肝动脉灌注化疗联合多纳非尼和卡瑞利珠单抗治疗不可切除肝细胞癌的疗效与安全性：一项回顾性单臂研究

这篇研究通过回顾性多中心数据，创新性地构建DELICAITE深度学习模型（整合DCNN与协变量交互分析），首次实现基于双模态临床影像数据对TACE与HAIC治疗方案的精准决策。模型在预测疾病进展（PD）中展现出卓越判别力（AUC 0.756/0.701），使"维持组"患者中位生存期（OS）显著延长3.2个月（P<0.001），为肝癌个体化介入治疗提供智能决策工具。

　　

背景

肝细胞癌（HCC）占原发性肝癌75-85%，全球年新增84万例，70%患者初诊即为晚期。尽管经动脉化疗栓塞（TACE）是巴塞罗那分期（BCLC）中期HCC标准疗法，但大肝癌（直径>5cm）客观缓解率（ORR）仅16.2-30.3%。肝动脉灌注化疗（HAIC）通过持续局部高浓度给药展现出优势，但治疗方案选择缺乏量化标准。

方法

研究纳入中国6家三甲医院900例大肝癌患者（肿瘤直径9.2±2.6cm至10.3±3.6cm），采用双盲法标注对比增强CT（CECT）图像。创新性构建DELICAITE模型：

1. 特征提取：采用H-DenseUNet自动分割肝脏，经3名资深放射科医师校正ROI，提取动脉期/静脉期1,486个影像组学特征

2. 架构设计：结合深度卷积神经网络（DCNN）与协变量交互分析，通过12层Transformer块实现治疗-协变量解耦

3. 验证体系：前瞻性外部验证队列包含255例患者，采用DeLong检验比较AUC差异

结果

1. 预测效能：模型在训练集/内部验证集/外部验证集的PD预测AUC分别为0.756、0.664、0.701，显著优于传统放射组学模型（P<0.05）

2. 生存获益：模型划分的"维持组"中位OS达11.3个月，较"调整组"延长3.2个月（HR=0.62, P<0.001）。其中TACE亚组差异达1.4个月（9.2 vs 7.8月, P=0.03）

3. 关键特征：静脉期长程高灰度游程强调（VP.original.glrlm_LRHGLE）是最稳定预测因子，反映肿瘤血供异质性

讨论

该研究突破传统虚拟场景建模局限，通过真实世界数据揭示：

• 治疗选择：HBV相关肝癌（占93%）伴门静脉癌栓（PVTT）患者更受益于HAIC（ORR提升53.2%）

• 技术革新：DINOV2无监督特征提取模块使模型在数据稀缺时保持稳定（Silhouette系数>0.65）

• 临床转化：在线决策工具可自动输出治疗方案，目前正进行Ⅲ期随机对照试验（NCT05266812）

局限与展望

研究存在回顾性设计固有偏倚，未来需整合基因组数据（如TP53突变状态）并扩展至酒精性肝癌人群。模型开源代码已上传GitHub，推动精准介入治疗发展。