基于深度学习的肝细胞癌TACE治疗抵抗的CT影像早期预测生物标志物挖掘研究综述.docVIP

基于深度学习的肝细胞癌TACE治疗抵抗的CT影像早期预测生物标志物挖掘研究综述

肝细胞癌（HCC）是全球范围内发病率位居第六、死亡率高居第三的恶性肿瘤，我国每年新发HCC病例占全球总数的45%以上，且多数患者确诊时已处于中晚期，失去手术根治机会。经导管动脉化疗栓塞术（TACE）是目前不可切除中晚期HCC的首选一线治疗方案，但其临床疗效个体差异显著，约30%-50%的患者会在治疗后出现原发性或继发性抵抗，导致肿瘤进展、复发甚至死亡。早期识别TACE治疗抵抗高风险患者，对于优化治疗决策、延长患者生存期具有至关重要的临床意义。近年来，随着医学影像技术与深度学习算法的快速融合，基于CT影像的无创生物标志物挖掘为HCC患者TACE疗效预测提供了全新的技术路径，相关研究成果已展现出巨大的临床转化潜力。

一、肝细胞癌TACE治疗抵抗的生物学机制与影像关联基础

TACE治疗的核心原理是通过栓塞肿瘤供血动脉切断肿瘤营养供给，同时局部灌注化疗药物杀伤肿瘤细胞，其治疗抵抗的发生是肿瘤细胞、微环境与治疗压力共同作用的多因素、多阶段复杂过程。从生物学机制来看，治疗抵抗主要与以下因素相关：其一，肿瘤异质性，包括肿瘤细胞的基因型异质性（如TP53突变、MET扩增、VEGF过表达等）和表型异质性（如分化程度、增殖活性、侵袭能力差异），不同克隆亚型的肿瘤细胞对化疗药物和缺血缺氧的敏感性存在显著差异；其二，肿瘤微环境