görev yapar7,8,9,10. Ki-67 ekspresyon seviyeleri, tümör hücrelerinin proliferatif durumunu yansıttığından —yüksek seviyeler daha fazla invaziviteyi ve daha hızlı hastalık progresyonunu gösterdiğinden— bu biyobelirteç, HCC'de prognostik stratifikasyon, tedavi karar verme ve terapötik izlemde önemli bir değere sahiptir. Ancak, Ki-67'nin mevcut klinik değerlendirmesi invaziv doku örneklemesine dayanmaktadır. Bu yaklaşım yalnızca prosedürel riskler ve hasta rahatsızlığı taşımakla kalmaz, aynı zamanda HCC'nin belirgin mekansal ve zamansal heterojenliği nedeniyle, tek bir biyopsi tümörün genel proliferatif durumunu temsil etmede yetersiz kalabilir ve potansiyel olarak klinik yanlış yorumlamalara yol açabilir11. Bu nedenle, Ki-67 ekspresyonunun mekansal heterojenliğini kapsamlı bir şekilde yakalayabilen, noninvaziv ve reprodükte edilebilir bir yönteme yönelik acil bir klinik ihtiyaç bulunmaktadır.

Radyomiklerin ortaya çıkışı, bu sınırlamayı gidermek için potansiyel bir yaklaşım sunmaktadır. Radyomikler, bilgisayarlı tomografi (BT), manyetik rezonans görüntüleme (MRG) veya pozitron emisyon tomografisi (PET) gibi standart tıbbi görüntülerden çok sayıda nicel özelliğin yüksek verimli şekilde çıkarılmasını ve temel tümör biyolojisini çözmek için makine öğrenimi veya derin öğrenme algoritmaları kullanılarak öngörücü modellerin oluşturulmasını içerir12. HCC araştırmalarında radyomikler; tümör derecelendirme, mikrovasküler invazyon öngörüsü, gen ekspresyonu değerlendirmesi ve tedavi yanıtı izleminde başarıyla uygulanmıştır. Birçok çalışma Ki-67 ekspresyonunu öngörmek için radyomik modeller geliştirmeye çalışmış olsa da13,14, örneklem büyüklüğü, görüntüleme modaliteleri, özellik çıkarma yöntemleri ve model performansı açısından çalışmalar arasında önemli farklılıklar devam etmektedir. Bu nedenle, bu heterojen bulguları nicel olarak sentezlemek, güçlü havuzlanmış tanısal tahminler oluşturmak ve klinik ile metodolojik varyasyonların temel kaynaklarını belirlemek için sistematik bir meta-analiz gereklidir; böylece gelecekteki standardizasyon ve klinik uygulamalar için kanıta dayalı bir temel sağlanacaktır. Pratikte, radyomiklerin klinik uygulaması, özellik tekrarlanabilirliği sorunları ile MRG'nin tarama parametrelerine, ultrasonun ise operatöre bağımlılığı gibi modaliteye özgü sınırlamalar nedeniyle zorluklarla karşılaşmaktadır. Sonuç olarak, bu modellerin klinik faydası, metodolojik standardizasyonlarına ve harici doğrulama durumlarına göre kritik bir şekilde değerlendirilmelidir. Bu modellerin klinik uygulanabilirliği ve sağlamlığı henüz sistematik olarak değerlendirilmemiştir. Bu nedenle, mevcut çalışma HCC'de Ki-67 ekspresyon durumunu öngörmede radyomik modellerin tanısal performansını kapsamlı bir şekilde değerlendirmekte ve böylece gelecekteki standardizasyon ve klinik uygulamalar için kanıta dayalı bir temel sunmaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Arama stratejisi ve bilgi kaynağı
Sistematik İncelemeler ve Meta-Analizler için Tercih Edilen Raporlama Ögeleri (PRISMA) 2020 beyanına15 uygun olarak, PubMed, Web of Science, Cochrane Library ve Embase üzerinden, veritabanlarının başlangıcından 20 Ağustos 2025 tarihine kadar, dil kısıtlaması olmaksızın sistematik bir arama gerçekleştirilmiştir (bkz. Ek Dosya 1). Arama stratejisi, anahtar kelimelerin ve konu başlıklarının (PubMed'deki Tıbbi Konu Başlıkları [MeSH] ve Embase'deki Emtree gibi) 'AND' ve 'OR' Boolean operatörleri kullanılarak üç mantıksal blok halinde gruplandırılmasıyla oluşturulmuştur. Bu bloklar, her veritabanındaki başlık, özet veya konu alanlarına şu şekilde uygulanmıştır: (1) radyomik, modeller ve görüntüleme: 'radiomics', 'texture analysis', 'image features', 'magnetic resonance imaging' (veya 'MRI'), 'tomography, X-ray computed' (veya 'CT'), 'ultrasonography' (veya 'ultrasound'), 'deep learning', 'machine learning' ve 'logistic'; (2) hastalık: 'hepatocellular carcinoma', 'liver cancer', 'HCC' ve 'hepatoma'; ve (3) antijen: 'Ki-67 Antigen', 'Ki-67', 'Ki67' ve 'proliferation index'. Kesin arama sözdizimi, her veritabanının özel kurallarına uygun olarak ayarlanmıştır (örneğin PubMed'de [Title/Abstract] ve [MeSH] etiketleri, Embase'de ise ':ti,ab' veya '/exp' etiketleri kullanılmıştır). Ek olarak, uygun olabilecek diğer yayınları belirlemek amacıyla, elde edilen çalışmaların kaynakçaları ve ilgili derleme makaleleri üzerinden manuel bir arama yapılmıştır. Çalışma protokolü, INPLASY veritabanına INPLASY202670061 kayıt numarası ile retrospektif olarak kaydedilmiştir.

