《Next Nanotechnology》：Artificial intelligence and nanotechnology in hepatocellular carcinoma: Implications for molecular pathology and precision diagnostics
编辑推荐：
肝癌，尤其是肝细胞癌（HCC），因其高复发率、肿瘤异质性、晚期诊断及治疗耐药性，仍然是全球癌症相关死亡的主要原因。传统治疗方法的缺点包括全身毒性、靶向效果不佳及患者反应不一致。人工智能（AI）与纳米技术的结合为解决这些问题提供了革命性途径。通过使用制造纳米载体
肝癌，尤其是肝细胞癌（HCC），因其高复发率、肿瘤异质性、晚期诊断及治疗耐药性，仍然是全球癌症相关死亡的主要原因。传统治疗方法的缺点包括全身毒性、靶向效果不佳及患者反应不一致。人工智能（AI）与纳米技术的结合为解决这些问题提供了革命性途径。通过使用制造纳米载体，如脂质体、聚合物纳米颗粒、树状大分子和金属基纳米结构，纳米技术能够实现精准药物递送，提高肿瘤靶向性并减少脱靶效应。同时，AI驱动的解决方案通过多组学整合、影像组学、预测建模和高级图像分析增强了诊断精度，实现早期识别和个性化治疗规划。AI工程化纳米颗粒靶向KRAS和突变p53通路、铁死亡诱导纳米平台、自适应药物释放系统及实时体内监测技术是新兴应用的例子。临床前结果令人鼓舞，但长期安全性、可扩展性、监管批准及算法可解释性等问题仍然存在。总体而言，AI与纳米技术的结合是迈向肝癌精准肿瘤学的重要一步，提供了增强的诊断能力、靶向治疗和个性化治疗方案，有望显著改善患者预后。
1. 引言
肝癌，特别是肝细胞癌（HCC），是全球最常见和最致命的癌症之一。每年有超过80万人死于肝癌，使其成为全球第四大死亡原因。肝细胞癌占原发性肝癌的90%以上，肝内胆管癌和其他原发性肝癌紧随其后。大量饮酒、非酒精性脂肪性肝病和慢性病毒性肝炎是最常见的潜在病因，约占90%的病例。尽管诊断技术和治疗方法有所进步，但肝癌仍然面临重大治疗难题，尤其是其复杂的肿瘤微环境、高复发率和晚期诊断。早期检测的挑战是管理肝癌的主要障碍之一。诊断常在晚期进行，导致预后较差和治疗选择减少。此外，肝癌常对放疗和化疗产生耐药性，使治疗更加困难。尽管索拉非尼能减少肿瘤生长和血管生成，但其有效性常因严重副作用和快速耐药而受限。肝癌负担的增加和传统疗法的局限性促使探索纳米技术和人工智能（AI）等创新方法。纳米技术能够实现精准和局部的药物递送至肿瘤组织，通过控释和增强的肿瘤选择性提高疗效并减少全身毒性。同时，AI驱动的工具通过促进高级影像分析、早期检测、肿瘤特征化和治疗反应预测来提高诊断准确性。此外，AI通过整合临床、放射学和分子数据支持个性化治疗策略。总之，纳米技术和AI的融合为解决肝癌诊断和治疗中的关键问题提供了方案，增强了精准医学和患者预后。10纳米至100纳米的范围被认为是纳米颗粒被动靶向肿瘤的理想尺寸，凭借其增强的渗透性和滞留（EPR）效应。然而，也应考虑肾脏过滤和巨噬细胞吸收等清除途径的尺寸测量。AI方法，如深度学习模型和遗传算法，可预测用于治疗肝癌的纳米颗粒的尺寸和结构。这些预测基于生理学、肿瘤生物学和纳米颗粒相互作用的数据集。在棒状纳米颗粒的设计和优化中使用高级AI算法是肝癌靶向治疗的新方法。通过利用机器学习（ML）和计算建模，AI可以预测最佳粒径、长径比、表面电荷和配体功能化，以增强肿瘤靶向、细胞摄取和药物释放动力学。这种数据驱动的方法促进了棒状纳米载体的合理开发，提高了治疗疗效，减少了全身毒性，并增强了肝癌管理的精度。与球形纳米颗粒相比，他们的研究表明棒状纳米颗粒穿透肿瘤组织的程度高出25%。在临床前模型中，一项相关研究使用遗传算法优化聚合物纳米颗粒尺寸，使HCC肿瘤中的药物积累增加了18%。通过预测纳米颗粒在剪切应力下或与细胞外基质相互作用的行为，AI确保其结构完整性和靶向效果。数字孪生等新兴AI技术可用于模拟纳米颗粒在计算机患者模型中的反应，并在实际患者试验前由研究人员进行测试升级。这一策略将大幅削减开发预算和时间表。
2. 肝细胞癌中的AI
AI已成为HCC诊断和临床管理中的变革性工具，通过多种诊断模式提高了准确性、早期检测和数据驱动决策。在AI技术中，深度学习模型，特别是卷积神经网络（CNN），已在医学影像中展现出巨大实用性，包括计算机断层扫描（CT）、磁共振成像（MRI）和超声。基于CNN的架构能够从影像数据集中自动提取层次特征，实现准确的病灶检测、分割和分类，而无需手动特征工程。多项研究报告CNN模型具有高诊断性能，在区分恶性肝脏病变与良性结节方面的曲线下面积（AUC）值超过0.90，从而减少了对活检等侵入性诊断程序的依赖。CNN已应用于CT、MRI和超声成像中的肿瘤分割、病变分类和影像组学分析。诸如残差网络（ResNet）、U-Net和密集卷积网络（DenseNet）等CNN架构在肝脏病变分割、肿瘤分类以及从CT和MRI数据集中提取影像组学特征方面表现出高性能。然而，CNN性能严重依赖于大型标注数据集，并且可能因不同成像协议的异质性而泛化能力降低。除CNN外，基于Transformer的模型和混合CNN-Transformer框架等高级架构已被越来越多地探索，以捕获影像数据中的长程空间依赖性，进一步提高复杂肝肿瘤环境中的诊断灵敏度和鲁棒性。基于Transformer的架构利用自注意力机制捕获影像和多组学数据集中的长程空间依赖性。与传统CNN相比，Transformer在复杂肿瘤环境中表现出更好的上下文理解能力，并可能增强检测细微肝脏异常的灵敏度。然而，Transformer通常需要更大的数据集和计算资源，限制了其在数据有限的临床环境中的实际应用。在影像之外，机器学习（ML）算法，包括支持向量机（SVM）、随机森林（RF）和梯度提升模型，已被广泛应用于整合异质性临床数据集，包括基因组、蛋白质组和生化参数。这些模型促进了肿瘤进展、复发风险和治疗反应的预测分析。例如，基于ML的影像组学分析能够从影像数据中提取高维定量特征，这些特征可与潜在的肿瘤生物学和分子特征相关联，支持精准肿瘤学方法。此外，AI驱动的预测模型已被用于估计患者特异性结局，包括生存概率和对索拉非尼等靶向治疗的反应，从而辅助个性化治疗规划。图神经网络（GNN）作为一类新兴的AI模型，在模拟复杂生物相互作用方面也显示出潜力，如基因-蛋白质网络和肿瘤微环境动力学，为疾病机制和潜在治疗靶点提供了更深入的见解。它们被探索用于模拟HCC中的复杂生物相互作用网络，包括基因-蛋白质相互作用、信号通路和肿瘤微环境动力学。与传统深度学习模型不同，GNN保留了生物实体之间的关系信息，能够进行更具生物学意义的药物靶向和纳米颗粒相互作用的预测。尽管如此，GNN的可解释性和可扩展性仍然是持续挑战。强化学习（RL）算法已被研究用于纳米颗粒介导药物递送系统的自适应优化。在这些框架中，AI智能体基于环境反馈（如肿瘤pH、酶活性或治疗反应）迭代学习最优治疗策略。基于RL的系统可能实现药物释放动力学和给药方案的动态调整。然而，由于定义生物学现实奖励函数和获取实时患者特异性反馈数据的困难，临床应用仍然有限。尽管取得了这些进展，若干局限性阻碍了AI在肝癌诊断中的临床转化。一个主要挑战是模型训练依赖于大型、高质量且良好标注的数据集。许多现有研究依赖于相对较小或机构特异性的数据集，引发了对模型泛化能力和潜在偏倚的担忧。成像协议的变异性、患者人口统计学差异和数据标注的不一致性可能进一步影响模型在真实临床环境中的性能。此外，许多深度学习模型的“黑箱”性质限制了可解释性，使临床医生难以在高风险决策场景中完全信任和采用AI驱动的建议。因此，开发可解释人工智能（XAI）框架对于提高透明度和临床接受度至关重要。
