基于T2加权成像的放射组学列线图在富血供肝病变鉴别诊断中的应用：肝细胞癌与良性肝病变的精准分类

本研究针对富血供肝病变鉴别诊断的临床难题，绍兴市人民医院放射科团队通过T2WI放射组学特征联合临床指标构建融合模型，在训练集(AUC=0.984)、测试集(AUC=0.948)和验证集(AUC=0.955)中均展现出优异性能。该模型可辅助传统影像诊断，尤其对增强MRI误诊病例的鉴别准确率达90.5%，为无创精准诊断提供新策略。

　　

肝脏占位性病变的鉴别诊断始终是临床面临的重大挑战。肝细胞癌(HCC)作为原发性肝癌的主要类型，占全球癌症相关死亡原因的第二位，中国每年新增病例约占全球半数。虽然增强MRI被广泛用于HCC诊断，但约40%的HCC在动脉期不显示强化，而富血供良性肝病变(BLLs)如血管瘤(HH)、血管平滑肌脂肪瘤(HAML)等又可能模拟HCC的强化特征，导致误诊率居高不下。这种诊断困境促使研究者探索更精准的鉴别方法。

绍兴市人民医院联合绍兴文理学院医学院的研究团队在《Discover Oncology》发表了一项创新研究。该团队利用T2加权成像(T2WI)的放射组学特征，结合临床指标构建了融合诊断模型，为这一临床难题提供了解决方案。研究纳入了220例经病理证实的患者(140例HCC，80例BLLs)，通过多阶段特征筛选和机器学习算法，最终开发出具有高鉴别效能的预测工具。

研究采用的关键技术包括：1) 3.0T MRI多参数扫描获取T2WI序列；2) ITK-SNAP软件半自动勾画病灶感兴趣区(ROI)；3) 人工智能力学工具包(A.K.)提取396个放射组学特征；4) 最大相关最小冗余(mRMR)和LASSO回归进行特征筛选；5) 逻辑回归构建融合模型。所有患者数据来自绍兴市人民医院2010-2023年的病理数据库，分为训练组(n=100)、测试组(n=44)和验证组(n=76)。

临床因素分析
研究发现HCC患者平均年龄(63.68±9.93岁)显著高于BLLs组(51.32±12.24岁)，且多伴有肝硬化(P<0.001)。多因素回归确定年龄和肝硬化是独立预测因子，而甲胎蛋白(AFP)在模型中没有统计学意义。

放射组学特征提取
从T2WI中筛选出4个关键特征：Cluster Shade_angle135_offset4(与HCC正相关)、高信号大区域强调(HILAE)、Haralick相关性(HaralickCorrelation_All Direction_offset1_SD)和长程高灰度强调(LRHGLE_angle0_offset4)(后三者与BLLs正相关)。这些特征反映了HCC在纹理粗糙度和灰度分布上的特异性。

模型性能比较
融合模型在验证组的AUC(0.955)显著优于单纯放射组学模型(0.807,P=0.001)。决策曲线分析显示其临床净收益最高。值得注意的是，在放射医师误诊的42例中，融合模型的鉴别准确率仍达85.7%，显著优于传统影像诊断。

与传统诊断对比
资深放射医师基于全序列MRI的诊断灵敏度为82.1-100%，而仅用T2WI的融合模型与之相当。特别是在不典型强化病例中，模型显示出独特优势，如能正确识别含坏死成分的异质性强化病灶。

该研究的创新价值在于：首次建立基于T2WI的放射组学列线图，无需对比剂即可实现HCC与富血供BLLs的高效鉴别；通过融合临床指标与深层影像特征，克服了传统诊断的主观局限性；为肾功能不全或对比剂过敏患者提供了替代方案。研究也存在样本分布不均(如肝腺瘤病例缺失)等局限，未来需多中心验证。这项成果标志着肝病变诊断向精准化、智能化迈出了重要一步，为临床决策提供了可靠量化工具。