编辑推荐：
肝细胞癌（HCC）术后复发治疗选择困难，研究人员开展 “HEROVision 模型对复发性肝细胞癌（rHCC）治疗优化” 的研究。结果显示 HEROVision 模型在预测预后和优化治疗上表现优异，有助于 rHCC 个性化治疗决策，补充现有临床指南。
在全球范围内，癌症如同隐藏在暗处的 “杀手”，时刻威胁着人类的健康。肝细胞癌（Hepatocellular Carcinoma，HCC）作为肝脏的主要原发性恶性肿瘤，是癌症相关死亡的重要原因之一。目前，对于早期 HCC 患者，虽然有肝切除术、局部消融等治愈性治疗手段，但令人头疼的是，超过 60% 的早期 HCC 患者在初始治愈性肝切除或经皮消融治疗后的 5 年内会出现复发性肝细胞癌（recurrent Hepatocellular Carcinoma，rHCC） 。
在临床实践中，rHCC 的治疗选择面临诸多难题。一方面，对于符合米兰标准的 rHCC 患者，在肝切除术后的治疗方案选择上，缺乏明确的指导。重复肝切除术（Repeat Hepatic Resection，RHR）和热消融（Thermal Ablation，TA）是常用的治疗方法，但哪种更适合特定患者并不清楚。另一方面，现有的临床指南和分期系统在预测 rHCC 患者的预后和指导治疗方面存在不足，无法满足临床需求。此外，多模态成像虽然在检测 rHCC 病变方面有优势，但却不能帮助医生选择最佳治疗策略。基于这些问题，开展针对 rHCC 治疗优化的研究迫在眉睫。
为了解决这些问题，来自浙江大学医学院附属第一医院、中国科学院自动化所等多个国内机构的研究人员展开了深入研究。他们开发了一种基于视觉 Transformer（Vision Transformer，ViT）的模型 ——HEROVision（HCC optimizing treatments with Vision Transformer network），旨在为 rHCC 患者提供个性化的预后预测和治疗优化方案，以辅助临床决策。该研究成果发表在《Nature Communications》上。
研究人员为开展此项研究，运用了多种关键技术方法。首先，进行了多中心回顾性研究，收集了中国五个不同地区中心的 1605 例 HCC 患者的多模态影像（包括 T2加权成像（T2WI）、扩散加权成像（DWI）、灰度超声和动态对比增强超声（CEUS））、临床特征和术后随访数据。其次，采用 ViT Cox 比例风险回归算法构建 HEROVision - TA 和 HEROVision - SR 模型，并通过倾向得分匹配（PSM）减少选择偏倚和混杂因素的影响 。
下面来看具体的研究结果：
- 患者特征：研究纳入了不同数据集的患者，详细记录了患者的临床和放射学特征，如性别、年龄、肝硬化情况、病因、肿瘤位置、大小、数量等。这些特征为后续模型的训练和分析提供了丰富的数据基础。
- HEROVision 模型的开发与验证：在 iHCC 数据集上训练 HEROVision - TA 和 - SR 模型，结果显示模型在训练和内部验证队列中表现出色，2 年 C 指数和时间依赖性 AUC 均较高，且显著优于临床模型。这表明模型能够有效预测无进展生存期（Progression - Free Survival，PFS），区分低风险和高风险患者。
- HEROVision 在 rHCC 数据集的个性化预后预测：将 HEROVision 应用于 rHCC 的外部测试队列，虽然模型性能较训练和内部验证队列有所下降，但 2 年 C 指数和 AUC 仍显著高于临床模型。通过决策曲线分析发现，在特定阈值范围内，基于 HEROVision 模型的建议能使患者获得临床净收益。
- 与主要指南方法的比较：HEROVision 在 C 指数和时间依赖性 AUC 方面始终优于六大主要分期系统。将 HEROVision 纳入分析后，六大分期系统的 2 年 C 指数和 AUC 显著提高，说明 HEROVision 能提升主要指南方法对 rHCC 患者 2 年 PFS 的预测准确性。
- 消融研究：研究发现数据集分区比例对模型性能影响较小；融合模态（CEUS + MRI）的性能优于单一模态；与其他深度学习模型相比，构建的 ViT 模型在预测 rHCC 的 PFS 方面表现更优。
- 亚组分析：在不同亚组（基于性别、年龄、肿瘤大小等）中，HEROVision 的性能保持一致，表明模型具有较好的稳健性和泛化性。
- 优化现实世界 rHCC 的治疗选择：经过 PSM 后，应用 HEROVision 对患者进行风险分层和重新分层。在 2ndTA 组中，部分高风险患者改变治疗方式后风险评分显著降低，预后可能改善；在 2ndSR 组中，虽仅有少数高风险患者改变治疗可能获益，但也证明了 HEROVision 在指导治疗选择上的作用。
研究结论和讨论部分指出，HEROVision 模型在优化 rHCC 患者的个性化治疗方面具有重要意义。它能准确地对患者进行预后分层，帮助医生更合理地选择 TA 和 RHR 治疗方案。对于部分高风险患者，改变治疗方式可能显著改善预后。虽然该研究存在一些局限性，如回顾性研究的局限性、数据的种族多样性不足等，但 HEROVision 模型仍为 rHCC 的治疗提供了新的思路和方法，有望补充现有临床指南，提升患者的治疗效果和生存质量，推动临床实践中 rHCC 治疗的发展。