3. 肝细胞癌中的纳米技术
纳米技术已成为改善HCC治疗和诊断格局的关键策略，主要通过实现靶向药物递送、增强生物利用度和减少全身毒性。纳米载体系统，如脂质体、聚合物纳米颗粒、树状大分子、脂质基纳米颗粒和金属基纳米结构，已被广泛探索以改善癌症治疗。这些系统有助于克服传统化疗的局限性，包括溶解性差、药物快速降解和脱靶毒性。脂质体被认为是肝细胞癌治疗中临床最先进的纳米载体系统之一，主要是因为其双层磷脂结构紧密模拟细胞膜。由于亲水性和疏水性药物均可被包裹在水性核心和脂质双层中，脂质体在共同递送多种药物组合以治疗HCC方面具有很高潜力。在肝细胞癌的背景下，脂质体系统已被探索用于递送索拉非尼和阿霉素等药物，在临床前模型中表现出改善的药代动力学和肿瘤特异性积累。临床批准的纳米药物如脂质体阿霉素（Doxil）表明脂质体在药物递送中的临床适用性，尽管未专门获批用于HCC治疗。在临床前概念验证研究中，共同封装索拉非尼和替拉帕扎明（TPZ）的脂质体制剂在HCC模型中显示出协同抗肿瘤活性，其中缺氧激活剂TPZ由索拉非尼诱导的肿瘤缺氧以优化的2:1摩尔比选择性激活，表现出有效的肿瘤抑制和良好的生物安全性。脂质体表面的PEG化通过减少网状内皮系统（RES）清除进一步延长全身循环，通过被动EPR依赖和主动受体介导机制改善肿瘤积累。尽管有这些优势，脂质体也存在一些弱点。脂质体中的磷脂膜可能发生氧化、在生物环境中药物过早泄漏，以及在储存期间在相对高温下缺乏稳定性。此外，对于水溶性差的疏水性药物，装载效率受膜渗透性限制。从转化角度而言，制造可重复性和批次间一致性是大规模生产的主要障碍。基于聚乳酸-羟基乙酸共聚物（PLGA）的聚合物纳米颗粒纳米载体已被充分表征和开发，提供了优于脂质体的某些药代动力学优势。PLGA聚合物通过水解裂解为内源性乳酸和乙醇酸分子而实现生物降解，导致较小的全身毒性，因此可能为肝功能不全（HCC常见并发症）患者带来益处。与脂质体相比，PLGA纳米颗粒具有优越的机械稳定性、抵抗有效载荷过早泄漏的能力以及高度可调的药物释放动力学（由聚合物分子量、共聚物比例和纳米颗粒架构控制）。这些特性支持在肿瘤内长期维持药物浓度，减少给药频率并可能提高治疗指数。在一项代表性临床前研究中，AI辅助田口设计优化了苯丙氨酸包被的水飞蓟宾负载PLGA纳米颗粒（Phe-SIL-Nps），产生了增强的LAT转运蛋白介导的细胞摄取、持续药物释放曲线，以及相对于非优化对照对Hep3B肝细胞癌细胞具有优越的细胞毒性。聚乙二醇表面修饰（PEG化）进一步减少RES介导的清除，延长循环半衰期，而配体缀合的表面功能化可实现肿瘤相关生物标志物的主动受体靶向。然而，值得注意的是，这些比较功效数据主要来自体外或小鼠异种移植模型，尚无基于PLGA的系统进入HCC的后期临床验证。聚合物纳米颗粒面临若干局限性，包括聚合物降解过程中的局部酸化，这可能会破坏酸敏感药物的稳定性。实现精确的零级药物释放仍然具有挑战性，通常需要复杂的配方策略。此外，大规模制造具有一致批次质量较为困难。纳米颗粒的监管表征和标准化对临床应用构成挑战。树状大分子是一类结构独特的纳米载体，具有树状、高度支化的大分子架构和可调的表面化学性质。与脂质体和PLGA纳米颗粒不同（它们将药物封装在核心或基质内），树状大分子通过内部疏水腔以及共价或非共价缀合到外围功能基团来容纳治疗有效载荷。这种双重装载机制不仅提供非常高的药物装载能力，还提供高度特异性化学计量的有效载荷控制。多种靶向配体、成像剂和药物可同时附着在多价树状大分子表面，赋予其多功能特性，而脂质体和PLGA系统难以通过类似定义明确的架构实现这一特性。树状大分子还通过AI辅助表面化学设计在挑战性肝环境中支持优化的药物装载和靶向。然而，树状大分子具有显著限制，严重制约其临床转化。一个显著例外是阳离子树状大分子倾向于通过静电结合带负电的细胞膜和血浆蛋白引起浓度依赖性细胞毒性，可能导致膜破裂、溶血和补体激活。复杂的多步合成程序、严格的纯化要求、高生产成本以及规模化批次重现性的困难继续限制其进展停留在早期临床前阶段。在HCC纳米医学考虑的三大类纳米载体中，可以观察到不同的行为和特征谱，这可能与纳米载体系统的选择和临床转化相关。脂质体表现出最高的生物相容性和明确的临床成功历史，已有FDA批准的制剂作为佐证，但它们存在固有问题，如化学不稳定性、不可预测的封装效率以及在生理条件下有效载荷的丢失。PLGA纳米颗粒提供更大的稳定性，包括持续药物递送的潜力、生物降解性和体内消除无问题，但它们的表面工程复杂，且在HCC中的临床验证极少。树状大分子特别适用于多价靶向，甚至在高预测性的三维架构内同时递送多种药物，但其临床适用性最受毒性和合成成本困难的限制（表1）。[表1：比较脂质体、PLGA纳米颗粒和树状大分子在HCC纳米医学中的优势和局限性，涵盖粒径、载药机制、包封效率、药物释放曲线、主动靶向策略和生物相容性。] 尽管多种纳米技术平台在肝细胞癌治疗中展现出潜力，基于中性粒细胞的递送系统正逐渐受到关注，因为中性粒细胞自然定位到炎症和肿瘤生长部位。通过使用中性粒细胞或受中性粒细胞启发的纳米颗粒作为药物载体，治疗药物可以更高效地递送至肝脏肿瘤，同时最大限度地减少对健康组织的损伤。在肝细胞癌中，这些系统可能有助于改善肿瘤穿透并克服肿瘤微环境中的障碍，这些障碍常限制传统疗法。未来AI与基于中性粒细胞的纳米药物的整合可能进一步增强靶向精度、控释和个性化治疗策略。主动靶向涉及用特异性配体修饰纳米颗粒表面，这些配体选择性结合癌细胞膜上过表达的受体。常用配体包括抗体、肽和小分子，旨在靶向叶酸受体、转铁蛋白受体和表皮生长因子受体（EGFR）等受体。通过促进受体介导的摄取，主动靶向提高了药物递送的精确性，并增强了肝细胞癌治疗的疗效。在肝细胞癌治疗中一个已建立的主动靶向例子是应用叶酸功能化纳米颗粒。叶酸对叶酸受体具有高亲和力，叶酸受体常在多种恶性细胞（包括肝癌细胞）表面过表达。