《Cancers》：Non-Invasive Assessment of Tertiary Lymphoid Structure in Hepatocellular Carcinoma Based on Multi-Parameter Imaging: From Tumor Immunobiology to Immunotherapy Benefit Prediction
摘要专业翻译
三级淋巴结构（tertiary lymphoid structures，TLSs）是位于瘤内及瘤周微环境中的异位淋巴聚集体。在肝细胞癌（hepatocellular carcinoma，HCC）中，TLSs的存在与免疫治疗反应及预后结局密切相关。然而，TLSs在肿瘤内表现出显著的空间异质性，而活检作为一种有创操作，易产生取样偏倚，可能导致评估不准确。基于计算机断层扫描（computed tomography，CT）/磁共振成像（magnetic resonance imaging，MRI）的多参数影像技术，在人工智能（artificial intelligence，AI）算法的辅助下，能够有效整合解剖结构与功能代谢信息，从多个维度量化并可视化肿瘤治疗反应的关键病理分子特征。本综述总结了肝细胞癌中TLSs的生物学特征及临床意义。此外，本文重点阐述了利用多参数影像技术无创评估TLSs的最新进展，并将这些技术与大规模人工智能模型相整合，探讨其在预后预测及免疫治疗获益评估中的应用价值。
论文主体内容学术总结
1. 引言
肝细胞癌是原发性肝癌的主要组织学亚型。在中国，其发病率居恶性肿瘤第四位，死亡率居第二位，每年新发病例和死亡病例占全球半数以上，给公共卫生和经济带来沉重负担。超过70%的中国HCC患者确诊时已处于中晚期，失去根治性治疗机会且预后不良。免疫检查点抑制剂（immune checkpoint inhibitors，ICIs）的引入显著改变了HCC的治疗格局，目前已成为晚期HCC的标准一线治疗。然而，由于肝脏是高度免疫耐受的器官，易诱导免疫耐受而非免疫激活，不同个体对免疫治疗的反应差异显著。因此，识别对免疫治疗敏感的HCC患者并指导个体化精准治疗是亟待解决的挑战。三级淋巴结构是出生后在非淋巴组织慢性炎症或肿瘤微环境（tumor microenvironment，TME）中发育的免疫细胞聚集体，结构上类似次级淋巴器官（secondary lymphoid organs，SLOs）。HCC患者常有慢性病毒性肝炎和非酒精性脂肪性肝炎病史，使得TLS结构成为HCC组织内独特的病理特征。TLS的存在为抗肿瘤免疫应答的产生提供了关键微环境，并与多数癌症的较好临床结局相关。在HCC中，肿瘤相关TLS的存在与手术切除后早期复发风险降低相关，提示TLS是有前景的免疫治疗生物标志物。目前检测TLS的常规方法包括苏木精-伊红（hematoxylin and eosin，H&E）染色、免疫荧光（immunofluorescence，IF）、多重免疫组化（multiplex immunohistochemistry，mIHC）和空间转录组学。然而，这些方法面临以下局限：HCC（尤其是晚期HCC）常依赖无创临床或影像学诊断，无需病理确诊，这在一定程度上限制了肿瘤组织的获取和组织病理学检查的广泛应用；此外，由于晚期HCC的高度异质性，组织病理学检查常依赖局部取样，难以全面反映整个肿瘤全貌。因此，开发无创、术前的TLS预测工具对个体化治疗决策具有重要临床意义。基于CT/MRI的多参数影像技术有效整合了解剖结构与功能代谢信息，从形态、结构、功能和代谢等多个维度量化和可视化肿瘤治疗反应的关键病理分子特征，是评估HCC三级淋巴结构的准确可靠的无创方法。人工智能算法可以更深入地挖掘结构模式和特定信号，精确识别病灶区域内的空间异质性。
