肝细胞癌消融术后早期复发风险分层的多时相MRI影像组学模型

《Translational Oncology》：A multi-temporal MRI radiomics model for early post-ablation recurrence risk stratification in hepatocellular carcinoma

　　

肝细胞癌（hepatocellular carcinoma, HCC）的全球负担依然沉重且持续增长。对于早期HCC患者，局部消融被认为是根治性治疗选择，具有创伤小、可重复治疗以及保留肝功能等优势。然而，消融术后早期肿瘤复发仍是HCC管理的主要挑战。约20%–30%的患者在一年内复发。术后早期复发与多种临床病理及治疗相关因素有关，包括瘤周微血管侵犯（microvascular invasion, MVI）、卫星结节及消融边缘状态。因此，改进复发风险评估可能有助于优化监测、指导及时干预并改善HCC患者的长期预后。MRI优异的软组织对比度和多参数成像能力使其成为评估HCC治疗反应的关键影像学手段。基于MRI的影像组学利用单时间点特征已显示出合理的预测性能。尽管既往研究证明了基于治疗前或治疗后单一时间点影像的MRI影像组学具有预后价值，但整合消融前、消融后及delta影像组学特征的附加价值仍不明确。由于消融术后早期复发同时受肿瘤特征和治疗相关因素影响，纵向影像评估可能提供超越单时间点分析的额外预后信息。然而，整合消融前、消融后及delta MRI影像组学特征用于HCC消融术后早期复发预测的预后价值尚未得到充分验证。因此，本研究旨在开发并评估一种整合消融前、消融后及delta影像特征的多时相MRI影像组学模型，用于预测HCC消融术后早期复发。研究人员进一步评估了整合纵向影像信息是否能相比单时间点影像组学模型提高预测性能。

肝细胞癌（hepatocellular carcinoma, HCC）是全球范围内负担沉重且持续增长的恶性肿瘤。对于早期HCC患者，局部消融被视为根治性治疗手段，具有微创、可重复实施及保留肝功能等优势。然而，消融术后早期肿瘤复发仍是HCC管理面临的主要挑战，约20%–30%的患者在术后一年内出现复发。早期复发与多种临床病理及治疗相关因素密切相关，包括瘤周微血管侵犯（microvascular invasion, MVI）、卫星结节以及消融边缘状态。因此，更精准的复发风险评估有助于优化影像监测策略、指导及时干预，并改善患者长期预后。MRI凭借优异的软组织对比度和多参数成像能力，已成为评估HCC治疗反应的核心影像学手段。基于MRI的影像组学在单时间点特征分析中已展现出较好的预测效能，但既往研究多局限于治疗前或治疗后单一时间点的影像特征，整合消融前、消融后以及delta影像组学特征的增量价值仍未明确。由于消融术后早期复发受肿瘤内在特征与治疗相关因素的共同影响，纵向影像评估有望提供超越单时间点分析的额外预后信息。然而，目前尚缺乏充分验证整合多时相MRI影像组学特征用于HCC消融术后早期复发预测的研究。因此，该项研究旨在开发并验证一种整合消融前、消融后及delta影像特征的多时相MRI影像组学模型，并评估相比单时间点影像组学模型，纵向影像信息能否提升早期复发预测性能。

研究人员回顾性收集了2016年至2021年间来自中山大学附属第一医院和中山大学肿瘤防治中心的204例接受根治性局部消融（射频消融或微波消融）治疗的早期HCC患者临床及影像数据，按照7:3比例随机分为训练队列（n=142）和内部验证队列（n=62）。主要研究终点为消融术后1年内的早期复发。在方法学上，研究人员利用消融前（1个月内）和消融后（3个月左右）的增强MRI多序列图像（T1动脉期、T1门静脉期和T2加权像），由影像科医师在最大横截面层面手动勾画感兴趣区（region of interest, ROI），并基于A.K.软件提取每个序列396个影像组学特征。Delta特征定义为消融后特征值减去消融前特征值，用以量化纵向影像变化。研究构建了消融前影像组学模型（pre-ablation radiomics model, PRM）、消融后影像组学模型（post-ablation radiomics model, PoRM）、delta影像组学模型（delta radiomics model, DRM）以及整合三类特征的综合影像组学模型（integrated radiomics model, IRM）。特征筛选流程包括去除近零方差特征、基于相关性过滤（阈值0.90）以及随机森林算法排序并选取前10个特征，最终采用二元逻辑回归建模。同时构建了基于10项预设临床变量的临床模型（clinical model, CM）以及整合IRM评分与临床变量的联合模型（combined model, CRM）。模型性能通过受试者工作特征曲线下面积（AUC）、校准曲线、Brier评分及决策曲线分析（DCA）进行评估，并采用Kaplan-Meier曲线和log-rank检验评价风险分层效果。

研究结果显示，在训练队列中，PRM、PoRM、DRM的AUC分别为0.587、0.789和0.868；IRM取得了最优的判别性能，AUC为0.888（95% CI 0.801–0.976）。在内部验证队列中，IRM的AUC为0.858（95% CI 0.718–0.998），显著优于PRM（p < 0.001）和PoRM（p = 0.013）。在共同验证子集（56例）中，CM和CRM的AUC分别为0.621和0.566，而IRM的AUC为0.864，明显高于二者。在风险分层方面，根据训练队列Youden指数确定的最佳截断值，IRM将患者划分为高风险和低风险组。Kaplan-Meier分析显示，两个队列中高低风险组的无复发生存（recurrence-free survival, RFS）差异均有统计学意义（log-rank p < 0.001）。训练队列中，低风险组中位RFS为52.40个月，高风险组为4.36个月，风险比（hazard ratio, HR）为7.26（95% CI 4.54–11.60）；验证队列中，低风险组中位RFS为61.43个月，高风险组为8.47个月，HR为10.43（95% CI 4.66–23.31）。在特征重要性分析中，随机森林筛选出的前10个预测特征主要来源于灰度游程矩阵（Gray Level Run Length Matrix, GLRLM），包括长游程低灰度强调（Long Run Low Gray Level Emphasis, LRLGE）和长游程高灰度强调（Long Run High Gray Level Emphasis, LRHGE），这些特征能够反映肿瘤内部纹理复杂性和异质性。两个代表性病例进一步展示了常规临床评估与IRM预后判断之间的差异。讨论部分指出，多时相、多序列MRI影像组学模型通过整合消融前、消融后及delta特征，提供了相互补充的影像信息，分别反映了基线肿瘤状态、消融后影像改变及两次成像间的纵向变化，其中delta特征的加入为复发风险分层提供了额外信息。该模型的判别性能优于单时间点影像组学模型和临床模型。同时，研究也承认存在一定局限性，包括回顾性设计带来的选择偏倚、样本量相对较小（尤其是验证队列仅15个复发事件）导致的效能估计不稳定、缺乏外部验证、无法完全排除常规影像难以发现的亚临床改变，以及未纳入病理或基因组信息等。研究结论为：该研究开发并内部验证了一种多时相、多序列MRI影像组学模型，用于HCC消融术后早期复发风险分层；IRM结合了消融前、消融后和delta影像组学特征，展现出有前景的判别和风险分层性能；这些发现提示纵向MRI影像组学可能作为非侵入性复发风险评估工具具有潜在的转化价值；未来需要进一步的外部前瞻性研究来验证模型的稳健性和泛化能力。该论文发表于《Translational Oncology》。