多区域影像组学预测肝内胆管癌微血管侵犯及淋巴结转移的临床价值

本研究针对肝内胆管癌（ICC）术前微血管侵犯（MVI）和淋巴结转移（LNM）预测难题，通过多区域（VOItumor /VOI8-12mm ）影像组学特征分析，结合LASSO特征筛选与SMOTE-RUS样本平衡技术，构建了联合Radscore10mm 、胆管扩张和肿瘤大小的MVI预测模型（AUC=0.827），以及基于Radscoretumor 和CEA的LNM预测模型（AUROC=0.853）。该研究为ICC精准诊疗提供了新型影像标志物。

　　

肝内胆管癌（ICC）作为第二常见的肝脏原发恶性肿瘤，其五年生存率不足30%，微血管侵犯（MVI）和淋巴结转移（LNM）是导致术后复发和预后不良的关键因素。然而，传统影像学难以在术前准确评估这些高危特征，临床亟需无创预测工具。针对这一难题，中国研究人员在《Clinical Radiology》发表了一项开创性研究，通过多区域影像组学技术破解ICC生物学行为预测的困局。

研究团队采用160例训练集和40例验证集的ICC患者队列，基于术前增强MRI数据，创新性地定义了肿瘤核心区（VOI^{tumor8-12mm
）的多层次分析策略。运用LASSO（最小绝对收缩选择算子）回归筛选特征，并采用SMOTE（合成少数类过采样）和RUS（随机欠采样）解决LNM数据不平衡问题，最终构建了包含KNN（K近邻）和逻辑回归的复合预测模型。}

MVI预测模型
通过比较不同区域特征发现，10mm瘤周扩展区放射组学评分（Radscore_10mm
）联合肿瘤大小和肝内胆管扩张的复合模型表现最优，验证集AUC达0.827。这表明瘤周10mm区域可能蕴含关键微环境信息，其影像特征比单纯瘤内特征更具预测价值。

LNM预测模型
针对样本不平衡问题，SMOTE+KNN算法构建的模型显著提升预测效能，结合CEA和瘤内Radscore_tumor
的模型在验证集取得AUROC 0.853、AUPRC 0.749的优异表现。该结果证实肿瘤核心区特征对淋巴转移具有特异性识别价值。

这项研究首次系统论证了多区域影像组学在ICC精准评估中的临床应用价值：Radscore_10mm
可作为MVI的无创生物标志物，而瘤内特征联合CEA能可靠预测LNM。技术层面，SMOTE采样策略的成功应用为医学影像数据不平衡问题提供了解决方案。临床意义在于，该非侵入性方法可辅助制定手术方案和术后管理策略，有望改善ICC患者预后。研究创新点在于突破传统单区域分析局限，通过瘤周微环境特征挖掘揭示了ICC侵袭转移的新机制。