2. 肝细胞癌中三级淋巴结构的生物学基础
2.1 HCC微环境中TLS的形成
TLS并非随机的淋巴细胞聚集，而是由趋化因子轴、基质组织者、血管进入途径和持续性抗原刺激协同作用形成的异位免疫器官。在HCC中，这一过程倾向于发生在连续的肝脏-肿瘤免疫生物学系统内，而非严格的瘤内事件。持续性病毒抗原暴露、肿瘤抗原释放以及慢性肝损伤产生的损伤相关分子模式（damage-associated molecular patterns，DAMPs）可能为TLS新生创造允许性炎症环境。一项基于CT的研究发现，HBsAg阳性或HCV抗体阳性状态与HCC瘤内TLS（intratumoral TLS，iTLS）的存在独立相关（OR = 4.52，95% CI: 1.65–13.29；p = 0.004），支持慢性肝病背景与TLS相关免疫组织之间的联系。
2.1.1 基质与血管组织
慢性炎症环境建立后，基质和血管重塑为TLS组织提供重要结构基础。淋巴毒素-α1β2–淋巴毒素-β受体（lymphotoxin-α1β2–lymphotoxin-β receptor，LTα1β2–LTβR）轴促进局部基质细胞（包括成纤维细胞和血管周围壁细胞）向具有组织者样表型分化。同时，炎症性TNF/TNFR信号常协同诱导VCAM-1和ICAM-1等黏附分子表达，从而实现稳定的白细胞募集和区室化。肝脏特异性的关键特征是纤维化和肝星状细胞（hepatic stellate cell，HSC）活化的普遍存在，这可能增强对LTβR信号的响应。研究提出HSC中的LTβR信号有助于旁分泌募集和祖细胞/白细胞动员，为纤维化重塑与免疫组织之间的耦合提供了机制基础。这些基质和血管改变也可能间接促成HCC的影像可见特征，例如纤维包膜或假包膜形成可在CT和MRI上产生特征性环形或包膜强化表现。然而，这些影像特征虽可能反映基质重塑和肿瘤-肝脏界面，但不应被解释为TLS的直接影像标志物。
2.1.2 趋化因子介导的淋巴细胞募集与空间组织
基质和血管框架建立后，趋化因子信号有助于TLS内淋巴细胞的募集和空间组织。CXCL13–CXCR5轴在招募B细胞和组织B细胞滤泡方面发挥重要作用，而CCL19/CCL21–CCR7轴促进T细胞和CCR7阳性迁移性或成熟树突状细胞（dendritic cells，DCs）的募集。成熟TLS不仅以B细胞存在为特征，还表现为整合结构的出现，包括滤泡树突状细胞（follicular dendritic cell，FDC）网络、生发中心（germinal center，GC）反应和高内皮微静脉（high endothelial venules，HEVs）。
2.2 TLS的成熟与功能组织
TLS是动态结构，经历渐进性成熟过程，而非单一均匀的组织学实体。其功能活性不仅取决于存在与否，还取决于细胞组织程度、滤泡发育和血管特化程度。
2.2.1 TLS成熟连续谱
TLS成熟框架的综合研究表明，LT信号与趋化因子回路之间的耦合对于区室形成和功能成熟至关重要。Shu等人[36]在经新辅助免疫治疗处理的HCC中鉴定出一种非经典的内卷型TLS形态，其特征为B细胞滤泡解聚，同时保留T细胞区和DC-T细胞相互作用，并伴有记忆相关特征的上调。这一观察将TLS从静态组织学结构重新定义为可测量的动态免疫过程。TLS表现出成熟状态的连续谱，通常分为三个阶段：未成熟TLS为密集但组织不良的淋巴细胞簇，缺乏FDC网络和GC反应；初级滤泡样TLS显示FDC网络；次级滤泡样TLS代表具有活跃GC特征的成熟TLS，通常与PNAd+ HEV相关。临床上，TLS成熟度往往比TLS单独存在与功能性抗肿瘤免疫的关系更密切。影像学TLS评估应被视为对TLS相关免疫-基质状态的近似，而非仅对TLS存在的检测。
