基于深度学习的肝细胞癌微血管侵犯术前影像预测研究综述.docVIP

基于深度学习的肝细胞癌微血管侵犯术前影像预测研究综述

肝细胞癌（HCC）是全球范围内发病率与致死率居高不下的恶性消化系统肿瘤，我国每年新发HCC病例占全球总量的45%以上，患者5年总体生存率不足30%。微血管侵犯（MVI）作为HCC细胞侵袭性的核心生物学标志，指显微镜下可见的内皮细胞衬覆的血管腔内出现癌细胞巢，是术后复发、转移的独立危险因素，直接决定患者手术方案选择与远期预后。目前MVI确诊只能依赖术后病理组织学检查，术前无创预测MVI状态始终是临床诊疗的核心痛点。近年来深度学习技术在医学影像分析领域的突破，为解决这一难题提供了全新路径，相关研究呈现爆发式增长，已经成为精准肿瘤学与影像组学交叉领域的研究热点。

深度学习应用于HCCMVI预测的影像数据源进展

目前用于MVI预测的影像模态已经从单一CT、MRI拓展至多模态融合、功能影像与分子影像联合的多元格局。增强CT是临床最常用的HCC术前评估手段，动脉期、门静脉期、延迟期的动态强化特征与MVI发生高度相关，传统影像组学往往需要手动提取数百个纹理特征，而深度学习模型可自动挖掘人眼无法识别的高维影像特征。2022年欧洲放射学会一项纳入1247例HCC患者的多中心研究显示，基于3DResNet架构的深度学习模型仅通过三期增强CT影像预测MVI的AUC可达0.87，显著高于传统影像组学模型的0.79。相比CT，MRI的软组织分辨率更高