基于多期MRI时间编码与影像组学的肝细胞癌微血管侵犯术前无创预测研究

《BMC Medical Imaging》：Preoperative prediction of microvascular invasion in small hepatocellular carcinoma (≤?3 cm) by leveraging cross-phase variations of MRI contrast phases

　　

摘要

目的

肝细胞癌（HCC）微血管侵犯（MVI）的无创术前预测仍是全球性的重大临床挑战。本研究对多期MRI序列中的特征变化进行编码，用于MVI的术前预测。

方法

回顾性分析了115例连续患者（平均年龄：57.2 ± 10.7岁；男性95例）的数据，这些患者因HCC接受了手术切除（肿瘤直径小于3 cm）。所有患者均接受术前MR检查，并按8:2比例随机分为训练队列和测试队列。基于手动分割的瘤内感兴趣区（ROI），在动脉期、静脉期和延迟期分别生成瘤周扩展区域（3 mm、5 mm和10 mm）。随后从原始ROI和扩展ROI中提取影像组学特征。我们利用临床特征和影像组学特征，评估了五种编码方法与四种机器学习分类器的组合的预测性能。

结果

结合时间编码方法的多期模型表现始终优于单期模型和仅依赖临床特征的模型。在所有评估的组合中，基于傅里叶启发的时间编码方法结合ExtraTrees分类器，应用于原始瘤内ROI及5 mm瘤周扩展，取得了最佳的诊断性能，AUC为0.850（95% CI：0.675–0.978）。

结论

尽管放射科医师通常定性监测多期造影动态，但我们的研究结果表明，这些跨期变化为MVI提供了可量化且高度预测性的信息。该框架代表了一种用于术前MVI风险分层的有前景的无创量化工具。