2.2.2 成熟TLS的细胞与血管成分
TLS包含不同的免疫细胞模块，部分重现次级淋巴器官的微解剖结构。B细胞滤泡/GC：成熟TLS可包含CD20+滤泡，当滤泡组织与FDC网络和GC标志物共存时支持GC能力。T细胞区：散布的T细胞区域包含CD4+和CD8+亚群，通常由CCL19/CCL21-CCR7轴组织。抗原提呈细胞：成熟DC占据T细胞区室和/或T-B界面，维持局部抗原提呈和适应性免疫。HEV：PNAd（MECA-79）+ HEV常见于成熟TLS，支持淋巴细胞的选择性进入。在切除的HCC中，肿瘤相关HEV在156例中的31例中鉴定到，随TLS成熟而增加，并与较高的瘤内CD4+/CD8+ T细胞密度和更好的3年无病生存率相关（79.8% vs. 60.1%，p = 0.011）。然而，HEV是特化的毛细血管后微静脉而非肿瘤供血动脉，当前CT/MRI无法直接显示。
2.3 TLS的异质性亚群
TLS成分的相对丰度和成熟状态均影响其功能。缺乏HEV和GC/FDC组织的未成熟淋巴聚集体可能代表早期淋巴新生，其特征是持续淋巴细胞募集能力降低和GC依赖性体液成熟受限。相比之下，以有组织滤泡、GC特征和HEV丰富血管为特征的成熟TLS更一致地与活跃的局部抗原提呈和体液-细胞免疫的协调扩增相关。根据空间定位，TLS通常分为瘤内TLS（iTLS）和瘤周TLS（peritumoral TLS，pTLS）。iTLS位于肿瘤实质内，而pTLS通常在肿瘤-肝脏界面鉴定，包括肿瘤外周、浸润边缘或邻近非肿瘤组织。一项研究报道iTLS存在于31.7%的肿瘤中，而pTLS几乎普遍存在（95%）。另一项研究分析了距肿瘤边缘约1 cm的瘤周组织中的TLS，发现较高的pTLS负荷与较差的预后和中性粒细胞浸润增加相关。不同取样距离可能反映不同区室的差异，这成为异质性的重要来源。
2.4 TLS的上下文依赖性临床意义
在HCC中，TLS常与较好的临床结局相关。然而，HCC表现出异常强的TLS功能双向性：肝脏同时是免疫活跃器官和因慢性抗原暴露而易受耐受影响的组织。因此，当TLS向GC支持的适应性反应组织时，可放大抗肿瘤免疫；但在特定炎症条件下，可能偏向免疫调节程序，从而减弱效应反应并促进免疫逃逸。因此，HCC中的TLS应被视为动态、上下文依赖的免疫程序，其影响可随疾病进展而改变。
2.4.1 iTLS与预后
iTLS通常与HCC患者的良好预后相关。在一项大型切除队列（n = 273）中，iTLS密度与较低的早期复发风险（<2年）相关（HR = 0.46，p = 0.005），复发风险随iTLS成熟度而变化。一项荟萃分析进一步支持这一概念：iTLS与较长的无复发生存期（RFS）相关（HR = 0.60，95% CI 0.50–0.67；p < 0.001）和减少的早期复发（HR = 0.49，95% CI 0.36–0.65；p < 0.001）相关，而汇总估计中未发现与总生存期（OS）或晚期复发的显著关联。
2.4.2 pTLS与预后
与iTLS相比，pTLS的预后意义在不同研究中似乎不太一致。一项研究认为高pTLS密度与较好的OS/RFS相关，且具有GC形态的TLS带来更好的结局。然而，另一项研究报告pTLS与中性粒细胞浸润和不良预后相关。这种差异可能源于多种因素：pTLS密度单独可能混合未成熟淋巴聚集体与功能成熟TLS；pTLS周围的免疫环境可能改变甚至逆转其预后意义；队列组成和量化策略可能放大这些生物学差异。先前荟萃分析发现汇总pTLS密度与HCC的OS或RFS无显著关联，但排除特定队列后，高pTLS密度与改善的OS和RFS显著相关。
