基于全肝脏深度学习模型的肝细胞癌术前CT无创预测术后复发新方法

《Scientific Reports》：Prediction of recurrence after resection in hepatocellular carcinoma via whole liver deep learning on preoperative contrast-enhanced CT

本研究针对肝细胞癌(HCC)根治性切除术后高复发率但缺乏准确术前预测工具的临床难题，开发了基于术前增强CT的全自动生存预测(FASP)系统。该系统通过深度学习分析全肝脏区域，在内部和外部测试集上分别获得0.646和0.786的C-index，显著优于传统肿瘤模型(P<0.05)。FASP成功捕获了肿瘤和背景肝脏的预后信息，为个体化治疗决策提供了新思路。

　　

肝细胞癌(HCC)是全球范围内最常见的原发性肝脏恶性肿瘤，其死亡率位居癌症相关死亡的第三位。尽管根治性切除术是早期HCC的首选治疗方法，但术后5年复发率高达70%，严重影响了患者的长期生存。准确预测复发风险对于制定个体化治疗方案和改善患者预后具有重要意义，然而目前尚缺乏可靠的术前预测工具。

传统分期系统如巴塞罗那临床肝癌(BCLC)分期和香港肝癌(HKLC)分期主要基于专家共识，预测能力有限。近年来，基于医学影像的人工智能技术为HCC复发预测带来了新希望，但大多数研究仅关注最大肿瘤的特征，忽视了多灶性肿瘤和背景肝脏状况对复发的重要影响。事实上，41%-75%的HCC患者在诊断时已存在多发病灶，且微血管侵犯、肝硬化背景等均为复发的重要危险因素。

针对这一挑战，来自浙江大学、浙江实验室等机构的研究团队在《Scientific Reports》上发表了一项创新性研究，开发了一种名为"全自动生存预测(FASP)"的系统。该系统通过深度学习分析术前增强CT(CECT)的全肝脏信息，实现了对HCC患者根治性切除术后无复发生存期(RFS)的准确预测。

关键技术方法

本研究纳入了来自浙江大学医学院附属第一医院(608例)、湖州市中心医院(32例)的827例HCC患者，随机分为开发集和内部测试集(4:1比例)，外部测试集包含两个中心的患者。FASP系统包含三个核心组件：自动肝脏分割模型(平均Dice系数98.3%)、自动肿瘤分割模型(平均Dice系数72.2%)和RFS预测模型LiverSurv。LiverSurv采用双分支架构处理动脉期和门静脉期图像，融入跨相位注意力(IPA)和多尺度特征提取(MSFE)模块，使用Cox比例风险损失函数进行训练。

研究结果

患者特征分析

开发集、内部测试集和外部测试集分别包含608、187和32例患者。外部测试集表现出明显的异质性，具有更大的肿瘤直径(中位数5.2cm vs 3.5cm)、更高的ALBI评分和复发率(68.8% vs 33.7%-34.5%)。

预后性能评估

FASP在内部和外部测试集中分别获得了0.646(95% CI: 0.566-0.725)和0.786(95% CI: 0.726-0.846)的C-index，显著优于基于临床因素(AFP、ALBI评分、肝硬化状态)的临床模型(P<0.001)。将FASP评分与临床因素整合的FASP-Clin模型进一步提升了预测性能，内部测试集C-index为0.664(95% CI: 0.591-0.736)，外部测试集为0.800(95% CI: 0.750-0.849)。

与肿瘤模型的比较

FASP在整体预测性能上显著优于三种基于肿瘤的模型：基于语义特征的tumorSemantics、基于影像组学的tumorRadiomics和基于深度学习的tumorSurv(所有比较P<0.05)。在早期复发(≤2年)和晚期复发(>2年)的亚组分析中，FASP也表现出优越或相当的预测能力。

模型可解释性分析

FASP评分与HKLC分期(Rho=0.63)、BCLC分期(Rho=0.38)和AJCC TNM T分期(Rho=0.47)显著相关，同时与肿瘤分化程度(Rho=0.21)和微坏死评分(Rho=0.36)等病理风险因素存在显著相关性。

梯度加权类激活图(Grad-CAM)可视化显示，FASP不仅关注肿瘤区域，还能识别肿瘤内异质性、瘤周组织、多发病灶以及背景肝脏病变模式等与复发相关的特征。值得注意的是，FASP对肿瘤分割错误表现出一定的鲁棒性，在某些情况下能够识别被自动分割模型和人工阅片忽略的病灶。

研究结论与意义

这项研究首次证实了基于全肝脏深度学习的影像分析方法在HCC复发预测中的优越性。与传统的肿瘤中心化方法相比，FASP系统通过整合整个肝脏的影像信息，包括多发病灶、背景肝病严重程度等关键预后因素，提供了更全面的风险评估。

研究结果强调，将肝硬化作为连续变量而非二分类变量进行评估可能更有利于复发风险分层，这解释了FASP优于仅包含二分类肝硬化状态的临床模型的原因。此外，FASP评分与肿瘤分化不良和微坏死等侵袭性病理特征的相关性，表明该系统能够捕获反映肿瘤生物学行为的影像学特征。

该研究的创新之处在于其全自动化的设计，避免了繁琐的人工标注，增强了临床应用的可行性。尽管存在外部测试集样本量有限、CT扫描参数异质性等局限性，但FASP为代表的全肝脏影像分析范式为HCC精准医疗提供了新的方向。未来通过整合多模态影像数据和完善模型可解释性，有望进一步推动这一技术向临床转化，最终改善HCC患者的治疗决策和长期预后。