基于多中心MRI影像组学的肝门部胆管癌纵向浸润范围无创预测模型研究

本研究创新性地构建了基于T2WI、DWI和e-THRIVE多序列MRI的影像组学模型，通过机器学习算法（LR/SVM/RF）准确预测肝门部胆管癌（HCCA）的Bismuth-Corlette分型（IV型vs I-III型）。融合模型测试集AUC达0.907，为术前精准评估肿瘤纵向浸润范围、指导R0切除术式选择提供了客观量化工具。

　　

引言

肝门部胆管癌（HCCA）作为胆道系统最常见的恶性肿瘤，其解剖位置特殊且侵袭性强，手术切除是唯一有效治疗手段。Bismuth-Corlette分型中IV型肿瘤因累及双侧二级胆管汇合部，需扩大肝切除术才能实现R₀切除。传统MRI依赖主观判读，难以识别沿胆管壁纵向浸润的微观病灶。影像组学通过深度挖掘图像特征，为量化评估肿瘤浸润提供了新思路。

材料与方法

154例HCCA患者的多中心数据被纳入分析（Bismuth IV型38例，I-III型116例）。采用Deepwise平台从T2WI、DWI和e-THRIVE序列提取2158个特征，经L1正则化筛选后保留18-19个关键特征。SHAP分析显示：DWI序列的gradient_glszm_LowGrayLevelZoneEmphasis（低灰度区域强调）与IV型呈负相关，反映肿瘤细胞密集区的扩散受限特征；e-THRIVE的wavelet-HLH_firstorder_Kurtosis（峰度）则与延迟期强化异质性正相关。

结果

单序列模型中，DWI表现最优（测试集AUC=0.823），其纹理特征可有效区分肿瘤细胞密度差异。三序列融合模型（SVM算法）性能显著提升，训练集AUC达0.980，测试集AUC为0.907，灵敏度71.1%，特异性87.9%。决策曲线显示该模型在0.1-0.8概率阈值区间均具临床适用性。值得注意的是，wavelet变换特征在三个序列中均占据重要权重，提示多尺度纹理分析对识别微观浸润的关键作用。

讨论

相比既往CT或MRCP研究（准确率80-93%），本模型通过量化肿瘤异质性实现了三大突破：① 突破视觉评估对微观浸润的识别极限；② 整合DWI细胞密度信息与e-THRIVE血流动力学特征；③ 通过LBP-3D等三维特征捕捉胆管周向浸润模式。但研究存在样本量限制，未来需扩大数据验证血管侵犯预测价值。

结论

多序列MRI影像组学模型为HCCA术前精准分型提供了客观依据，其0.907的AUC性能显著优于传统影像评估，有望优化手术决策流程。该技术路径可扩展应用于其他胆道肿瘤的浸润评估，推动精准肝胆外科发展。