基于MRI影像组学预测肝细胞癌根治术后复发的系统评价与荟萃分析

本研究针对肝细胞癌(HCC)术后复发预测难题，通过系统评价证实MRI影像组学模型显著提升预测效能：训练集C-index达0.78(95%CI:0.71–0.85)，验证集达0.73(0.69–0.77)，对微血管侵犯(MVI)预测AUC更达0.93，为个体化治疗提供非侵入性决策工具。

　　

通过系统性文献回顾与荟萃分析，研究人员评估了磁共振成像(Magnetic Resonance Imaging, MRI)影像组学(radiomics)模型在预测肝细胞癌(hepatocellular carcinoma, HCC)经根治性治疗（切除或消融）后复发的效能。结果显示影像组学模型表现出卓越的预测能力：在训练队列中汇总一致性指数(concordance index, C-index)达到0.78(95%_CI:0.71–0.85)，验证队列中为0.73(0.69–0.77)，显著优于常规临床-影像学模型。

针对肝切除术后复发预测，模型在训练集中呈现81%的敏感性(0.74–0.87)与85%的特异性(0.77–0.90)，受试者工作特征曲线下面积(area under the curve, AUC)为0.87；验证集中敏感性为80%(0.73–0.86)，特异性为74%(0.68–0.80)，AUC维持在0.83。在热消融治疗群体中，训练集敏感性与特异性分别为0.80(0.60–0.90)和0.79(0.74–0.84)(AUC:0.79)，验证集则达到0.79(0.69–0.87)和0.78(0.57–0.90)(AUC:0.82)。

特别值得注意的是，影像组学对微血管侵犯(microvascular invasion, MVI)的预测展现出更高精度：训练集敏感度/特异度为0.87(0.78–0.92)/0.88(0.80–0.93)(AUC:0.93)，验证集为0.88(0.80–0.94)/0.79(0.72–0.84)(AUC:0.87)。亚组分析表明，采用PyRadiomics进行特征提取并结合LASSO(Least Absolute Shrinkage and Selection Operator)进行特征选择的模型显著提升特异性表现。

这项研究证实MRI影像组学可作为强有力的非侵入性生物标志物工具，显著提升HCC复发风险分层能力，有望优化临床决策流程。未来研究需聚焦于成本效益分析与多中心外部验证，以推动其临床转化应用。