2.4.3 TLS与免疫治疗反应
在治疗反应评估方面，TLS可能从预后标志物演变为反应预测因子，具有更强的空间依赖性。在新辅助免疫检查点阻断（immune checkpoint blockade，ICB）治疗的HCC中，治疗后肿瘤中TLS存在于63.2%的病例中，治疗显著增加了TLS的瘤内优势（iTLS比例72.9% vs. 未治疗对照54%）。关键的是，iTLS密度上三分位数的患者30个月RFS为100%，而中、下三分位数仅为38.5%。空间分析进一步证明TLS相关免疫活性强烈依赖于解剖位置。高密度pTLS区域据报道含有成熟B细胞以及协调的CXCL9/CXCL10表达，提示肿瘤浸润边缘可能是免疫激活的重要部位。然而，治疗前活检研究仅在12.5%的病例中检测到TLS，而CD20阳性/CXCL13阳性淋巴细胞聚集体在46.2%中检测到，并与随后的病理反应显著相关。在免疫治疗下，iTLS可能比pTLS是更具可操作性和可预测性的生物标志物。
2.5 TLS与异位淋巴结构：保护性免疫还是促肿瘤生态位？
有研究提出肝脏异位淋巴样结构（ectopic lymphoid-like structures，ELSs）可作为肿瘤祖细胞的微生态位，并与不良结局相关。ELS通常用作慢性炎症非淋巴组织中异位淋巴聚集体的更广泛描述性术语，而TLS通常指更有序的淋巴结构，至少部分重现次级淋巴器官样特征。因此，ELS与TLS的区别不仅是解剖性的，更是结构和功能性的。免疫反应性TLS通常被讨论为局部抗原提呈、B/T细胞协作和适应性抗肿瘤免疫的场所，而肝脏ELS则强调与慢性损伤相关的炎症生态位，可能在恶性肝细胞祖细胞获得自我维持的肿瘤发生程序之前支持它们。在HCC中，这一区别尤为重要，因为慢性肝炎、纤维化、再生和免疫耐受常在背景肝脏和肿瘤-肝脏界面共存。因此，HCC中异位淋巴聚集体应根据空间位置、成熟状态、细胞组成和功能程序进行亚分类。
3. TLS的常规评估方法及其局限性
组织病理学，如免疫组化（immunohistochemistry，IHC）、多重IHC（mIHC）和多重免疫荧光（multiplex immunofluorescence，mIF）、定量PCR（quantitative PCR，qPCR）、空间转录组学和蛋白质组学，仍是HCC患者TLS结构、成熟和生物学评估的金标准。然而，以下局限性限制了其应用。首先，该过程具有侵入性，且存在选择偏倚。只有接受切除或活检的患者提供TLS金标准。然而，对于不可切除或晚期HCC，组织获取困难。此外，TLS的发生是动态的，可被免疫治疗重塑，但HCC中重复取样受出血、感染和肿瘤种植风险以及患者体能状态限制，使得纵向TLS监测在临床上不切实际。其次，取样误差和尺度不匹配不可避免。TLS是空间异质性的，依赖于组织区室。在代表性HCC队列中，iTLS仅存在于31.7%的病例中，而pTLS据报道存在于95%的病例中。这表明组织样本中TLS的缺失可能是由于样本位置而非病灶尺度上TLS生物学的真实缺失。第三，非统一定义和量化削弱了跨研究可比性。瘤周TLS距离定义的差异、成熟度分级方案和密度截断值在不同研究中产生异质性TLS终点。多参数影像通过实现肿瘤-瘤周单位的纵向和全病灶评估，提供了优于病理学的实际优势。多期和多参数采集提供了灌注相关微循环、微血管组织、弥散衍生细胞密度代理和与出血相关的磁敏感效应的互补宏观替代指标。在人工智能辅助下，新兴HCC研究已揭示多参数影像预测TLS状态（如成熟度、密度）以及进一步识别免疫治疗获益的能力。