这类功能化纳米颗粒已用于递送阿霉素等抗癌分子，从而提高治疗功效。另一重要策略涉及转铁蛋白缀合纳米颗粒。由于转铁蛋白受体在癌细胞中常因满足其增加的铁需求而过表达，转铁蛋白修饰的纳米颗粒可用于实现更高的受体介导摄取。该方法在选择性递送抗癌药物至肝脏肿瘤方面显示出潜力。纳米颗粒介导的靶向策略大致分为被动靶向和主动靶向。尽管两种方法都旨在提高治疗功效并减少不良反应，但在肿瘤定位机制、细胞摄取、特异性和对肿瘤生物学的依赖性方面存在显著差异。被动靶向主要依赖于EPR效应，这是一种在许多实体肿瘤（包括HCC）中发现的病理生理机制。在快速发展的肿瘤中，增加的血管生成导致血管形成缺陷，内皮细胞间间隙异常增大，估计间隙大小约100-800纳米。血管结构的缺陷促进更高的血管通透性，使血液中的纳米颗粒比正常组织更容易从血管漏出进入肿瘤微环境。除了血管通透性差，肿瘤还以淋巴引流不良为特征。正常情况下，间质液和大分子通过淋巴系统快速排出。在肿瘤中，发育不良的淋巴系统导致排出速率减慢，导致在肿瘤间质空间中停留时间延长。因此，纳米颗粒在肿瘤微环境中被滞留较长时间，导致局部药物积累增加。被动靶向的有效性在很大程度上取决于纳米颗粒的物理化学性质，如粒径、形状、表面电荷、疏水性和循环半衰期。粒径在10-200纳米范围内的纳米颗粒观察到肿瘤积累，因为它们足够小以穿过渗漏的肿瘤血管，同时足够大以绕过肾脏清除。PEG化等表面修饰可通过掩盖纳米颗粒使其不被RES系统摄取来进一步增强循环时间。主动靶向旨在克服被动积累的缺点并提高靶向特异性。该方法的特点是用靶向配体修饰纳米颗粒，这些配体可以识别并结合肝细胞癌细胞或肿瘤微环境中高度表达的独特受体。抗体、肽、适配体、碳水化合物、叶酸、转铁蛋白和靶特异性小分子是常见的靶向配体，可通过各种化学或生物策略连接到纳米颗粒表面。当全身给药时，纳米颗粒首先分布在血液循环中，主要通过被动靶向效应在肿瘤附近积累，然后通过配体-受体相互作用特异性识别并结合肿瘤细胞。在HCC靶向纳米治疗中经常利用几种受体。磷脂酰肌醇蛋白聚糖-3（GPC3）、EGFR、血管内皮生长因子受体（VEGFR）、转铁蛋白受体和无唾液酸糖蛋白受体（ASGPR）在肝脏肿瘤中常过表达，因此成为有吸引力的分子靶点。一旦发生配体结合，受体介导的内吞启动，导致纳米颗粒有效内化进入癌细胞（图1）。[图1：肝细胞癌中被动和主动纳米颗粒靶向策略的比较，突出EPR介导的积累和受体特异性细胞摄取。] 与被动靶向不同，主动靶向促进细胞内药物递送、增强细胞摄取、改善治疗选择性并减少健康组织接触细胞毒性药物。这种靶向相互作用显著增加了细胞水平的药物生物利用度，并可能克服肝细胞癌治疗中常见的多药耐药机制。然而，主动靶向与增加制造复杂性、更高生产成本、潜在配体不稳定性和可能的免疫原性反应相关。此外，受体表达水平可能在患者间存在差异，可能影响治疗功效，需要个性化的治疗方法。尽管被动和主动靶向常被视为独立策略，但它们越来越被认为是互补而非竞争的方法。被动靶向主要控制纳米颗粒在组织水平的生物分布和肿瘤积累，而主动靶向增强在细胞水平的选择性识别和摄取。在大多数先进的纳米医学系统中，被动靶向使纳米颗粒能够到达肿瘤微环境，而主动靶向促进高效进入癌细胞。因此，被动靶向可被视为由肿瘤生理学驱动的宏观靶向机制，而主动靶向是由分子识别驱动的微观靶向机制。除了药物递送，纳米技术在诊断成像和治疗诊断学中发挥着关键作用。金属基纳米颗粒，如金纳米颗粒（AuNPs）和氧化铁纳米颗粒（IONPs），因其在成像和治疗中的双重功能而得到广泛研究。AuNPs表现出强的光学和放射密度特性，使其成为CT扫描的有效造影剂，其高原子序数增强X射线衰减并改善肿瘤组织的可视化。IONPs常用于MRI，由于其超顺磁行为，可改变局部磁场并增强T2加权图像对比度，从而改善肿瘤检测和病变描绘。它们可通过在交变磁场下产生局部热量促进热疗为基础的癌症治疗，导致选择性肿瘤细胞破坏。整合诊断和治疗能力的多功能纳米平台，通常被称为治疗诊断学系统，可实现同步肿瘤成像、靶向药物递送和治疗反应的实时监测，从而支持更适应性和个性化的治疗策略。
4. AI与纳米技术的整合
AI与纳米技术的整合代表了肝细胞癌精准肿瘤学的重要进步，实现纳米治疗系统的合理设计、优化和实时监测。该整合平台通过顺序工作流程运行，从多模态数据采集开始，然后是AI驱动的分析、纳米颗粒优化、肿瘤靶向递送、实时监测和适应性治疗个性化。第一阶段涉及多模态数据采集，收集多样化的患者特异性数据集以全面表征肿瘤生物学和临床状态。临床数据包括人口学信息、病史、肝功能参数、实验室检查和治疗史，提供患者生理学和疾病进展的关键见解。来自CT、MRI、正电子发射断层扫描（PET）、超声和荧光成像的成像数据提供肿瘤大小、血管化、转移和组织异质性的结构和功能信息。同时，分子和组学数据集，包括基因组学、转录组学、蛋白质组学和代谢组学，揭示与HCC进展和治疗耐药相关的肿瘤相关突变、信号通路、免疫标志和分子生物标志物。此外，肿瘤微环境数据，包括细胞因子谱、免疫细胞浸润、缺氧、细胞外基质组成和血管生成因子，提供关于肿瘤行为和药物反应的关键信息。总体而言，这些多维数据集构成了AI辅助精准纳米医学的基础。数据采集后，使用先进计算框架进行AI驱动的数据分析和洞察生成。机器学习、深度学习、CNN、视觉变换器（ViT）、GNN、影像组学和自然语言处理算法分析复杂数据集，以识别隐藏的生物模式和临床相关关联。诸如ResNet和U-Net等CNN架构从CT和MRI扫描中自动提取层次成像特征，提高病灶检测、肿瘤分割和肿瘤分类准确性。ResNet主要用于从CT和MRI数据集进行肿瘤分类和诊断预测，因为其残差学习架构使深层神经网络得以训练而不出现梯度消失问题。这使ResNet模型能够捕获与恶性肝脏病变相关的复杂成像模式和细微纹理异常，从而提高分类准确性和早期肿瘤识别。Proloy Kumar Mondol等人开发了WOA优化的LiTS-Res-UNet混合模型，用于从3D医学图像自动分割肝脏和肝脏肿瘤，改进了超参数选择和模型收敛。该模型达到99.54%的准确率、92.38%的Dice系数和86.73%的Jaccard指数，优于几种最先进的分割方法。Abubaker Abdelrahman等人提出了SE-ResNet-特征金字塔网络（FPN）框架，用于从CT图像分割肾脏和肾脏肿瘤，实现对肾脏和肿瘤区域的准确识别以进行早期诊断。SE-ResNet50模型达到最佳性能，平均IoU分数高达0.988（相比SE-ResNet18的0.981），显示出优越的肾脏和肿瘤分割准确性。U-Net主要因其编码器-解码器架构结合跳跃连接而用于肿瘤分割和病变边界勾画，这保留了高级语义信息和精细空间细节。这使得U-Net在识别肝脏成像中的肿瘤边缘、血管结构和异质性肿瘤区域方面特别有效。