首页 > 文章详情

【中国之声】东南大学附属中大医院居胜红团队发现预测肝癌MVI的影像学特征

2023年05月29日

来源：东南大学附属中大医院

近日，东南大学附属中大医院放射科居胜红教授团队的研究成果于医学影像顶级期刊《Radiology》在线发表，文章题目为“Predicting Microvascular Invasion in Hepatocellular Carcinoma Using CT-based Radiomics Model”。本研究基于术前CT影像组学特征和语义特征的混合模型预测了肝细胞癌（HCC）患者微血管侵犯（MVI）的状况。该研究延伸了Delta Radiomics的范畴，突显了影像学特征在预测肝癌MVI方面的重要作用。

本文第一作者是东南大学医学院博士生夏天一，通讯作者是居胜红教授，该工作得到国家自然科学基金委重点项目等资助。

研究介绍

肝细胞癌（HCC）是最主要的肝脏原发恶性肿瘤，临床预后差。微血管侵袭（MVI）是内皮细胞衬覆的血管腔内出现癌细胞巢团，肿瘤侵袭性有关，也与HCC患者的高复发率和不良结局相关。因此，术前预测MVI有益于术前诊疗计划制定。然而，目前MVI的诊断多依赖于术后病理结果，术前诊断难度较大。

Delta radiomics涉及影像组学特征的相对净变化。鉴于HCC普遍具有“快进快出”的典型增强特征，动态对比增强的影像组学特征变化可能具有预测MVI的潜力。因此我们将多期CT图像配准、减影，生成的减影图像用于准确捕获HCC的动态特征变化。此外，影像组学提供了大量关于肿瘤表型和肿瘤微环境的信息，通过转录组测序数据可以反应特征的生物学过程。综上，本研究的目的是开发一种可解释性的CT影像组学模型，用于术前预测HCC患者的MVI状态。

图1.研究流程示意图

本研究是一项多中心研究，纳入了来自国内四家医院、TCIA数据库的HCC患者基线CT影像和临床数据（包含预后、转录组测序数据）。在CT图像上，利用nnUnet深度学习分割网络和Elastix工具，对多期增强图像进行配准并生成减影图像。在此基础上，通过影像组学特征数值相减（Delta1）和减影图像特征提取的方式（Delta2）形成两套Delta radiomics特征。在mRMR和LASSO完成特征降维后，利用logistic regression建立total影像组学和混合模型（联合语义特征）的MVI预测模型。

图2. Total影像组学模型在训练和测试集的AUC分别为0.76、0.76和0.72，混合模型在训练和两个测试集的AUC分别为0.85、0.86和0.84。因此混合模型相较total影像组学模型更优，能够在术前预测HCC患者MVI的状态

图3. 依靠total影像组学模型和混合模型得到的HCC患者的MVI预测得分，能够对HCC患者的早期复发生存期（2年内复发）以及总生存期风险分层

图4. 通过影像学特征鉴定出MVI影像相关的差异基因集。基于富集分析发现，糖代谢等相关通路在MVI高风险组富集（糖酵解和戊糖磷酸化）；而在多种免疫细胞中，MVI高危组的免疫浸润水平要低于MVI低危组，尤其是CD8+ T细胞。

同期述评

《Radiology》同期刊发了NIH资深研究员Ronald M. Summers教授对于本文的述评。Summers教授指出，本研究是一项全面、多中心的大样本研究，有着仔细、全面且完整的设计且涉及了大量严谨的实验和统计方法。此外，Summers教授认为，作者发现免疫细胞在MVI阳性患者肿瘤的浸润减少，提示了可以通过免疫细胞活化或肿瘤穿透的方式来改善MVI阳性患者的治疗响应。

总而言之，这项研究的结果表明，CT在肝癌患者术前风险评估中具有潜在的光明前景。

作者风采

夏天一

博士

东南大学2021级专业型博士，影像医学与核医学专业，导师为居胜红教授。主要研究方向是肝病影像与人工智能应用，以第一作者发表SCI论文3篇。

居胜红

首席教授，博导

东南大学附属中大医院放射科主任、东南大学医学院副院长、主任医师、首席教授、博导，国家杰出青年科学基金获得者，国家“万人计划”科技创新领军人才、科技部重点领域创新团队负责人、国自然创新群体骨干。现任中华放射学会常委、中国放射医师协会常委、亚洲腹部影像学会执委。主持完成多项影像诊断新技术研发项目，包括国家自然科学基金重点项目、重大研究计划项目等。获国家科技进步二等奖、教育部科技进步一等奖、中华医学科技三等奖等多项荣誉。

责任编辑：肿瘤资讯-Bree
排版编辑：肿瘤资讯-Astrid

免责声明

本文仅供专业人士参看，文中内容仅代表东南大学附属中大医院立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除。

领新版指南，先人一步>>

查看详情