4. 整合多参数影像技术与人工智能算法在TLS无创预测中的当前应用
4.1 基于增强CT的HCC TLS结构无创评估
通过整合术前多期增强CT无创评估HCC中的TLS已取得显著进展。一项涉及142例HCC患者的回顾性单中心研究揭示，瘤内动脉、瘤内出血、乙肝/丙肝状态、血小板计数升高（≥186.5 × 109/L）和天冬氨酸氨基转移酶（AST ≥ 33.2 IU/L）可作为iTLS发生的预测因子。临床-影像列线图在训练队列和五折交叉验证中表现出稳健的区分能力（AUC分别为0.79和0.75）。人工智能算法如影像组学分析已被用于挖掘高维定量数据，显著提高了iTLS发生诊断性能。一项基于246例HCC患者多中心回顾性研究的机器学习模型（RBF-SVM）基于动脉期和静脉期CT图像，在训练集和测试集中分别实现了0.93和0.90的优越AUC，显著优于传统语义模型（AUC 0.79）。另一项研究确定了包含白蛋白-胆红素（albumin–bilirubin，ALBI）分级（≥2）和术前CT图像（动脉期和门静脉期）影像组学评分的联合列线图，验证AUC达0.91。一项大规模多中心回顾性研究（n = 697）通过整合三个选定的临床参数（BCLC分期、血清AST水平和肝硬化）与瘤内和10 mm瘤周区域复合图像的多期（AP、PVP和DP）影像组学评分，在验证队列中实现了最高AUC 0.83，在测试队列中为0.83，强调了综合考量iTLS和pTLS的重要性。
4.2 基于多参数MRI的HCC TLS结构无创评估
与CT相比，MRI具有优越的软组织分辨率和多功能功能序列，能够从形态、结构、功能和代谢角度多维量化和可视化TLS相关病理分子特征。
4.2.1 多期增强MRI
多期增强MRI通过多期顺序采集表征血流动力学动力学，提供对潜在肿瘤血管性和氧合状态的洞察。一项大规模多中心研究（n = 660）系统评估了迁移学习影像组学（transfer learning radiomics，TLR）模型在多期MRI预测iTLS状态中的效用，在训练、内部和外部验证队列中分别实现AUC 0.91、0.85和0.85，显著优于单独影像组学（AUC = 0.71）和单独迁移学习架构（AUC = 0.78）。生态位影像（habitat imaging）代表一种创新方法，通过基于体素水平功能影像数据将肿瘤分割为生理学上不同的亚区域来量化瘤内异质性。一项包含334例HCC患者的回顾性单中心研究开发了结合DCE-MRI衍生生态位特征与临床变量（AFP和肝炎病毒感染）及常规影像组学特征的混合模型，在训练集和测试集中分别实现最高AUC 0.83和0.84。
4.2.2 钆塞酸增强MRI混合预测模型
钆塞酸（Gd-EOB-DTPA）增强MRI以其独特的肝细胞特异性摄取机制为HCC精准诊断提供不可或缺的价值。一项研究从两家三级医院的334例HCC患者的Gd-EOB-DTPA MRI图像中全面挖掘影像组学特征，并与关键临床-影像学（clinical–radiological，CR）因素（包括BCLC分期、瘤内出血和卫星结节的存在）整合构建多维混合预测模型，在内部和外部验证队列中分别实现AUC 0.823和0.875。在接受术后靶向治疗联合免疫治疗的患者中，该模型表现出稳健的预后分层能力：模型识别的高风险组从联合治疗中获得显著生存获益，而低风险组改善有限。
4.2.3 基于磁敏感加权成像的模型
