编辑推荐：
为解决术前精准预测肝细胞癌（HCC）微血管侵犯（MVI）的问题，研究人员开展基于 Gd-EOB-DTPA 增强 MRI 影像，构建结合双区域特征和两种机器学习算法模型的研究。结果显示双区域 CR-DLR 模型预测性能更优，为临床个性化治疗提供依据。
在癌症的世界里，肝细胞癌（Hepatocellular Carcinoma，HCC）是一个 “狠角色”，它不仅在全球常见恶性肿瘤中排名第六，更是癌症致死榜单上的第四名。对于接受肝癌切除和肝移植的患者来说，术后复发和转移的阴影始终笼罩着他们，5 年复发转移率高达 50 - 70%。而微血管侵犯（Microvascular Invasion，MVI）就像是隐藏在暗处的 “帮凶”，它指肿瘤细胞侵入血管内皮细胞间隙，是 HCC 早期复发和预后不良的重要危险因素，大约 50% 的 HCC 患者会出现 MVI，有 MVI 的患者预后明显更差。然而，目前精准判断 MVI 需要术后病理检查，这对于术前制定个性化治疗方案来说，有点 “为时已晚”。所以，找到一种术前就能准确识别 MVI 的方法，成为了医学领域亟待解决的难题。
为了攻克这一难题，太仓市第一人民医院（苏州大学附属）、南通大学第三附属医院和苏州大学附属第一医院的研究人员联合开展了一项研究，相关成果发表在《BMC Medical Imaging》上。
研究人员采用了多种关键技术方法。首先是样本选取，他们从三家医院收集了 2016 年 1 月至 2023 年 12 月期间手术病理确诊为 HCC 的患者，根据严格的纳入和排除标准，最终确定了 304 例患者，其中训练队列 216 例，测试队列 88 例。接着是影像检查，使用 Siemens Skyra 3.0T、Philips Medical Systems 3.0T 和 GE Discovery 750 3.0T MR 扫描仪，对患者进行 Gd-EOB-DTPA（钆塞酸二钠）增强磁共振成像（Magnetic Resonance Imaging，MRI）扫描，获取动脉期（Arterial Phase，AP）、门静脉期（Portal Venous Phase，PP）和肝胆期（Hepatobiliary Phase，HBP）的图像。然后是特征提取，利用 FeAture Explorer 软件提取传统影像组学（Conventional Radiomics，CR）特征，基于 3D ResNet - 18 模型提取深度学习影像组学（Deep Learning Radiomics，DLR）特征。最后通过 Z - Score 归一化、Pearson 相关系数筛选等操作，利用支持向量机（Support Vector Machine，SVM）构建了多种模型，包括临床模型、CR 模型、DLR 模型、CR - DLR 模型和临床 - 影像组学（Clinical - Radiomics，Clin - R）模型。
下面来看看具体的研究结果。
- 患者基本信息：训练队列和测试队列在性别上存在显著差异，但在其他临床特征上无显著差异。在训练队列中，MVI + 和 MVI - 患者在年龄、性别、ALT、AST 和病毒性肝炎状态方面无显著差异，但 MVI + 患者的 AFP 水平更高，最大肿瘤直径更大。
- 一致性评估：从每个感兴趣体积（Volume of Interest，VOI）中分别提取出 5,343 个 CR 特征和 1,536 个 DLR 特征，所选影像组学特征的相关性较低，适合构建模型。两名放射科医生勾画 VOI 的 ICC 范围为 0.854 - 0.923，表明特征提取的重复性良好。
- 各模型预测 MVI 的性能：
- 临床模型：多变量逻辑回归分析表明，AFP 和最大肿瘤直径是 MVI 的独立预测因子。临床模型在训练队列和测试队列中的 AUC 分别为 0.758 和 0.655。
- 影像组学模型：在 CR 模型、DLR 模型和 CR - DLR 模型中，双区域模型的预测性能最佳。其中，双区域 CR - DLR 模型在训练队列中的 AUC 为 0.844，敏感性为 87.8%，特异性为 69.1%；在测试队列中的 AUC 为 0.740，敏感性为 50.0%，特异性为 84.5%。总体而言，双区域 CR - DLR 模型在测试队列中的 AUC 和特异性高于其他 CR 和 DLR 模型，但敏感性低于大多数模型。
- Clin - R 模型：该模型结合了双区域 CR - DLR 模型的 14 个特征和 2 个临床特征，在训练队列中的 AUC 为 0.853，敏感性为 75.6%，特异性为 84.9%；在测试队列中的 AUC 为 0.672，敏感性为 66.7%，特异性为 62.1%。
在结论和讨论部分，此次研究构建的双区域 CR - DLR 模型在术前无创预测 HCC 的 MVI 方面表现出色，能帮助外科医生更好地诊断和筛查 MVI，从而指导治疗方案的制定。不过研究也存在一些局限，如病例数量有限、未纳入患者预后信息、手动分割可被自动分割技术替代、模型性能还有提升空间等。未来需要开展多中心、多组学和大规模的研究，以完善和验证相关发现，构建更全面的诊断模型。这项研究为 HCC 的临床诊疗带来了新的希望，有望推动肝癌个性化治疗的发展，提高患者的生存率和生活质量。