Uygunluk kriterleri
Klinik olarak ilgili bir çalışma seçimi sağlamak amacıyla, getirilen çalışmaların uygunluğu PICOS (Popülasyon, Müdahale, Karşılaştırma, Sonuç ve Çalışma tasarımı) çerçevesi kullanılarak belirlenmiştir.

Dahil etme kriterleri şu şekildeydi: (1) çalışma popülasyonunun, rezeke edilmiş/biyopsi yapılmış dokuların histopatolojik incelemesine veya kabul görmüş klinik ve görüntüleme kılavuzlarına göre HCC tanısı almış hastalardan oluşması; (2) tümör Ki-67 ekspresyon seviyelerini öngörmek için tıbbi görüntüleme modalitelerinden (BT, MR veya ultrasonografi dahil) türetilen radyomik, derin öğrenme veya doku özelliklerinin kullanılması; (3) hastaları yüksek ekspresyon ve düşük ekspresyon gruplarına ayırmak için net bir şekilde tanımlanmış bir eşik değerinin bulunduğu, tümör örneklerinde Ki-67 ekspresyon seviyelerinin histopatolojik değerlendirmesi; (4) test performansının hesaplanmasına olanak tanıyan 2 × 2'lik bir kontenjans tablosu şeklinde tanısal sonuçların mevcut olması ve (5) orijinal, hakemli klinik çalışmalar.

Çalışmalar şu durumlarda hariç tutulmuştur: (1) konferans özetleri, vaka raporları, sistematik incelemeler veya diğer orijinal olmayan araştırmalar olmaları; (2) nicel analiz için yetersiz sonuç verileri içermeleri; (3) yinelenen yayınlar olmaları ve (4) tam metinlerinin mevcut olmaması.

Çalışma tarama ve veri çıkarma protokolü
Literatür taramasını gerçekleştirmek için, elektronik veri tabanlarından elde edilen tüm atıflar birleştirilmiş, yinelenen kayıtlar sistematik olarak belirlenmiş ve çıkarılmıştır. Ardından, iki araştırmacı önceden tanımlanmış dahil etme ve hariç tutma kriterlerine dayanarak kalan literatürü bağımsız olarak taramıştır. İlk olarak başlıklar ve özetler incelenmiş ve potansiyel olarak uygun olan çalışmalar tam metin değerlendirmesine tabi tutulmuştur. İki incelemeci arasındaki tüm uyuşmazlıklar, tartışma yoluyla veya konsensüse varmak için üçüncü bir araştırmacıya danışılarak çözülmüştür.

Tarama süreci tamamlandıktan sonra, aynı iki araştırmacı standartlaştırılmış, önceden tanımlanmış bir veri çıkarma formu kullanarak verileri bağımsız olarak çıkardı. Çıkarılan bilgiler; temel çalışma özelliklerini, çalışma popülasyonunun demografik detaylarını ve tanısal performans verilerini, özellikle de gerçek pozitif, yanlış pozitif, gerçek negatif ve yanlış negatif sayılarını içeriyordu. Eksik verileri olan veya çözülemeyen belirsizlikler içeren çalışmalar için, orijinal verileri talep etmek amacıyla sorumlu yazarlarla e-posta yoluyla iletişime geçtik ve gerekli verilerin temin edilemediği çalışmaları analiz dışı bıraktık.