磁敏感加权成像（susceptibility-weighted imaging，SWI）利用内源性磁敏感差异成像，对血红蛋白降解产物、铁沉积和微出血灶极度敏感，为无创评估肿瘤微血管特征和微出血提供独特视角。一项研究通过比较五种主流机器学习算法确定随机森林（random forest，RF）为iTLS预测的最佳分类器（独立验证集AUC = 0.771），并引入SHAP可解释性框架揭示关键影像特征。生存分析进一步证实，基于SWI模型构建的iTLS阳性组在接受TKI-ICI联合治疗时表现出显著生存获益（p < 0.05）。
4.2.4 体素内不相干运动弥散加权成像多参数融合模型
体素内不相干运动弥散加权成像（intravoxel incoherent motion diffusion-weighted imaging，IVIM-DWI）通过双指数建模有效区分纯水分子弥散与微循环灌注效应。一项纳入168例HCC患者的前瞻性研究证实，整合所有IVIM参数图（包括真实弥散系数Dt、假性弥散系数Dp、灌注分数f和表观弥散系数ADC）的联合影像组学评分模型显著优于单参数模型。进一步与影像组学评分、ADC_90Percentile、f_Maximum、卫星结节和淋巴细胞计数融合的多模态模型在独立测试集中实现AUC 0.86以识别TLS成熟阶段。
4.3 瘤内与瘤周影像特征的互补作用
iTLS和pTLS的空间-维度生物学差异决定了基于单一区域的影像特征无法全面表征TLS相关的复杂免疫景观。一项研究将研究范围扩展至瘤周区域，证实高密度pTLS区域富含成熟B细胞浸润；临床上，pTLS-high患者表现出显著延长的中位OS（p < 0.05）和增强的免疫治疗反应性（p = 0.030）。通过空间伪时间分析和免疫组化验证，研究进一步证明HCC中pTLS发育与CXCL9和CXCL10趋化因子的共表达密切相关。基于此分子机制，团队开发了整合“瘤内-瘤周”影像组学（mPI）模型，在外部验证中预测pTLS密度实现AUC 0.91。影像组学评分与CXCL9/CXCL10表达水平正相关，赋予影像组学特征明确的免疫生物学意义。
5. 基于影像的TLS预测模型的临床应用价值
5.1 TLS预测模型的预后分层价值
TLS预测模型不仅为评估HCC患者TLS提供无创、可纵向监测的数字生物标志物，还可作为有效的预后分层工具。RBF-SVM模型定义的高iTLS丰度风险与RFS和OS负相关。TLR模型预测的iTLS阳性组在外部验证队列中表现出显著生存优势，RFS（HR = 0.64，95%CI: 0.48–0.85，p = 0.001）和OS（HR = 0.66，95%CI: 0.48–0.90，p = 0.007）均显著延长。多变量分析进一步确立了该模型的独立预后价值，其效能不受BCLC分期、微血管侵犯（microvascular invasion，MVI）和肿瘤分化程度等传统病理因素影响。在pTLS预测领域，mPI模型在训练、时间和外部验证队列中，高pTLS密度组表现出显著的OS（HR 0.20–0.44，p = 0.005至<0.001）和RFS（HR 0.25–0.73，p = 0.015至<0.001）获益。基于Gd-EOB-DTPA增强MRI的混合模型预测的高TLS评分组1年、2年和3年无病生存率分别为78.5%、56.3%和42.1%，预后显著优于低风险组。
5.2 基于TLS模型的免疫治疗获益预测
