超声影像组学联合瘤内-瘤周特征与临床参数预测肝细胞癌微血管侵犯的协同效应研究

本研究创新性整合超声影像组学（Radiomics）的瘤内/瘤周特征与临床参数（如肿瘤大小），构建预测肝细胞癌（HCC）微血管侵犯（MVI）的联合模型。通过机器学习（LASSO回归、随机森林等）分析1,414个影像特征，发现联合模型AUC达0.903，显著优于单一模型。研究揭示了肿瘤尺寸与影像组学特征的协同作用，为HCC术前精准评估提供新策略。

　　

引言

肝细胞癌（HCC）是全球癌症相关死亡的主因之一，微血管侵犯（MVI）作为关键病理特征，显著影响肿瘤复发与预后。现有CT/MRI在微观侵袭检测中存在局限，而超声（US）凭借实时性、低成本等优势成为影像组学研究的新方向。本研究首次系统探讨超声影像组学中瘤内、瘤周及临床特征的协同预测价值。

材料与方法

研究人群：回顾性纳入119例经病理确诊的HCC患者（MVI阳性36例），按7:3划分训练/验证集。排除标准包括图像质量差（n=9）或合并其他恶性肿瘤（n=16）。

影像分析：采用ITK-SNAP软件手动勾画瘤体及瘤周1cm区域ROI，通过PyRadiomics提取1,414个特征，经ICC分析（阈值>0.75）、t检验及LASSO回归筛选关键特征。

模型构建：采用逻辑回归（LR）、随机森林（RF）等9种算法，最优瘤内（LR-AUC 0.781）与瘤周模型（RF-AUC 0.792）联合肿瘤尺寸构建综合模型。通过SHAP值、偏依赖分析（PDA）解析特征贡献。

结果

特征选择：瘤内/瘤周区域分别保留8个和6个 wavelet滤波特征，反映多尺度纹理对MVI的敏感性。

模型性能：联合模型AUC达0.903（95%CI:0.780–1.000），显著优于单一临床模型（AUC 0.786）。雷达图显示其全面优势：灵敏度0.917，特异性0.792，F1-score 0.786。

交互作用：肿瘤尺寸在SHAP分析中贡献度最高，但LR系数最低，提示其通过与影像特征的强交互作用（如瘤周模型+尺寸组合使预测概率提升37%）增强效能。PDA热图显示高尺寸+高纹理特征值显著提升MVI风险。

讨论

瘤周区域的影像异质性可能反映血管重塑或免疫浸润，与瘤内特征形成互补。研究局限性包括单中心小样本（尤其M1/M2分级不足）及设备差异。未来需通过多中心验证及分子机制探索深化发现。

结论

超声影像组学联合瘤周-瘤内特征及临床参数可显著提升MVI预测精度，为HCC个体化治疗提供新工具。特征交互作用的揭示为肿瘤微环境研究开辟了新视角。