基于动态PET/CT影像组学和机器学习的小鼠DEN/CCl4诱导肝癌早期诊断研究

【编辑推荐】针对化学诱导小鼠肝癌模型早期病灶检测难题，桂林医学院团队通过动态PET/CT监测结合ExtraTrees机器学习算法，首次揭示20周为肝癌始发窗口期，发现胆囊信号干扰机制，构建AUC达0.747的影像组学模型，为肝癌早期诊断提供新型无创监测方案。

　　

肝癌作为全球第六大高发恶性肿瘤，其早期诊断始终面临重大挑战。由于早期肝癌缺乏典型症状，传统影像学检测灵敏度有限，临床亟需开发更精准的早期诊断技术。化学诱导的小鼠肝癌模型虽能模拟人类疾病进程，但现有影像技术对早期微小病灶的识别能力不足，特别是PET/CT在小鼠模型中易受胆囊信号干扰，导致假阳性率居高不下。

针对这一科学难题，桂林医学院的研究团队创新性地将动态PET/CT监测与机器学习算法相结合，在《Biomedical Signal Processing and Control》发表了突破性研究成果。研究人员采用DEN/CCl₄联合诱导的C57BL/6J小鼠肝癌模型，通过三阶段（20/24/28周）纵向PET/CT扫描获取病灶动态演变数据。关键技术包括：1）标准化小鼠PET/CT图像采集与三维重建；2）使用Pyradiomics软件提取189个影像组学特征；3）应用LASSO回归筛选关键特征；4）构建包含ExtraTrees等8种机器学习算法的比较体系；5）采用5折交叉验证评估模型性能。

研究结果部分揭示多项重要发现：
3.1 动态变化特征
通过时序PET/CT成像首次明确DEN/CCl₄诱导小鼠肝癌的演进规律：20周出现微小病灶，24周发展为中等大小，28周形成显著肿块。H&E染色证实20周时肝板结构已出现异常增厚。

3.2 诊断效能局限
传统PET/CT在早期（20周）诊断AUC仅0.535，显著低于中晚期（28周AUC 0.685）。决策曲线分析显示20周时净获益值最低，证实常规影像对早期病灶识别存在局限。

3.3 干扰机制解析
首次发现小鼠胆囊肿胀（SUVmax 2.3±0.4）和肠道残渣可产生类病灶信号，其空间分布特征与真实肿瘤存在重叠，这是导致PET/CT假阳性的关键因素。

3.5 模型优化突破
开发的ExtraTrees模型在测试集表现优异：AUC 0.747（95%CI 0.682-0.812），敏感度0.643，特异度0.818，显著优于放射科医师诊断水平（敏感度0.470）。特征分析显示original_firstorder_RootMeanSquared和GLCM_ClusterShade是最具判别力的两个特征。

讨论部分强调，该研究首次系统阐释了化学诱导小鼠肝癌模型的动态影像演变规律，创新性地提出胆囊信号校正策略。所构建的影像组学模型突破传统PET/CT分辨率限制，使≤4mm病灶的检出成为可能。值得注意的是，研究揭示了物种差异带来的诊断陷阱——大鼠因缺乏胆囊而不存在此类干扰，这对跨物种研究具有重要警示意义。

该成果为肝癌早期干预提供了精准的时间窗口判定依据，建立的自动化分析流程可推广至其他小动物模型研究。未来通过整合多组学数据，有望进一步突破肿瘤异质性带来的诊断瓶颈，为临床转化奠定基础。