Kalite değerlendirmesi ve yanlık riski değerlendirmesi
Dahil edilen tanısal çalışmaların kalitesi, York Üniversitesi'nden Whiting ve arkadaşları tarafından geliştirilen Tanısal Doğruluk Çalışmalarının Kalite Değerlendirmesi 2 (QUADAS-2) aracı kullanılarak değerlendirilmiştir16. Bu araç dört alanı değerlendirir: hasta seçimi, indeks test, referans standart ile akış ve zamanlama. Her alan için yanlık riski "yüksek", "düşük" veya "belirsiz" olarak derecelendirilmiştir. Kalite değerlendirmesi iki araştırmacı tarafından bağımsız olarak gerçekleştirilmiştir. Herhangi bir tutarsızlık, tartışma yoluyla veya fikir birliğine varmak için üçüncü bir araştırmacıya danışılarak çözülmüştür.

İstatistiksel analiz
İstatistiksel analizler Stata versiyon 16.0 ve Review Manager (RevMan) versiyon 5.3 kullanılarak gerçekleştirilmiştir. RevMan; metodolojik kaliteyi değerlendirmek, yanlılık riskini belirlemek ve ilgili görsel özetleri oluşturmak için kullanılmıştır. Tanısal doğruluk, Stata 16.0'daki hiyerarşik midas modülü ile analiz edilmiştir. Birleştirilmiş duyarlılık ve özgüllük, %95 güven aralıkları (GA) ile birlikte iki değişkenli rastgele etkiler modeli kullanılarak tahmin edilmiştir. Genel tanısal performans, hiyerarşik özet alıcı işletim karakteristik (HSROC) eğrisi oluşturularak ve ilgili eğri altındaki alan (AUC) hesaplanarak özetlenmiştir. Çalışmalar arası heterojenlik, Cochran's Q testi ve I2 istatistiği ile incelenmiş; I2 değerlerinin %50'nin altında veya Q testi P değerlerinin 0,10'dan büyük olması kabul edilebilir homojenlik göstergesi olarak değerlendirilmiştir. Heterojenliğin potansiyel kaynaklarını araştırmak için Ki-67 eşik değerleri, görüntüleme yöntemi ve öngörü modeline göre önceden belirlenmiş alt grup analizleri yapılmıştır. Eşik etkisinin varlığı, logit-dönüştürülmüş duyarlılık ile (1 − özgüllük) logit değeri arasındaki Spearman korelasyonu belirlenerek değerlendirilmiştir. Potansiyel yayın yanlılığı, Deeks' huni grafiği asimetri testi kullanılarak değerlendirilmiştir. Aksi belirtilmedikçe tüm istatistiksel testler çift yönlü yapılmış ve istatistiksel anlamlılık P < 0,05 olarak tanımlanmıştır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Dahil edilen çalışmaların özellikleri
Sistematik bir elektronik veri tabanı taraması sonucunda, başlangıçta tarama için 3.923 çalışma belirlenmiştir. 2.032 yinelenen kayıt ve 1.719 ilgisiz çalışma hariç tutulduktan sonra, 172 makalenin tam metin incelemesi yapılmıştır. Önceden tanımlanmış dahil etme ve hariç tutma kriterlerine dayanarak, sonuç olarak 17 çalışma13,14,17,18

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bu sistematik meta-analiz, HCC'de Ki-67 ekspresyonunu öngörmek için radyomik özelliklerin tanısal performansını değerlendirmiştir. Birleştirilmiş hassasiyet 0,87, birleştirilmiş özgüllük 0,79 ve özet AUC 0,90 olarak belirlenmiştir. Analiz edilen alt gruplar arasında tahminler genel olarak benzer olsa da, önemli heterojenlik birleştirilmiş tahminlerin genellenebilirliğini sınırlamaktadır. Bu bulgular, radyomiğin doku tabanlı değerlendirmeye tamamlayıcı olabileceğini, ancak klinik faydasının daha fazla doğrulanması gerekti...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar beyan edilecek herhangi bir çıkar çatışmasına sahip değildir.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Review ManagerNordic Cochrane CentreSürüm 5.3Yanlılık riski değerlendirmesi ve haritalama
StataStataCorpSürüm 16.0Midas modülü kullanılarak tanısal meta-analiz

Kaynaklar

  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.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Daha fazla makale keşfet

Radyomik ModellerRadyomik ÖzelliklerTanısal PerformansManyetik Rezonans GörüntülemeUltrason RadyomikleriLojistik Regresyon