基于增强CT影像组学预测肝细胞癌肿瘤微坏死的多中心研究

《npj Precision Oncology》：Predicting tumor micronecrosis in hepatocellular carcinoma using pretreatment contrast-enhanced CT radiomics model: a multi-center study

本研究针对肝细胞癌（HCC）肿瘤微坏死缺乏可靠术前检测方法的临床难题，开发了基于术前增强CT（CECT）的影像组学预测模型。该模型在内部和外部验证集中分别达到0.80和0.75的AUC值，生存曲线显示影像组学预测与病理结果高度一致。研究发现接受TKI和抗PD-(L)1免疫治疗的患者中，微坏死阳性与阴性组生存期无显著差异（P=0.312），质谱流式分析揭示了影像组学特征与外周CD24+B细胞/中性粒细胞的关联。该模型为术前评估肿瘤微坏死提供了新工具。

肝细胞癌是全球第六大常见癌症和第三大癌症相关死亡原因，尽管治疗手段不断进步，其预后仍不理想，肿瘤异质性是主要挑战之一。肿瘤微坏死作为一种经病理验证的恶性肿瘤生物标志物，与肝细胞癌患者的不良预后密切相关，但传统上只能通过术后病理标本进行检测，这严重限制了其在术前评估和非手术患者中的应用。如何实现肿瘤微坏死的无创、准确预测，成为临床上面临的重要难题。

在这项发表于《npj Precision Oncology》的研究中，研究人员开展了一项多中心研究，旨在开发基于术前增强CT（CECT）的影像组学模型来预测肝细胞癌中的肿瘤微坏死。研究纳入了三家中心的1017例经病理证实的肝细胞癌患者，分为开发集、内部测试集、外部测试集和应用集，通过分层5折交叉验证框架训练模型，最终构建的影像组学模型在内部和外部测试集中表现出稳定且良好的预测性能。

研究采用的关键技术方法包括：多中心回顾性队列设计（来自浙江大学医学院第一附属医院等三家中心），基于ITK-SNAP软件的肿瘤区域手动分割，PyRadiomics平台提取851个影像组学特征，通过图像扰动策略进行特征稳定性评估，mRMR算法和LASSO回归进行特征选择，5折交叉验证框架训练模型，以及质谱流式技术（CyTOF）分析外周免疫细胞亚群与影像组学特征的关联。

患者特征

研究共纳入1017例患者，其中951例接受肝切除或肝移植的患者用于开发肿瘤微坏死预测模型。浙江大学医学院第一附属医院（FAHZU）的患者分为开发集（699例）和内部测试集（168例），南昌和湖州中心的患者组成外部测试集（84例）。肿瘤微坏死的总体发生率为40.8%，各数据集间的发生率在37.5%至59.5%之间。此外，66例初始接受TKI和抗PD-(L)1免疫治疗的患者通过影像组学预测模型评估肿瘤微坏死状态，以进一步评估这些疗法在微坏死病例中的疗效。

代表性肿瘤的影像组学特征可视化

影像组学特征根据CT图像研究方案提取。代表性病例显示了微坏死阴性（-）和微坏死阳性（+）肿瘤之间的关键影像组学差异。病理检查显示微坏死阴性病例中为均匀的存活细胞，而微坏死阳性病例中局灶性坏死占肿瘤面积的5%以上。轴位CT图像和相应的12个关键影像组学特征的体素图展示了两种微坏死状态之间的不同模式。

预测肿瘤微坏死模型的性能

单变量分析确定肿瘤大小（比值比[OR] 2.539，95%置信区间[CI] 1.779-3.623，P<0.001）、影像组学特征（OR 1.984，95%CI 1.755-2.243，P<0.001）和甲胎蛋白（AFP）水平（P<0.001）为显著预测因子，这些因子随后被纳入多变量逻辑回归分析。多变量分析证实肿瘤大小（OR 2.318，95% CI 1.557-3.450，P<0.001）和影像组学特征（OR 1.909，95%CI 1.665-2.189，P<0.001）是肿瘤微坏死的独立预测因子。

