综述：人工智能在肝癌中的应用：范围综述

这篇综述系统回顾了人工智能(AI)在原发性肝癌(包括HCC和ICC)筛查、诊断、治疗规划及预后预测中的最新进展，重点探讨了深度学习(DL)和机器学习(ML)模型在提升临床决策精准度方面的潜力，同时指出当前研究与实际应用间的转化瓶颈。

　　

引言

原发性肝癌作为全球健康重大挑战，其高死亡率与诊断延迟、治疗复杂性密切相关。人工智能技术通过迭代学习能力，在医学领域展现出变革潜力。机器学习(ML)作为AI子集，通过数据训练生成预测模型；而人工神经网络(ANN)模仿神经元结构，当层数≥3时称为深度学习(DL)。卷积神经网络(CNN)等DL模型在医学影像分析中表现突出，但针对肝癌的FDA批准AI工具仍属空白。

研究方法

通过系统检索PubMed、Scopus等数据库，筛选截至2024年6月的13,122篇文献，最终纳入62项原创研究。采用纽卡斯尔-渥太华量表评估研究质量，35%为高质量研究。

筛查应用

在MAFLD和HBV高危人群中，DL模型展现出卓越筛查性能。日本团队开发的模型整合年龄、AST等12项指标，实现95.2%敏感性和100%特异性；韩国研究通过随机森林算法预测HBV相关HCC，AUC达0.9。值得注意的是，基于梯度提升的跨种族验证模型在西方人群中获得0.81的C-index，显著优于传统评分系统。

诊断突破

影像诊断领域，CNN模型在CT/MRI图像分析中表现亮眼：

• •

  中国团队开发的自动CNN算法鉴别肝结节性质准确率达96.5%

• •

  多中心研究显示DL模型区分HCC与ICC的准确率提升至82.9%

  病理诊断方面，德国团队开发的LiverNet通过H&E染色切片实现91-97%的组织学分型准确率，而中国研究者利用多组学数据构建的图谱网络更达到98.6%诊断准确率。

治疗优化

AI在治疗领域呈现三大方向创新：

1. 1.

   手术规划：日本开发的自动分割模型将肝脏三维重建时间从35分钟缩短至2.1分钟

2. 2.

   消融治疗：意大利团队通过HSI-CNN预测激光消融范围，损伤区Dice系数达0.86

3. 3.

   疗效预测：瑞士研究整合转录组特征预测TACE反应，准确率近90%

预后预测

中国学者开发的CT影像组学模型预测微血管侵犯(MVI)的AUC达0.897，结合临床因素后准确率提升至83.5%。在术后管理方面，神经网络模型预测10年无病生存的C-statistic为0.721，而基于MR的复发预测模型AUC更达0.968。

挑战与展望

当前瓶颈包括：42%研究缺乏外部验证，仅11%低质量研究存在样本代表性问题。未来需重点突破：

• •

  建立多中心标准化数据集

• •

  开发可解释AI(XAI)模型

• •

  降低组学分析成本

• •

  加强跨学科协作

结论

AI在肝癌全程管理中展现出从早期筛查到精准治疗的全链条应用价值，但需通过规范开发流程和严格临床验证来弥合研究与现实的鸿沟。随着DL技术的迭代和医疗大数据的积累，人工智能有望重塑肝癌诊疗范式。