准确分割对于肝细胞癌管理中的手术规划、放射治疗指导和AI辅助机器人干预至关重要。DenseNet主要用于影像组学特征提取和多参数成像分析，其密集连接架构实现了高效的特征重用和层间信息流改善。通过将每一层直接连接到后续层，DenseNet减少了特征丢失并改进了细微影像组学特征的提取，如肿瘤异质性、纹理变化、血管化和信号强度模式。这改善了HCC中肿瘤进展、治疗反应和预后的预测建模。S. Greeshma Sai等人比较了逻辑回归和CNN算法用于肝细胞癌检测，证明CNN模型实现了显著更高的预测准确性和性能。他们的发现表明基于CNN的分析优于逻辑回归（P<0.001），突显了深度学习方法在更准确肝癌诊断中的潜力。另一方面，GNN在模拟HCC中复杂生物相互作用网络方面特别有价值，包括基因-蛋白质相互作用、信号通路、肿瘤微环境动力学和纳米颗粒-细胞相互作用。与主要处理成像或序列数据的CNN和变换器不同，GNN保留了生物实体之间的关系和结构信息，因此能够对肿瘤进展、治疗耐药和分子靶向进行更具生物学意义的预测。因此，GNN可能为HCC发病机制和AI引导的纳米治疗优化提供更深入的机制见解。然而，与可扩展性、计算复杂性和有限可解释性相关的挑战继续限制其广泛临床应用。总体而言，CNN目前仍然是基于影像的诊断中最临床成熟的模型，变换器提供增强的多模态分析能力，GNN则为肝细胞中的先进系统级建模和精准纳米医学提供了新兴机会。影像组学分析通过提取高维定量成像特征（包括肿瘤纹理、形状、血管化、强度和异质性模式）进一步加强了该方法，这些特征可与肿瘤生物学和治疗反应相关联。GNN还额外模拟涉及基因-蛋白质网络和肿瘤微环境动力学的复杂生物相互作用。通过这些计算分析的整合，AI系统生成临床可操作的输出，包括肿瘤亚型分类、生物标志物识别、预后预测、治疗反应预测和患者分层。机制上，AI模型学习成像模式、分子特征和临床结局之间的关系，从而预测疾病进展和个性化治疗计划。下一阶段涉及AI引导的纳米颗粒设计和优化，其中AI算法用于优化纳米载体的物理化学和生物学特性。AI优化框架分析纳米颗粒组成、表面化学、生物相互作用和治疗结果之间的关系，以识别具有最大肿瘤靶向效率和最小全身毒性的配方。关键的纳米颗粒参数，包括粒径、形态、表面电荷、配体密度、载药能力、释放动力学、生物相容性和靶向特异性，被计算优化，因为这些特性直接影响生物分布、循环时间、肿瘤穿透和细胞摄取。例如，较小的纳米颗粒可能表现出改善的肿瘤内渗透，而PEG化纳米颗粒可逃避快速免疫清除并延长全身循环。AI系统可以进一步分析包含脂质体、聚合物纳米颗粒、树状大分子、脂质纳米颗粒和金属基纳米结构的大型纳米颗粒库，以识别最适合个体肿瘤特征的配方。在实验测试之前，计算机预测和模拟模型还评估纳米颗粒的生物分布、毒性、药代动力学和治疗性能，从而减少开发时间和实验成本。优化后，纳米颗粒通过静脉给药并进入靶向递送和肿瘤相互作用阶段。纳米颗粒通过血液循环，并通过被动和主动靶向机制在肿瘤组织内积累。被动靶向主要依赖于EPR效应，即渗漏的肿瘤血管和受损的淋巴引流允许纳米颗粒优先在肿瘤组织中积累。然而，由于EPR效应在人类肿瘤中表现出可变效率，主动靶向策略被越来越多地用于提高特异性。在主动靶向中，纳米颗粒表面用抗体、肽、适配体或小分子功能化，这些分子能够选择性结合HCC细胞上过表达的肿瘤相关受体，如GPC3、叶酸受体和转铁蛋白受体。在受体介导的内吞后，纳米颗粒进入肿瘤细胞，并通过由肿瘤微环境内酸性pH、活性氧（ROS）、酶活性、缺氧或热变化触发的受控或刺激响应机制释放治疗药物。这些机制实现受控的细胞内药物释放、增强的细胞摄取和改善的肿瘤特异性治疗活性，同时最小化脱靶毒性。通过这些系统介导的治疗效果包括凋亡诱导、基因沉默、免疫调节、抗血管生成和铁死亡诱导，具体取决于纳米颗粒组成和治疗有效载荷。AI整合纳米医学的一个重要优势是结合了实时监测和AI反馈系统。用纳米材料基造影剂增强的成像模式能够连续可视化纳米颗粒的生物分布和治疗反应。AuNPs因其强放射密度增强CT成像，而IONPs通过磁对比增强提高MRI灵敏度。荧光成像和光声成像系统额外支持分子成像和术中肿瘤可视化。同时，整合到纳米平台中的纳米传感器和生物传感器连续监测肿瘤相关生理参数，包括pH变化、ROS水平、酶活性、细胞因子释放和代谢变化。AI算法实时分析这些成像信号和生物传感器数据集，以评估药物释放动力学、估计治疗功效、监测毒性和识别治疗耐药模式。新兴的数字孪生系统通过生成患者特异性虚拟计算模型进一步加强了这一框架，该模型能够在实际临床干预前模拟肿瘤进展、纳米颗粒行为、治疗反应和毒性预测。这些系统基于患者特异性生物学特性实现预测性和适应性治疗优化。该整合平台的最后阶段涉及适应性治疗和治疗个性化。AI驱动的决策系统持续分析治疗期间产生的临床结局、成像数据、纳米传感器反馈和分子反应。基于这些动态数据集，AI模型可以推荐剂量调整、纳米颗粒重新配方、治疗计划修改或选择针对个体患者反应定制的组合疗法。这建立了一个持续学习循环，其中新获得的临床数据被重新整合到AI系统中，以进一步优化预测模型和未来的治疗策略。因此，AI整合纳米医学能够实现真正个性化的治疗方法，特点在于改善的治疗功效、减少的全身毒性、较低的复发风险和增强的患者生存结局（图2）。[图2：HCC的AI-纳米技术整合精准肿瘤学工作流程。]
5. 应用
AI整合纳米技术在肝细胞癌中的应用在多个领域显示出有希望的结果，包括靶向药物递送、诊断成像和个性化治疗设计。然而，重要的是要强调这些发展大多仍处于临床前或早期转化阶段，在大规模临床环境中的验证有限。当前研究主要依赖于体外研究和动物模型，尽管这些对概念验证有价值，但可能无法完全捕捉人类肿瘤的复杂性和异质性。
5.1 AI优化的纳米载体用于靶向药物递送
通过将计算智能与纳米医学设计相结合，AI优化的纳米载体系统已成为改善HCC靶向药物递送的有前途策略。ML模型已被用于分析纳米颗粒组成、物理化学特性和生物学性能之间的关系，从而实现具有改善靶向效率的纳米载体的合理设计。传统的纳米载体开发常依赖于经验性的试错方法，这些方法耗时、成本高，且在预测生物学性能方面有限。相比之下，利用ML和深度学习算法，可以分析涉及纳米颗粒物理化学特性、肿瘤微环境参数、药代动力学和治疗结果的多维大数据集，以促进合理的纳米载体优化。这些计算框架建立了纳米颗粒特性（如粒径、表面电荷、疏水性、配体密度和载药效率）与生物学反应（包括肿瘤穿透、细胞摄取、生物分布、全身清除和毒性谱）之间的预测关系。AI优化的纳米载体系统的一般机制始于收集来自纳米颗粒合成、成像研究、药代动力学分析和肿瘤反应评估的实验和生物学数据集。ML算法，如RF、SVM、梯度提升模型和人工神经网络（ANN），然后使用这些数据集进行训练，以预测最优的纳米颗粒配方。这些模型可以识别最大化肿瘤积累同时最小化脱靶毒性的物理化学配置。