编辑推荐：
为解决肝细胞癌（HCC）≥3cm 患者微血管侵犯（MVI）和无复发生存（RFS）术前难以精准预测的问题，研究人员构建并验证基于术前增强 CT 影像的联合影像组学模型。结果显示该模型预测准确性高，有助于临床决策。
在医学领域，肝细胞癌（Hepatocellular Carcinoma，HCC）如同一个 “沉默的杀手”，严重威胁着人们的生命健康。它是全球范围内常见且致死率高的癌症之一，患病率还在不断攀升。微血管侵犯（Microvascular Invasion，MVI）作为 HCC 患者预后不良的独立危险因素，在肿瘤的进展和复发中扮演着关键角色。对于肿瘤大小≥3cm 的 HCC 患者而言，其复发风险更高，准确地在术前预测 MVI 对制定治疗策略、判断预后至关重要 。然而，尽管众多研究聚焦于 HCC 的早期复发，但 MVI (+) 和 MVI (-) 的 HCC≥3cm 患者在无复发生存（Relapse-Free Survival，RFS）方面的差异却并不明确。传统的诊断方法在预测 MVI 时存在一定局限性，难以满足临床需求。在这样的背景下，厦门大学附属中山医院的研究人员开展了一项极具意义的研究，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。他们收集了厦门大学附属中山医院 2016 年 9 月至 2021 年 8 月间手术切除且病理确诊为 HCC≥3cm 并明确 MVI 状态的患者资料。通过对患者的术前增强 CT 影像进行分析，利用 ITK - SNAP 软件进行 3D 图像分割，再使用 FeAture Explorer 软件提取影像组学特征。之后，借助方差分析（ANOVA）筛选特征，以支持向量机（SVM）作为分类器构建模型。同时，结合患者的人口统计学信息、实验室指标和影像学特征，建立了联合模型，并对模型进行交叉验证和外部验证。
下面来看看具体的研究结果。
- 患者特征：最终纳入 202 例患者（173 例男性，29 例女性；中位年龄 59 岁）。训练集、测试集和外部验证集中 MVI (+) 的比例分别为 38.0%、37.8% 和 65.3%。各数据集在年龄、性别、肿瘤直径、甲胎蛋白（AFP）、凝血酶原时间（PT）、丙氨酸转氨酶（ALT）、天冬氨酸转氨酶（AST）等方面无显著差异。
- CT 影像组学模型的开发：从 CT 影像中最初提取出 1888 个影像组学特征，最终筛选出 13 个特征构建模型。该模型的 rad - score 与 MVI (+) 在训练集（p<0.001）和外部验证集（p=0.043）中均相关。训练集、测试集和外部验证集的受试者工作特征曲线下面积（AUC）分别为 0.780（95% CI 0.687, 0.871）、0.761（95% CI 0.600, 0.921）和 0.752（95% CI 0.615, 0.889）。
- 联合模型的开发：联合模型选取了 24 个特征，包括 13 个影像组学特征、3 个实验室特征和 8 个影像学特征。其 rad - score 与 MVI (+) 在各数据集均显著相关（p<0.001）。训练集、测试集和外部验证集的 AUC 分别为 0.914（95% CI 0.854, 0.973）、0.878（95% CI 0.758, 0.999）和 0.890（95% CI 0.794, 0.985），在准确性、敏感性、特异性等指标上也有良好表现。
- 模型预测性能比较：联合模型的 AUC 高于 CT 影像组学模型（p<0.001）。校准曲线和决策曲线分析（DCA）表明，联合模型能提供更高的净临床获益。
- 联合模型对术后复发的预测价值：患者中位生存时间为 746 天，中位随访时间 664 天。198 例患者中有 85 例（42.9%）复发。MVI (+) 组的 RFS 明显短于 MVI (-) 组（P=0.001）。联合模型预测的高风险组与 MVI (+) 组 RFS 无显著差异，且高风险组是 RFS 的独立预测因素（HR, 2.055, 95% CI: 1.341, 3.149, P<0.001），高风险组的 RFS 明显短于低风险组 。
综合研究结论和讨论部分，此次研究构建并验证了 CT 影像组学模型和联合模型，用于术前预测 HCC≥3cm 患者的 MVI 和 RFS。结果显示两个模型都有较好的预测性能，尤其是联合模型，其高 rad - score 与较短的 RFS 相关，具有潜在的临床应用价值。虽然外部验证集中 MVI (+) 的比例与训练集和测试集差异显著，但联合模型仍表现良好，体现了其较强的泛化能力。与其他研究相比，该联合模型纳入了更多信息，在 MVI 预测上性能更优。此外，联合模型预测的高风险组与早期肝内复发和肝外转移相关，有助于临床医生对术前评估为高风险的患者采取更积极的治疗和监测措施。不过，该研究也存在一些局限性，如单中心回顾性研究、影像组学特征缺乏生物学层面的解释、观察者间一致性有待提高、手动提取感兴趣体积（VOI）耗费人力和时间等。未来需要开展多中心前瞻性研究，进一步探索影像组学特征的生物学意义，改进特征提取方法，以提升模型的准确性和实用性，更好地服务于临床实践，为 HCC 患者带来更多希望。