基于临床和影像组学特征开发了三种预测模型。鉴于影像组学特征与肿瘤微坏死的强相关性，影像组学模型在开发集中达到了0.83（95% CI, 0.80-0.86）的高曲线下面积（AUC）。其性能在内部测试集（AUC 0.80, 95%CI 0.73-0.86）和外部测试集（AUC 0.76, 95% CI 0.65-0.87）中得到进一步验证。影像组学模型的敏感性、特异性和准确性分别为72.4%、78.1%和75.8%。校准和决策曲线证实了模型的可靠性。相比之下，临床模型性能较差（AUC 0.68, 95% CI 0.60-0.77），而影像组学+临床组合模型并未超越单独影像组学模型的预测能力（AUC 0.80, 95% CI 0.73-0.86）。

基于影像组学特征的生存预测

内部验证队列中161例患者（95.8%）有随访数据。组织学证实有肿瘤微坏死的患者的总生存期（OS）显著差于无微坏死的患者（P<0.001）。类似地，影像组学预测为微坏死的患者显示出比无微坏死患者更短的总生存期（P=0.033）。

使用影像组学特征预测接受TKI和抗PD-(L)1免疫治疗患者的肿瘤微坏死

66例接受TKI和抗PD-(L)1免疫治疗患者的肿瘤微坏死状态通过影像组学模型进行评估。客观缓解率（ORR）在影像组学预测的微坏死阳性组为21.7%（5/23），在微坏死阴性组为14.0%（6/43），无显著差异（P=0.730）。微坏死患者的中位OS为33.7个月，而无微坏死患者为24.4个月，无显著差异（P=0.312）。此外，在影像组学预测的微坏死阳性组和阴性组之间，接受后续治疗（肝切除、介入治疗或放疗）的患者比例也无显著差异（34.8% vs. 44.2%, P=0.459）。

与影像组学模型相关的外周免疫学特征

在开发集的194例患者中进行了质谱流式（CyTOF）分析，包括71例有肿瘤微坏死和123例无微坏死的病例。根据细胞表面标记定义了21个细胞簇，包括5个CD8+ T细胞簇、6个CD4+ T细胞簇、2个B细胞簇、2个单核细胞簇和6个其他细胞簇。CD24和CCR6的表达在有无微坏死的患者间存在显著差异（均P<0.05）。相关性分析显示，CD24与影像组学特征rad_A_wavelet_HHH_glszm_HighGrayLevelZoneEmphasis和rad_A_wavelet_LHL_glszm_SmallAreaLowGrayLevelEmphasis显著相关（相关系数分别为-0.15和0.16，均P<0.05）。在本研究中，CD24主要表达于B细胞和中性粒细胞。这些结果证明了影像组学特征与外周免疫之间的关联。

本研究开发的影像组学模型在大型多中心队列中实现了对肝细胞癌肿瘤微坏死的准确术前预测，为解决这一临床挑战提供了有效工具。模型表现出稳健的预测能力，其预测的微坏死状态与病理结果具有相似的预后分层价值，证实了模型的有效性。研究发现，对于接受TKI和抗PD-(L)1联合免疫治疗的肝细胞癌患者，影像组学预测的微坏死阳性与阴性组生存期无显著差异，提示微坏死患者可能从该联合治疗中获益，从而改善其原本较差的预后。这可能与TKI对抗血管内皮生长因子（VEGF）过表达和肿瘤新生血管的作用，以及抗PD-(L)1免疫疗法对免疫抑制性肿瘤微环境（TME）的调节有关，二者共同作用可能重编程存在微坏死的肝细胞癌的肿瘤微环境。质谱流式分析进一步揭示了影像组学特征与特定外周免疫细胞亚群（如CD24+ B细胞和中性粒细胞）的关联，为模型的生物学意义提供了解释，表明影像组学模型可能反映了与肿瘤微坏死相关的免疫抑制和炎症状态。

该研究也存在一些局限性，包括回顾性设计、依赖手动肿瘤勾画、地理区域相对局限等。未来研究可探索基于人工智能的自动分割、扩大验证人群范围，并通过前瞻性研究进一步验证联合免疫治疗在微坏死患者中的疗效及其潜在机制。总体而言，该研究通过将大规模病理关联与严谨的多中心验证相结合，为肝细胞癌肿瘤微坏死的术前无创评估提供了有力证据，有助于在治疗前识别高风险患者，从而指导个体化治疗决策。