深度学习架构，特别是CNN，分析成像派生的影像组学数据，以关联纳米颗粒分布模式与治疗反应，从而支持图像引导的纳米医学方法。更高级的框架，如RL算法，通过动态调整针对肿瘤微环境条件（包括酸性pH、缺氧、氧化应激或酶活性）的纳米颗粒行为，实现药物释放动力学的适应性优化。因此，AI驱动的纳米载体可以在HCC中为更精准和响应性治疗递送而设计。刺激响应性纳米药物通过将化疗与免疫治疗相结合，正成为改善肝癌治疗的有前途方法。这些智能纳米载体可以在肿瘤微环境中响应诸如酸性pH、缺氧或氧化应激等条件特异性释放药物。通过克服腺苷介导的免疫抑制，它们帮助重新激活免疫细胞，增强抗肿瘤免疫，并改善化疗的有效性。这种化疗-免疫联合治疗策略可能在肝细胞癌中提供更具靶向性的治疗，并减少全身副作用。在可用的AI优化纳米载体中，脂质体系统仍然是肝癌治疗中研究最广泛的平台之一。AI辅助模型已被应用于优化脂质体大小、脂质组成、PEG化密度和表面配体功能化，以改善肿瘤靶向并延长全身循环。Jinchao Zhao等人开发了共同封装索拉非尼（SOR）和TPZ的脂质体制剂，该制剂通过将抗血管生成活性与缺氧激活化疗相结合，显示出对肝细胞癌的强协同抗肿瘤作用。SOR诱导的肿瘤缺氧增强了TPZ激活，优化的TPZ:SOR摩尔比为2:1，表现出有效的肿瘤抑制、良好的生物安全性和有希望的临床潜力。AI算法还可以预测脂质体制剂在生理条件下的稳定性和释放行为，从而提高治疗效率并最小化药物过早泄漏。与传统脂质体相比，AI工程的脂质体系统表现出改善的生物分布和对药代动力学行为更精确的控制。预测性ML模型用于调控聚合物组成、降解动力学、药物包封效率和释放曲线。因此，AI辅助的PLGA纳米颗粒可以实现持续和受控的药物释放，同时长期维持最佳的肿瘤内药物浓度。此外，表面修饰策略包括PEG缀合和配体靶向功能化被计算优化，以减少RES清除并改善肿瘤细胞的选择性摄取。与脂质体系统相比，AI优化的PLGA纳米颗粒通常表现出更大的结构稳定性和对药物释放动力学的优越控制。Claudia Mari等人开发了苯丙氨酸包被的水飞蓟宾负载PLGA纳米颗粒（Phe-SIL-Nps）用于靶向肝细胞癌治疗，使用AI辅助的L4田口设计优化纳米颗粒配方参数，如粒径、载药量和包封效率。优化的纳米颗粒表现出持续的药物释放、增强的LAT转运蛋白介导的细胞摄取、增加的ROS产生以及针对Hep3B细胞的优越细胞毒性，突显其作为HCC有效纳米治疗策略的潜力。AI在开发封装顺铂的介孔二氧化硅纳米颗粒（MSN）中的作用也被探讨。AI已用于估计纳米颗粒中孔隙的最佳尺寸、其表面特性和药物递送动力学，以便药物递送仅发生在肿瘤部位。在HCC小鼠模型的临床前研究中，AI优化的MSN相比传统配方也显示出60%更高的肿瘤减少。这种增强的治疗性能归因于AI指导的纳米颗粒特性优化促进了最佳细胞内内化以及肿瘤微环境中受控和持续的药物释放。
5.2 AI引导的纳米颗粒靶向HCC中的致癌信号网络
AI与纳米技术的结合在肝脏癌症治疗方面通过开发改进的方法显著提高了肿瘤学的准确性。HCC通过多种分子通路发展，这些通路调控肿瘤增殖、血管生成、转移、免疫逃逸、凋亡抵抗和细胞存活。肝细胞癌中涉及的主要分子通路包括VEGF介导的血管生成信号、Wnt/β-连环蛋白（CTNNB1）信号、TP53肿瘤抑制通路、PI3K/AKT/mTOR和MAPK/RAF/MEK/ERK增殖通路、FGFR4和MET/HGF信号通路、TGF-β和JAK/STAT通路、Hippo-YAP信号、EGFR相关通路以及免疫调节检查点通路如PD-1/PD-L1。对包含KRAS信号转导通路以及脂质制剂用于药物递送和肿瘤特征的大型数据库的分析，将使得公司能够开发专门针对具有KRAS突变的肿瘤的纳米颗粒，以及以多种方式致癌的癌基因，包括肝癌，将提高纳米颗粒递送的准确性。这种数据驱动的优化使得开发出对KRAS突变细胞具有增强选择性同时最小化对健康组织意外影响的脂质纳米颗粒成为可能。临床前评估显示出显著改善的治疗功效，以更强的肿瘤抑制和更低的全身毒性为特征。尽管KRAS突变已在几种实体恶性肿瘤中得到广泛研究，但其在HCC中的发生率相对较低，限制了其作为肝癌主要治疗靶点的临床意义。相反，当前研究和新兴的精准医学策略越来越多地集中在在HCC发病机制和进展中发挥更突出作用的分子改变上。其中，端粒酶逆转录酶（TERT）启动子突变代表了HCC中最早期和最频繁的遗传事件之一，通过端粒酶激活促进细胞永生化。TERT启动子突变构成HCC中最早期和最频繁的遗传事件之一，在不同病因背景的肿瘤中检测到相当大比例。这些突变导致端粒酶活性增加，使恶性肝细胞逃避复制性衰老并获得无限增殖能力。由于TERT激活发生在肝细胞癌变的早期阶段，它已成为早期疾病检测和风险分层的有价值生物标志物。纳米医学的最新进展促进了基于纳米颗粒的递送系统的开发，这些系统能够递送针对端粒酶相关通路的小干扰RNA（siRNA）、反义寡核苷酸和基因编辑组件。Seung Eun Lee等人调查了109例HCC患者中TERT启动子和CTNNB1突变，发现突变频率分别为39.0%（41/109）和14.6%（15/109），突显它们是肝细胞癌中最常见的体细胞遗传改变之一。TERT启动子突变在HCV相关HCC中显著更常见（83.3%；5/6例），早期复发患者中原发和复发肿瘤之间TERT突变状态的不一致提示潜在的肿瘤内遗传异质性和在肝细胞癌变中的关键作用。此外，AI驱动的基因组分析平台可以从大规模测序数据集中识别TERT相关分子特征，实现患者分层和个性化治疗决策。由于TERT在涉及端粒酶组件、转录因子、信号通路和表观遗传调控因子的复杂调控网络中发挥作用，GNN可以说是识别TERT靶向策略最先进和生物学意义最相关的AI方法。HCC的另一个主要分子驱动因素是Wnt/β-连环蛋白信号通路，该通路常通过CTNNB1突变激活。异常的β-连环蛋白激活促进不受控制的细胞增殖、代谢适应、干性维持和免疫逃逸，从而促进肿瘤启动和进展。重要的是，β-连环蛋白激活与免疫检查点抑制剂耐药相关，突显了其在治疗选择中的临床相关性。基于纳米技术的靶向β-连环蛋白信号的治疗策略通过递送RNA干扰分子、基因沉默剂和通路特异性抑制剂，在临床前研究中显示出有希望的结果。同时，AI辅助的放射基因组学方法，特别是CNN和视觉变换器（ViT）架构，越来越多地被用于从CT和MRI图像预测CTNNB1突变状态。CNN擅长提取与β-连环蛋白驱动肿瘤表型相关的局部空间和纹理特征，而ViT捕获成像数据集中的长程空间关系，从而实现对肿瘤异质性的更全面表征。Farouk Benmediouni等人强调了牛黄（Calculus bovis, CB）的抗肝细胞癌潜力，在小鼠模型中通过抑制M2型肿瘤相关巨噬细胞（TAM）极化和调节Wnt/β-连环蛋白信号通路，显著抑制肿瘤生长。