基于单张2D图像切片的肝细胞癌射频消融后肿瘤覆盖率AI评估模型研究

这篇研究通过开发人工智能（AI）模型，利用单张2D轴向CT图像切片快速评估肝细胞癌（HCC）射频消融（RFA）后的肿瘤覆盖率，避免了繁琐的3D分割和配准流程。研究基于多中心OPTIMA试验的182例患者数据，采用VGG16特征提取和随机森林分类/回归模型，测试集准确率达69%（AUC=0.86），但外部验证效果有限。成果为临床提供了一种高效的技术成功率评估工具，但跨机构应用仍需优化。

　　

Abstract
研究旨在开发一种无需分割或配准的人工智能（AI）模型，通过单张2D轴向CT图像评估肝细胞癌（HCC）射频消融（RFA）的技术成功率。结果显示，基于中心切片特征差异的模型在测试队列中分类准确率达69%（AUC=0.86），但外部验证效果未超越随机估计，提示临床转化需进一步优化。

Introduction
肝细胞癌（HCC）作为全球癌症相关死亡的第四大病因，其早期治疗依赖经皮热消融技术。尽管3D影像软件可精确评估消融边界，但操作复杂且临床普及受限。本研究提出一种基于2D中心切片的AI替代方案，通过特征差异分析预测肿瘤覆盖率，为实时评估提供新思路。

Methods
研究纳入多中心OPTIMA试验中182例3–7 cm单发HCC患者的配对CT影像。通过半自动3D分割和弹性配准生成金标准（肿瘤覆盖率%），并提取肿瘤与消融区中心切片特征。采用VGG16网络提取25,088维特征，构建随机森林分类（四类覆盖率）和回归模型。数据增强策略包括高斯噪声和90°旋转，最终728对图像用于训练验证。

Results
测试集中，中度数据增强的随机森林分类模型表现最佳（AUC=0.86，灵敏度0.59，特异度0.89），回归模型RMSE为12.6%。但外部验证（8例患者）误差显著增大（MAE=24%），可能与消融区1个月后非典型收缩有关。典型案例显示，模型对60–85%覆盖率区间预测最准，但高/低覆盖率存在系统性偏差。

Discussion
2D中心切片模型虽能快速评估消融效果，但无法捕捉颅尾方向的不对称性，且依赖后期影像（28天）可能低估实际覆盖率。相比3D工具（如COVER-ALL试验验证的Morfeus软件），其简化流程牺牲了空间精度。未来需结合早期影像（<7天）和更大样本优化模型泛化能力。

Conclusions
单切片AI模型为HCC消融疗效评估提供高效方案，但跨机构应用需解决数据异质性和时间依赖性挑战。研究强调临床工具需平衡效率与精度，为后续开发非分割依赖技术奠定基础。