基于多模态MRI与病理组学的肝癌肺转移预测模型：一项回顾性多中心研究

本研究针对肝癌肺转移（HCCLM）预后差、缺乏有效预测工具的临床难题，通过整合放射学特征（Radiological）、影像组学（Radiomics）和病理组学（Pathomics）数据，构建了多模态预测模型（Multi-modality model）。该模型在训练集（AUC 0.877）、内部验证集（AUC 0.839）和外部验证集（AUC 0.835）中均表现出优异性能，显著优于单一模态模型，为肝癌患者早期干预提供了精准预测工具。

　　

肝癌作为全球高发恶性肿瘤，肺转移是其致死的主要原因之一，患者1年生存率仅10%。现有临床评分系统如ECOG、BCLC等对肺转移预测价值有限，亟需开发精准预测工具。中国科学技术大学附属第一医院等机构的研究团队通过整合多中心数据，首次构建了融合MRI影像特征与病理切片组学特征的多模态预测模型，相关成果发表于《European Journal of Surgical Oncology》。

研究采用回顾性多中心设计，收集700例肝癌患者的Gd-DTPA增强MRI（含T2W、CE-T1W、DWI序列）和H&E染色活检全切片图像，通过三阶段队列验证（训练集276例、内部验证119例、外部验证210例），比较了放射学模型、影像组学模型和病理组学模型的预测效能。

Patients and study design
研究纳入三所医疗中心数据，中位肿瘤进展时间（TTP）22.4个月，基线特征无统计学差异，确保队列可比性。

Results
多模态模型在训练集敏感度达0.885，特异性0.755；外部验证集NPV（阴性预测值）0.903，PPV（阳性预测值）0.845，显著优于单一模态模型（放射学AUC 0.608，影像组学AUC 0.759，病理组学AUC 0.808）。

Discussion
该研究突破传统评分系统局限，首次证实多模态数据融合可提升预测精度。模型通过捕捉肿瘤异质性特征（如DWI信号异质性、病理纹理特征），为早期靶向/免疫治疗提供决策依据。

Conclusion
多模态模型实现了肝癌肺转移的精准预测（AUC>0.83），其临床转化有望将5年生存率从2.5%提升至新高度。研究获国家自然科学基金（82372063）支持，数据可向通讯作者Xingwang Wu申请获取。