CB治疗降低了M2相关标志物（CCL22、Arg-1、TGF-β2和IL-10）的表达，下调了Wnt5B和β-连环蛋白，上调了Axin2，表明肿瘤微环境的有效重塑和肝癌进展的抑制。这些模型促进了对CTNNB1突变HCC的非侵入性识别，并可能辅助选择最可能从β-连环蛋白靶向治疗策略中获益的患者。类似地，TP53突变与基因组不稳定性、侵袭性肿瘤行为和不良临床结局密切相关。TP53突变代表侵袭性HCC的另一个标志，与基因组不稳定性、受损的DNA损伤反应、增强的转移潜力和不良临床结局密切相关。p53肿瘤抑制功能的丧失促进额外致癌突变的积累并导致治疗耐药。由于p53活性的直接恢复仍然具有挑战性，研究人员探索了纳米颗粒介导的p53基因、mRNA和p53再激活化合物的递送，以恢复恶性肝细胞内的肿瘤抑制功能。Chenghao Chu等人在肝细胞癌中识别出85个TP53突变相关lncRNA，并开发了TP53MLncSig预后特征，该特征根据生存结局和免疫治疗反应性有效地对患者进行分层。基于AI的预测模型，特别是GNN，可以整合基因组、转录组、蛋白质组和临床数据集，以识别TP53相关风险谱并预测治疗反应。通过建模基因、蛋白质和信号通路之间的复杂相互作用，GNN提供了TP53功能障碍的系统级理解，并促进了肝细胞癌中的患者分层、预后评估和精准治疗规划。在新兴分子靶点中，磷脂酰肌醇蛋白聚糖-3（GPC-3）因其高度选择性表达模式而受到广泛关注。GPC-3是一种癌胚硫酸乙酰肝素蛋白聚糖，在大多数HCC病例中过表达，而在健康成人肝组织中基本不存在。这种肿瘤特异性表达谱使GPC-3成为靶向治疗和诊断应用的有吸引力的候选。各种GPC-3导向策略，包括单克隆抗体、抗体-药物偶联物、癌症疫苗、嵌合抗原受体T细胞（CAR-T）疗法和基于纳米颗粒的药物递送平台，目前正在研究中。用抗GPC-3配体功能化的纳米颗粒可以选择性在HCC组织中积累，增强治疗精度，同时最小化脱靶效应。此外，AI辅助病理学和成像平台，特别是基于CNN的架构如ResNet、DenseNet和U-Net，可以通过自动化分析组织病理学切片、免疫组织化学染色模式和放射学图像，改善GPC-3阳性肿瘤的识别。这些模型能够实现准确的肿瘤分类、GPC-3表达的定量评估以及GPC-3靶向治疗干预的患者分层。成纤维细胞生长因子受体4（FGFR4）信号通路也已成为HCC发展的关键调节因子。FGF19-FGFR4轴的异常激活促进肝细胞增殖、血管生成、上皮-间质转化和转移进展。升高的FGFR4表达与侵袭性肿瘤表型和不良预后相关，使该通路成为分子干预的有吸引力的靶点。几种选择性FGFR4抑制剂已显示出鼓舞人心的临床前和早期临床结果。基于纳米技术的制剂可以通过增强药物稳定性、肿瘤定位和控释特性，进一步改善FGFR4抑制剂的药代动力学特性。AI驱动的分子谱分析方法，特别是GNN，可以同时评估FGFR4表达模式并模拟FGF19-FGFR4信号网络内的复杂相互作用。通过整合基因组、转录组、蛋白质组和临床数据集，GNN促进FGFR4驱动分子亚型的识别，预测治疗反应性，并支持针对FGFR靶向干预的精准患者分层。HCC中另一个临床相关的信号通路涉及肝细胞生长因子（HGF）/MET轴。MET激活调节细胞增殖、存活、侵袭、血管生成和转移扩散。MET信号的上调或失调与HCC患者的不良预后和增加的肿瘤侵袭性相关。因此，MET的治疗性抑制已成为一个重要的研究领域，几种靶向抑制剂正在临床环境中进行评估。纳米颗粒介导的递送系统提供了改善MET抑制剂和联合疗法的选择性递送同时减少全身不良反应的机会。同时，基于AI的预测框架，特别是GNN，可以整合分子、病理和成像数据集，以识别MET驱动的肿瘤亚型并优化治疗选择。通过建模HGF/MET信号网络及其下游通路内的复杂相互作用，GNN能够改善对疾病进展、治疗反应性和患者预后的预测，从而支持HCC中的精准肿瘤学策略。
5.3 AI增强的成像和诊断纳米平台
AI增强的成像和诊断纳米平台已成为HCC早期检测、表征和监测的重要发展。传统成像模式如CT、MRI、超声和荧光成像常用于肝癌诊断。然而，它们的灵敏度往往不足以检测小病灶和早期肿瘤。AI与纳米颗粒基造影系统的整合通过结合先进计算建模与纳米尺度成像增强，显著改善了成像分辨率、病变勾画、诊断灵敏度和预测性分析。AI辅助诊断纳米平台的基本机制涉及三个相互关联的过程：纳米颗粒介导的成像增强、AI驱动的图像分析和预测性影像组学解释。最初，工程化纳米颗粒作为成像造影剂给药，通过被动或主动靶向机制选择性地在肿瘤组织中积累。被动靶向依赖于EPR效应，而主动靶向涉及用配体（如抗体、肽、适配体或小分子）功能化纳米颗粒表面，这些配体选择性结合HCC细胞中过表达的肿瘤相关生物标志物，包括GPC3、甲胎蛋白、叶酸受体和转铁蛋白受体。纳米颗粒在肿瘤微环境中积累后，根据纳米颗粒类型和所用成像模式，通过光学、磁性或放射密度机制放大成像信号。AuNPs是CT成像应用中最广泛研究的纳米材料之一，因其高原子序数和强X射线衰减特性。当AuNPs在肿瘤组织中积累时，它们增加局部放射密度，并在CT扫描期间增强恶性与正常肝组织之间的对比度差异。AI算法，特别是CNN，随后分析由AuNPs增强的CT图像，以识别肿瘤边缘、检测微小病灶并以改善的灵敏度和特异性对肝脏异常进行分类。这些系统可以识别与早期肝癌相关的细微纹理、形态和血管异常，这些异常可能无法通过传统放射学解释轻易检测到。Danielle Rand等人开发了一种使用聚丙烯酸（PAA）和聚烯丙胺盐酸盐（PAH）包被的金纳米颗粒结合X射线散射成像诊断肝细胞癌的新方法，以增强肿瘤检测灵敏度。研究表明，这些纳米颗粒标记的HCC细胞显示出高达17%的信号增强，并能检测小于几毫米的肿瘤，优于传统的吸收型X射线成像。MRI也通过AI整合纳米技术平台得到了显著增强。IONPs，特别是超顺磁性氧化铁纳米颗粒（SPIONs），被广泛用作MRI造影剂，因为它们能够改变局部磁场并改善T2加权图像对比度。在肝肿瘤中积累后，SPIONs产生信号强度变化，有助于更清晰地显示肿瘤边界和微血管结构。深度学习模型用于AI驱动的MRI分析，以解释复杂的成像数据集并区分良性肝结节、再生结节或肝硬化改变与恶性病变。影像组学分析通过从CT和MRI扫描中提取高维定量特征（包括肿瘤纹理、强度、形状、血管化和异质性模式）进一步加强了AI辅助成像，这些特征随后可与肿瘤生物学、进展动力学和治疗反应相关联。AI辅助影像组学的基本机制始于使用对比增强CT或MRI获取图像，其中肿瘤组织根据组织密度、血管灌注和磁学性质的差异可视化。图像获取后，使用深度学习模型（如CNN）手动或自动分割肿瘤区域。一旦肿瘤区域被识别，影像组学算法提取大量可能无法通过传统放射学评估检测到的定量成像特征。在CT影像组学中，AI算法分析动脉期、门静脉期和延迟期成像期间的对比增强模式，以识别肝细胞癌典型的异常肿瘤血管化和廓清特征。