针对当前HCC一线联合治疗客观缓解率（objective response rate，ORR）低（仅11–30%）的临床瓶颈，精准筛选潜在获益者已成为疗效提升的关键。基于TLR模型，一项前瞻性评估了101例接受一线免疫检查点抑制剂联合抗血管生成药物（TKI-ICI）治疗的晚期HCC患者，模型判定的iTLS阳性组ORR达36%，显著优于阴性组，OS（HR = 0.52，95%CI: 0.29–0.91，p = 0.02）和PFS（HR = 0.35，95%CI: 0.20–0.62，p < 0.001）均显著延长。TCGA数据库通路富集分析证实高TLR评分与炎症反应、适应性免疫应答和致癌信号通路激活高度相关。在pTLS预测领域，mPI模型进一步证实了空间异质性特征在预测免疫治疗获益中的独特价值。在接受TKI-ICI治疗的晚期HCC患者中，高pTLS密度组表现出优越的ORR（43.7% vs. 阴性组，p = 0.03）。mPI评分与CXCL9/CXCL10 H评分及特定TLS基因特征（包括TLS-50、12-趋化因子特征）显著正相关（p < 0.001）。在术后辅助治疗指征选择方面，基于Gd-EOB-DTPA增强MRI的混合模型识别的高TLS风险患者仅从辅助免疫治疗中获得显著生存获益（DFS：p < 0.05）。
6. 挑战与未来方向
尽管HCC中TLS无创影像评估取得快速进展，当前基于影像的预测模型仍处于临床转化的早期阶段。大多数现有研究是回顾性的，聚焦于单任务分类，通常预测TLS的存在与否。
6.1 提高TLS标签的粒度
第一个挑战是标签粒度。大多数当前HCC影像模型使用二元或半定量病理终点训练，而非生物学分层的TLS状态。TLS并非单一生物学状态，病理上可从早期淋巴聚集体分期至初级滤泡样TLS和次级滤泡样TLS。未来模型应从单任务TLS检测转向整合TLS位置、成熟度和免疫环境的多任务或有序终点。
6.2 建立空间匹配的金标准
第二个主要挑战是作为影像TLS预测参考标准的病理标签的可靠性。组织取样可能无法充分代表整个肿瘤，因为TLS是空间异质性的，这造成毫米级病理取样与CT或MRI捕获的病灶级信息之间的潜在不匹配。未来研究需要建立空间匹配的放射-病理数据集，其中影像感兴趣区域尽可能精确地链接到相应组织样本。
6.3 提高泛化性和可重复性
另一个挑战是研究结果的泛化性。定量参数对扫描仪厂商、重建核、层厚、对比剂时机和采集参数等因素敏感。未来研究应优先进行严格的多中心和前瞻性验证，鼓励标准化影像采集方案、协调预处理流程、明确定义的感兴趣区域和透明的模型开发过程报告。
6.4 从模型可解释性走向生物学可解释性
可解释性是临床转化的另一个重要障碍。许多当前影像模型使用SHAP、特征重要性分析、注意力图或相关技术解释模型预测，但这些方法不一定解释产生影像模式的生物学机制。未来研究应从事后特征归因转向生物学可检验的假设，将影像特征与空间匹配的病理和分子测量进行对照评估。
6.5 多模态影像与空间组学整合
由于单一影像模态无法直接可视化TLS的完整细胞和分子结构，多模态整合代表重要未来方向。未来研究应开发生物学信息指导的分层融合策略，多参数影像提供全病灶空间图，多重病理和空间转录组学表征选定影像表型下的细胞和分子特征。
6.6 从预测走向前瞻性临床验证
最终，基于影像的TLS预测价值不仅应由区分指标决定，还应由模型是否改善临床决策决定。未来工作应走向前瞻性、多中心和决策导向验证，评估影像模型的使用是否能改善临床相关决策，如识别更可能从免疫治疗中获益的患者、选择强化治疗患者或识别可能需要额外免疫调节策略的个体。
7. 结论
TLS的无创分析是通过从常规多参数影像中提取定量描述符来支持HCC免疫表型分析的有效方法，这些描述符可能反映瘤内和瘤周微环境的某些方面。此外，它有潜力作为可扩展的治疗前筛查工具，增强患者预后分层并促进个体化精准治疗策略。然而，其动态和空间异质性以及缺乏泛化可解释性限制了预测模型的临床转化。为克服这些挑战，未来研究应聚焦于标准化TLS定义、空间匹配的影像-病理验证、多模态影像-组学整合以及前瞻性多中心验证。最终，基于影像的TLS评估可能有助于从简单TLS检测走向肿瘤免疫微环境的无创表征。
