影像组学在肝细胞癌中的研究进展 .pdf

影像组学在肝细胞癌中的研究进展

【摘要】原发性肝癌为常见的消化系统恶性肿瘤，肝细胞癌是其中最常见的病

理学类型。影像组学通过精准捕捉影像图像中人眼难以辨识的肿瘤内在异质性特

征，显著提升了预测性能。概述影像组学的背景和概念，介绍其在肝细胞癌诊

断与鉴别诊断、病理分子亚型预测、疗效评估及生存预测等多个方面的必威体育精装版研究

进展，并探讨其局限性及前景展望。

【关键词】肝细胞癌；计算机体层成像；磁共振成像；影像组学；诊

断

世界卫生组织在2020年的全球癌症负担年报中明确指出，原发性肝癌已成

为全球第六大常见恶性肿瘤，并位列恶性肿瘤相关死亡的第三大主因。统计数据

显示，全球每年新增的原发性肝癌病例高达90.6万例，其中我国的新增病例数

仍居高不下［1］。据国家癌症中心于2024年2月发布的2022年癌症统计数据,

原发性肝癌在我国的新发病例数为36.77万例，位居恶性肿瘤新发病例第四，且

其死亡率高居第二［2］o在这些病例中,肝细胞癌（hepatocellularcarcino

ma,HCC）是原发性肝癌最为常见的病理学类型。

近年来，肿瘤在生物学和基因组层面的异质性已成为研究热点。这种异质性

不仅体在原发性癌症与转移瘤之间的不同（即肿瘤间异质性），也存在于同一

肿瘤内部不同区域之间（即瘤内异质性）。已有大量文献证实，HCC在基因型和

表型上均表出显著的异质性。因此，HCC的诊断和治疗策略正逐渐转向基于关

键的生物学和基因组肿瘤特性进行个性化决策［3-4］。

影像学在HCC的筛查、诊断、手术规划及疗效评估中发挥着重要作用，其无

创且可重复的特性使其能够全面评估肿瘤。通过定量和半定量语义征象的提取，

我们得以获取肿瘤的结构、强化特性及特异性对比剂摄取等关键信息，这对于H

CC的鉴别诊断、分子病理亚型预测以及疗效和预后预测具有重要意义。然而，

语义征象的预测效能尚待提升，传统的影像学特征判定常受限于主观性且图像信

息利用不够充分。因此，需要借助先进的图像分析工具，深入挖掘复杂图像信息

中的生物标志物，以更全面地揭示肿瘤内部异质性，进而推动HCC精准诊疗的发

展［3］o

影像组学，这一概念由Lamin在2012年首次提出，其主旨在于通过深入分

析多模态医学图像，如计算机体层成像(CT)、磁共振成像(MRI)、正电子发

射断层扫描(PET)及超声等，对图像进行分割，而后挖掘肉眼难以察觉的内部

信息，这种方法能全面、精准地反映图像特征，包括手工特征和深度学习特征，

为临床构建具有明确指导意义的预测模型。这些模型在临床决策系统中发挥着重

要作用，有助于提升诊断准确性、评估预后以及预测治疗反应［5］。近年来，

影像组学在HCC的诊疗领域取得了显著进展，尤其在诊断与鉴别诊断、病理分子

亚型预测、疗效及生存预测等方面展出其独特价值。本文旨在对这些研究进展

进行综述，同时探讨当前面临的挑战及未来展望。

一、影像组学在HCC的临床应用

(一)HCC的诊断与鉴别诊断

在HCC的诊断中，增强CT和MRI扮演了至关重要的角色，其典型影像征象

通常表为快进快出的特征。然而，由于影像分析过程中医生的主观因素以及H

CC肿瘤间异质性的存在，部分HCC的影像学表并不典型，从而给患者的准确

诊断和治疗带来挑战。虽然穿刺活检能提供更确切的诊断依据，但其有创性和潜

在的癌细胞扩散风险限制了其广泛应用。因此，基于影像组学的方法逐渐受到临

床医生的青睐和关注。

多项研究已经充分验证了影像组学在HCC诊断和鉴别诊断中的显著价值。Y

asaka等［6］通过分析460例肝脏局灶性病变患者的55536张CT图像，构建深

度学习模型，将肝脏病变细分为五类（A：典型HCC；B：HCC以外的恶性肿瘤；C：

不确定肿块或肿块样病变和除囊肿和血管瘤以外的良性肿块；D：血管瘤；E：囊

肿），研究结果显示，该模型在肝脏病变鉴别诊断中的中位数准确率为0.84,

尤其在区分HCC与其他恶性肿瘤皿〜8类）以及良性病变（C〜E类）时，受试

者操作特征曲线（receiveroperatorcharacteristiccurve,ROC曲线）下的

面积（areaundercurve,AUC）中位数高达0.92OHamiii等［7］针对MRI图像

中的6类肝脏局灶性病变［囊肿、血管瘤、局灶结节性增生