在MRI影像组学中，AI系统评估信号强度变化、弥散加权成像（DWI）特征和肝胆造影增强模式，以区分恶性病变与良性肝结节或肝硬化改变。深度学习架构（如CNN和基于Transformer的模型）可以自动识别细微成像异常，并将影像组学特征与临床和分子数据集整合，以实现更准确的肿瘤表征。这些成像衍生的特征随后可通过预测性AI模型与分子特征、基因表达谱、治疗反应、复发风险和患者预后相关联。荧光成像和量子点诊断系统代表了AI整合纳米技术在肝癌检测和图像引导手术中的重要应用。量子点是半导体纳米晶体，具有独特的光学特性，包括强荧光发射、高光稳定性、宽激发光谱和可调发射波长，可实现高灵敏度和多重分子成像。基本机制始于使用肿瘤靶向配体（如抗体、肽或适配体）功能化量子点，这些配体选择性结合肝细胞癌细胞中过表达的生物标志物，包括GPC3和甲胎蛋白。全身给药后，这些纳米颗粒通过主动靶向和EPR介导的被动积累优先在肿瘤组织中积累。在外部光源激发下，量子点以特定波长发射荧光信号，产生高度灵敏的肿瘤组织光学成像。AI算法随后分析荧光强度、空间信号分布和时间成像模式，以区分恶性组织与周围健康肝组织。AI辅助图像处理增强信号解释，降低背景噪声，并改善肿瘤定位准确性，从而能够更早发现可能难以使用传统成像方法识别的小病灶和微转移。
5.4 AI驱动的个性化和适应性纳米治疗
AI整合纳米技术的新兴应用越来越关注开发针对HCC患者个体特征和肿瘤特征的个性化适应性纳米治疗系统。为了克服传统抗癌治疗的局限性，AI驱动的计算框架整合多维数据集，包括基因组学、转录组学、蛋白质组学、代谢组学、影像组学和电子健康记录，以识别患者特异性生物标志物并优化治疗策略。例如，基于脂质的纳米颗粒已被设计用于递送靶向特定突变（如肿瘤抑制通路改变）的基因沉默分子，在临床前研究中显示出鼓舞人心的结果。通过分析复杂数据集，ML和深度学习算法可以根据分子亚型对患者进行分层，预测治疗反应，并指导针对个体生物学特征量身定制的纳米载体系统的合理设计。其中最有前景的应用是用于核酸递送和基因调节治疗的脂质基纳米颗粒和聚合物纳米载体。AI引导的平台已被用于优化携带小干扰RNA（siRNA）、信使RNA（mRNA）、微小RNA（miRNA）和CRISPR相关基因编辑系统的纳米颗粒，靶向参与HCC进展的致癌通路。这些纳米载体保护核酸治疗剂免受酶降解，改善细胞内摄取，并促进在肿瘤组织内的控释。AI算法还通过关联纳米颗粒特性与实验数据集中观察到的生物学反应模式，预测纳米颗粒的稳定性、生物分布和治疗功效。与传统化疗相比，这些系统支持更精确的分子靶向，并可能减少全身不良反应。适应性和刺激响应性纳米治疗代表了AI整合癌症治疗的另一个重大进步。智能纳米载体系统，包括pH响应型、氧化还原响应型、酶敏感型、热敏型和缺氧响应型纳米颗粒，被设计成选择性地在肿瘤微环境内释放治疗有效载荷。这些系统的机制依赖于肿瘤相关的生理异常，如酸性pH、升高的ROS、过表达的酶或缺氧条件，这些条件触发纳米颗粒失稳和位点特异性药物释放。AI建模通过预测在不同生物学条件下的环境相互作用和释放动力学，实现了这些响应特性的优化。RL框架正进一步被探索，以基于连续的生物学反馈动态调控药物释放行为，从而使智能纳米载体能够在实时中适应治疗递送。这些系统代表了从被动药物载体向响应性和自我调节治疗平台的转变。
5.5 AI整合的机器人和精准引导治疗在肝细胞癌中
AI整合的机器人系统已成为HCC手术和介入治疗的重要进展，能够实现更高的精度、改善的术中决策和增强的健康肝组织保留。肝脏呈现高度复杂的解剖环境，特征为密集的血管网络、胆管和功能异质性，使手术切除特别具有挑战性。传统开放和腹腔镜手术常与有限的视野、降低的灵活性和增加的术中并发症风险相关。相比之下，机器人辅助手术系统提供增强的器械关节活动度、三维可视化、震颤过滤和优越的灵活性，从而在解剖复杂的肝区域中改善手术准确性和操作控制。AI整合到机器人手术平台中进一步增强了这些能力，通过实现实时图像分析、手术导航和适应性术中支持。AI辅助机器人手术的基本机制始于获取术前和术中成像数据集，包括CT、MRI、超声和荧光成像。这些成像数据集随后由深度学习算法（包括CNN和基于Transformer的架构）分析，以确定肿瘤边界、血管结构、胆道解剖和周围健康组织。AI驱动的图像分割和影像组学分析使得能够精确定位肝脏病变，包括靠近重要血管或解剖困难区域的肿瘤。在机器人辅助手术过程中，AI系统持续处理术中成像数据，并为机器人臂定位、手术轨迹规划和肿瘤边缘勾画提供实时指导。ML算法可根据组织特性、肿瘤深度和与重要肝脏结构的接近度动态调整器械运动，从而在肿瘤切除或消融过程中提高精度。AI辅助荧光成像和增强现实导航使外科医生能够术中可视化肿瘤边缘和微血管结构，降低不完全切除的可能性并最小化对周围健康肝实质的损伤。这些技术有助于降低术中失血、减少术后并发症、缩短住院时间并改善肝组织的功能保留。AI整合的机器人系统也越来越多地被研究用于微创干预，包括射频消融（RFA）、微波消融、经动脉化疗栓塞（TACE）和靶向纳米颗粒引导治疗。AI算法可以分析肿瘤几何形状、血管灌注和热分布模式，以优化消融参数并提高治疗准确性。在纳米颗粒介导的治疗中，AI辅助机器人平台可能促进治疗性纳米载体的精确局部递送，同时使用实时成像反馈监测治疗反应。这些方法支持在HCC管理中高度靶向和个性化的治疗干预（图3）。A. Patriciu等人证明，与手动手术相比，机器人辅助CT引导的肝脏肿瘤射频消融显著减少了手术时间、辐射暴露和探针通过次数，同时实现了完全肿瘤消融且无局部复发。机器人方法实现了更快的靶向（3.57分钟对比8.57分钟）以及更低的患者和医生辐射暴露，突显了其在肝脏肿瘤治疗中的可行性和临床优势。[表2：AI整合纳米技术在肝癌管理中的应用领域] [图3：AI赋能的技术策略增强肝癌精准医学] 除了改善手术精度，AI辅助机器人平台还支持临床决策和围手术期管理。基于ML的预测模型可以分析临床发现、成像特征和分子数据，以估计手术风险、术后肝衰竭、肿瘤复发和患者生存结局。通过提供这些见解，AI可以帮助临床医生确定适合手术、肝移植或微创手术的候选人，同时实现更个性化的治疗计划和改善的围手术期护理。
6. 临床转化与局限性
