基于深度学习的肝细胞癌微血管侵犯术前影像生物标志物的多中心验证研究综述.docVIP

基于深度学习的肝细胞癌微血管侵犯术前影像生物标志物的多中心验证研究综述

肝细胞癌（HepatocellularCarcinoma,HCC）是全球范围内发病率和死亡率均位居前列的恶性肿瘤，我国每年新发HCC病例占全球总数的45%以上，患者5年总体生存率不足15%。微血管侵犯（MicrovascularInvasion,MVI）是HCC细胞侵袭性的核心生物学特征之一，指在显微镜下观察到的血管内皮细胞衬覆的管腔内存在肿瘤细胞栓子，其存在不仅是术后复发、转移的独立危险因素，更是决定患者手术方式、辅助治疗方案及预后评估的关键指标。目前临床MVI诊断完全依赖术后病理组织学检查，无法在术前为治疗决策提供依据，而传统影像评估（如CT、MRI的形态学特征判读）对MVI的预测准确率仅为60%-70%，且受医师经验影响大，可重复性差。

近年来，以深度学习为代表的人工智能技术在医学影像分析领域取得突破性进展，基于影像组学与深度学习模型挖掘的MVI相关影像生物标志物，为实现HCCMVI的术前无创预测提供了新路径。但单中心研究普遍存在样本量小、数据异质性控制不足、模型泛化性能难以验证等问题，多中心验证成为这类影像生物标志物向临床转化的必经阶段。本文系统梳理近五年全球范围内开展的深度学习基HCCMVI术前影像生物标志物多中心验证研究进展，从队列构建、模型开发、验证策略、临床效能四个维度展开分析，旨在