The predictive value of

當決策閾值落在 0.45至0.70 區間時，整合臨床特徵與 PET/CT 放射組學的聯合預測模型，其淨收益全面超越單一影像或臨床模型。這項針對 131 例原發性肝癌的回溯性分析證實，單純依賴常規臨床指標已不足以精準預測微血管侵犯（MVI），導入 PET/CT 代謝參數與放射組學特徵，才是全面提升預測效能的核心解方。

針對 131 例肝癌 MVI 預測的痛點與模型建構

從 2018 年 6 月至 2022 年 5 月的區間段來看，研究團隊透過嚴格篩選，回溯性收集了 131 例首度確診為原發性肝細胞癌（HCC）的病患資料。在肝癌的臨床處置與影像診斷流程中，微血管侵犯（MVI，指顯微鏡下才可見的血管內癌細胞侵犯）的狀態直接關係到病患的預後表現與後續治療策略的選擇。為了突破傳統單一臨床評估或單一影像判讀的侷限性，研究導入了邏輯斯迴歸（Logistic regression）演算法來建構一個全新的聯合預測模型（Combined prediction model）。該聯合模型進一步將複雜的迴歸方程式與預測機率轉化為列線圖（Nomogram，一種將統計預測模型視覺化的評分圖表），讓臨床醫師能夠更直觀地計算出每位患者的風險機率。透過將患者的基本臨床特徵、分子影像端的 PET/CT 代謝參數，以及深度的 PET/CT 放射組學特徵（Radiomics features）進行多維度的數據整合，研究試圖找出預測 MVI 狀態的最佳數學方程式。

評估模型效能的四大統計學檢驗指標

檢視這項影像組學研究的方法論，研究人員並未僅依賴單一指標來論定勝負，而是全面採用了四種不同的統計學檢驗方法，來交叉比對三種預測模型（聯合模型、純臨床模型、PET/CT 融合放射組學模型）的實際臨床價值。首先透過計算曲線下面積（AUC，評估分類模型預測準確度的核心指標）來量化各模型在區分 MVI 有無時的整體鑑別能力。接著，利用 Hosmer-Lemeshow 檢定來確認模型預測機率與實際發生率之間的適合度，確保模型沒有過度擬合的問題。把視角轉向臨床決策的實用性，團隊引入了決策曲線分析（DCA，評估不同風險閾值下患者淨收益的演算法），藉此評估預測模型在真實醫療場域中能帶來的實質診斷效益。最後，應用 DeLong 檢定來針對不同模型的 ROC 曲線下面積進行嚴謹的統計學差異性比對，確保模型間的優劣比較具有堅實的數學與統計基礎。

訓練組與驗證組的預測效能排序

若細看模型在不同資料集中的表現，可以發現預測效能的排序在訓練組與驗證組中呈現出微妙且值得關注的變化。在訓練組（Training cohort）的原始分析數據中，針對預測肝細胞癌 MVI 狀態的綜合效能，聯合模型展現出最強的預測力，緊追在後的是 PET/CT 融合模型，而僅依賴常規數據的臨床模型表現則位居最末。然而，當這些經過訓練的模型被套用到驗證組（Validation cohort）進行盲測時，整體效能的排序發生了翻轉。在驗證組中，PET/CT 融合模型躍升為預測效能第一，聯合模型稍微退居第二，而臨床模型依然墊底。這種訓練組與驗證組之間的效能順序差異，突顯了 PET/CT 放射組學與代謝參數在處理未知影像數據集時的強大泛化能力，同時也暗示了單一臨床指標在面對複雜腫瘤微環境特徵時，存在著無法突破的預測天花板。

DCA 曲線揭示的 0.45-0.70 閾值淨收益

解讀決策曲線分析（DCA）的圖表走勢與具體數據，是判斷這些預測模型是否具備真正臨床實用價值的關鍵步驟。曲線分析的結果明確指出，當閾值機率（Threshold probability）設定在 0.45 至 0.70 這個特定的數值區間時，整合多模態數據的聯合模型為患者帶來的臨床淨收益（Net benefit）顯著高於其他單一模型。這意味著如果臨床醫師根據系統預測的機率，且該機率落在此 0.45-0.70 的區間來決定後續的醫療處置，採用聯合模型的決策品質將會大幅優於單獨依賴臨床特徵模型，或是單純依賴 PET/CT 影像特徵模型。跨越這個特定的機率區間閾值，進一步證明了多維度的整合性數據能夠有效過濾掉無效或錯誤的臨床決策。在代謝參數與影像組學特徵的強大輔助下，醫療團隊能夠在不增加額外侵入性檢查的前提下，達到更精準的風險分層與預測。

整合 PET/CT 放射組學的臨床策略輔助價值

綜合上述所有的統計數據與交叉驗證結果，與單一的臨床模型以及 PET/CT 融合模型相比，結合了多維度數據的聯合模型在預測肝細胞癌 MVI 狀態上，展現出更優越且穩定的整體預測表現。這份建立在 131 例真實病例上的回溯性分析明確證實，由臨床特徵、PET/CT 代謝參數以及 PET/CT 放射組學特徵共同構築的聯合預測機制，能夠有效彌補過去單一影像判讀或單純生化指標的盲區。針對原發性肝癌患者的處置，這套高度整合的預測工具為臨床醫師提供了更可靠的病理狀態前瞻性評估參考。透過精準預測 MVI 的發生機率，醫療團隊能夠提早為高風險病患量身制定個人化的精準治療策略。從放射技術的觀點來看，高品質的 PET/CT 影像擷取與準確的代謝參數定量，正是支撐這個強大聯合預測模型不可或缺的基石。

整合臨床特徵、PET/CT 代謝參數與放射組學的聯合模型，在 0.45-0.70 閾值區間展現最高淨收益，能更精準預測肝癌微血管侵犯以輔助個人化治療。