AI和纳米技术在HCC中的临床转化代表了精准肿瘤学的重要一步。然而，成功实施到常规临床实践中仍受到显著的生物学、技术、监管和经济障碍的限制。尽管大量临床前研究已证明增强的肿瘤靶向、改善的药物递送效率、优越的成像灵敏度和更个性化的治疗策略，但只有有限数量的纳米医学配方在肿瘤学中获得了监管批准。脂质体阿霉素和白蛋白结合型紫杉醇的使用已证实纳米颗粒介导药物递送系统的临床可行性。然而，这些系统并非专门针对肝癌设计，其临床成功并不能完全转化到以纤维化、肝硬化和高免疫活性为特征的复杂肝肿瘤微环境。纳米技术在肝癌中转化最重要的障碍之一是实验动物模型与人类肿瘤生理学之间的差异。许多纳米颗粒系统依赖EPR效应进行被动肿瘤靶向，即纳米颗粒通过渗漏的血管和受损的淋巴引流在肿瘤组织中积累。尽管EPR效应在动物模型中显示出强的肿瘤积累，但由于人类肿瘤的复杂性和异质性，其在人类肝细胞癌中的表现通常可变且可预测性较差。在人类肝脏肿瘤中，致密的纤维化组织、异常的血管结构、不规则的血液流动和增加的间质压力等因素可显著限制纳米颗粒离开血管并有效穿透肿瘤组织的能力。肝脏本身也是纳米颗粒递送的主要生物屏障。肝Kupffer细胞和窦状内皮细胞通过调理素介导的免疫途径快速识别循环纳米颗粒，并在足够肿瘤积累发生之前通过吞噬作用将其清除。这些先天清除机制显著减少了纳米颗粒的循环时间、生物利用度和治疗功效。此外，HCC中的肿瘤异质性创造了额外的转化困难。患者之间受体表达、肿瘤代谢、细胞外基质组成、血管密度、缺氧和免疫微环境的变异可导致不一致的纳米颗粒分布和高度可变的治疗反应。因此，针对一个患者亚群优化的纳米载体系统可能在其他人中显示有限的功效。长期安全性问题也继续阻碍基于纳米技术的系统的临床实施。尽管脂质基和可生物降解聚合物纳米颗粒通常显示出改善的生物相容性，但无机纳米颗粒，包括AuNPs、量子点和某些金属氧化物纳米结构，在重复给药后可能表现出延长组织滞留、氧化应激诱导、炎症反应、肝毒性和意外脱靶积累。这些担忧在HCC患者中尤其重要，因为肝功能常因肝硬化、慢性肝炎或肝纤维化而受损，从而增加对纳米颗粒诱导毒性的易感性。此外，纳米颗粒的表面化学、降解产物和物理化学不稳定性可能影响免疫原性、补体激活和全身炎症反应。因此，在广泛临床采用之前，必须进行广泛的毒理学评估和长期安全性监测。许多AI模型是使用静态回顾性数据集开发的，这些数据集仅捕获单个时间点的患者信息。因此，这些系统可能无法准确预测纵向肿瘤行为或适应不断演变的治疗耐药机制。因此，基于基线成像或分子数据训练的AI算法可能随着肿瘤微环境随时间变化而失去预测准确性。许多深度学习模型的“黑箱”性质限制了临床转化，因为临床医生通常无法清楚理解AI系统如何生成诊断或治疗决策。这种透明度的缺乏降低了医生的信任，特别是在肝癌等高风险疾病中，治疗决策具有关键后果。此外，解释AI预测的困难在临床实践中对识别错误、验证可靠性和确保问责制造成挑战。因此，如果没有改进的模型可解释性和可解释性，AI辅助系统的监管批准和广泛采用仍然有限。监管挑战仍然是限制AI和纳米技术辅助肝癌疗法临床转化的主要障碍之一。与具有固定功能的传统医疗设备不同，适应性AI系统可能随时间改变其预测行为，使标准验证和批准过程更具挑战性。美国食品药品监督管理局（FDA）和欧洲药品管理局（EMA）等监管机构仍在制定评估适应性AI驱动临床工具的框架，特别是在算法透明度、可重复性、可解释性、网络安全和临床决策问责制方面。
7. 未来展望
AI整合纳米技术在肝癌治疗中的未来预计将超越传统的靶向药物递送，转向高度适应性、预测性和完全个性化的精准肿瘤学系统。数字孪生、可解释人工智能（XAI）、量子计算辅助药物建模、纳米传感器整合的治疗诊断学和自主机器人纳米医学平台等新兴技术可能共同改变HCC的诊断和治疗。AI驱动的多模态平台能够整合放射学、基因组学、转录组学、蛋白质组学、代谢组学和临床数据集，可能实现肿瘤演变和治疗反应的实时表征，从而支持动态和个体化的治疗策略，而非静态治疗方案。像萤火虫群优化（GSO）这样的先进优化算法正越来越多地被探索，以改善纳米颗粒设计、靶向效率和控释行为。这些受自然启发的计算技术可能通过提高精度的同时降低计算复杂性来增强AI驱动的纳米医学开发。最有前景的未来技术之一是患者特异性数字孪生系统的开发。数字孪生是个体患者的虚拟计算副本，整合成像数据、分子谱、生理参数和肿瘤微环境特征，以在实际治疗前模拟肿瘤进展并预测治疗结果。在肝癌中，AI驱动的数字孪生可能允许临床医生在临床干预前虚拟评估纳米颗粒生物分布、优化药物剂量、预测毒性和模拟对不同纳米治疗组合的肿瘤反应。此类系统可能显著减少试错实验方法，最小化不良反应，并加速个体化疗法的发展。未来的纳米技术平台也有望演变为智能和自我调节的治疗系统。能够响应肿瘤相关条件（如酸性pH、缺氧、酶活性、氧化应激和炎症细胞因子）的刺激响应性纳米颗粒可能实现高度受控的细胞内药物释放。RL算法与这些智能纳米载体的整合可能促进基于从肿瘤微环境中嵌入的纳米传感器获得的连续生物学反馈的自适应药物释放动力学。这些“闭环”治疗系统可能根据肿瘤反应自主调整给药方案和治疗有效载荷释放，从而在实时改善治疗功效的同时最小化全身毒性。在基因编辑技术和基于核酸的纳米医学方面预计将取得进一步进展，用于晚期肝癌治疗。AI优化的脂质纳米颗粒和聚合物纳米载体可能改善CRISPR-Cas系统、siRNA、mRNA和微小RNA治疗的递送，靶向致癌通路如KRAS、突变p53、Wnt/β-连环蛋白和VEGF信号。这些技术可能支持高度精确的分子疗法，能够抑制肿瘤生长、逆转治疗耐药和调节肿瘤免疫微环境。AI整合的治疗诊断系统在肝癌管理中也可能变得日益重要。联合治疗递送与成像和生物传感能力的多功能纳米颗粒可能允许同时进行肿瘤可视化、靶向治疗和治疗反应的持续监测。整合到纳米平台中的先进纳米传感器可能持续检测肿瘤相关生物标志物、细胞因子释放、代谢改变和治疗耐药模式，而AI算法实时分析这些数据集以引导治疗调整。这样的实时监测系统可能实现复发的早期检测、治疗耐药的预测和治疗策略的快速优化。
8. 结论
AI与纳米技术的整合已成为肝细胞癌诊断和治疗中有前途的进步，有助于克服与传统疗法相关的若干局限性。AI驱动的技术，如机器学习、深度学习、影像组学和预测建模，已改善肿瘤检测、病变表征、治疗规划和预后评估。同时，基于纳米技术的系统，包括脂质体、聚合物纳米颗粒、树状大分子和金属基纳米结构，已增强靶向药物递送、控释、成像灵敏度和肿瘤特异性治疗积累，同时减少全身毒性。AI与纳米技术的融合通过AI辅助纳米颗粒优化、适应性药物递送系统、治疗诊断平台和实时治疗监测进一步加速了精准肿瘤学的发展。诸如数字孪生建模、纳米传感器整合监测系统和AI辅助机器人干预等新兴技术进一步突显了这一跨学科领域不断扩大的临床潜力。尽管取得了这些进展，几个转化挑战仍然限制了广泛的临床实施。肿瘤异质性、长期毒性问题、监管不确定性、算法偏倚、有限的数据集多样性和不充分的多中心临床验证仍然是重要障碍。此外，许多“黑箱”AI系统的有限可解释性继续影响临床医生信任和监管批准。因此，未来的进展将需要可解释的AI系统、标准化的纳米载体开发、稳健的安全性评估以及研究人员、临床医生、行业利益相关者和监管机构之间更强的跨学科合作。总体而言，AI整合纳米技术具有巨大潜力，可为肝细胞癌实现更安全、更精确和个性化的治疗策略。
