首页 > 文章详情

《柳叶刀》子刊eClinical Medicine发表南方医院肝病中心影像组学肝癌新分期

07月16日

来源：国际肝病

肝细胞癌（HCC）是全球癌症相关死亡的第三大原因，早期发现、诊断和干预HCC可显著降低死亡率。HCC的发展由一连串复杂过程驱动，其起点常见于肝炎和肝硬化。在这一过程中，细胞内基因表达的微妙变化、分子信号通道的重大转变以及组织结构和器官功能的显著变化一同加速了HCC的形成和发展，同时会导致肝脏影像学的变化。研究者运用影像组学深度学习技术，及时、准确识别并干预HCC的形成阶段[命名为移行期（Transition Stage）]，将开创HCC早期预防和干预的全新局面。

为了满足该需求，近期南方医科大学南方医院樊蓉/侯金林教授团队依托全国多中心肝癌高风险人群长期随访队列以及对应的多维标本库，成功构建并验证了一种先进工具——ALARM模型。该模型通过多期增强计算机断层扫描以及aMAP评分，可提前3~12个月预警HCC的发生，为识别HCC移行期提供了有效工具。这一重要成果近日发表于《柳叶刀》子刊eClinical Medicine。

研究方法

该研究受试者主要来自全国多中心肝硬化长期随访队列（PreCar队列，NCT03588442）。研究者收集了HCC患者诊断前或非HCC患者的末次随访前3~12个月内的三期增强CT （CECT）图像和常见临床指标数据，利用影像组学和深度学习技术，在南方医院的发现队列中构建早期预警模型，随后在南方医院的内部验证队列以及10个外部中心的外部验证队列中对模型进行验证。

研究结果

该研究共纳入全国11家中心的1 858例肝硬化患者。研究的发现队列由南方医院的924名患者组成，内部验证队列包括231名患者，外部验证队列则涵盖了其他10家中心的703名患者。研究的具体流程和设计如图1中所示。

图1. 研究的详细流程（源自文献）

通过整合基于深度学习的影像组学技术与aMAP风险评分，团队构建并验证了一个新型精准的HCC预警模型——ALARM模型，其在发现队列、内部验证队列和外部验证队列的AUC分别达0.929、0.902和0.918（图2）。

图2. ALARM与单一模态模型的预测性能比较。（A）发现队列（B）内部验证队列（C）外部验证队列（源自文献

通过应用最佳阈值0.21和0.65，可将患者分为三个风险组：高风险组（221例，11.9%）3~12个月内的HCC发生率达24.3%，中风险组（433，23.3%）的HCC发生率为6.4%。且中高风险组预警出的HCC病例涵盖了94.4%的HCC患者。与此相比，低风险组共有1204名患者（占比64.8%），其短期HCC发生率仅为0.42%（图3）。

图3. （A）风险分层与阈值分析。复合图表展示了ALARM预测结局与实际结局间的关系，以及基于最佳阈值的风险分层系统。(B) HCC发生率的比较。误差条形图显示了不同患者状态分类之间显著不同的发生率（源自文献）

研究结论

基于深度学习影像组学和aMAP的新型ALARM模型，该研究成功构建了能够准确预警肝硬化患者短期HCC发生风险的有效工具，为HCC移行期的识别提供了强有力的支持。未来，若将该工具融入临床治疗策略中，将极大提升HCC的精准诊断水平，并有力推动个性化预防性治疗方案的研发与实施。

侯金林

教授

主任医师，博士生导师
南方医科大学南方医院感染内科主任
广东省肝脏疾病研究所所长
国家杰出青年基金获得者 (2003）
第26届亚太肝病学会主席
中华医学会感染病学分会主任委员（2013-2016）
国家科技重大专项“十一五”“十二五” “十三五”首席科学家
获国家科技进步二等奖2项、中华医学科技二等奖2项、广东省科技进步一等奖2项，在国内外杂志发表论文400余篇，包括Nature Medicine、Lancet Infect Dis、J Hepatol、Gut、Hepatology、Science、NEJM等刊物，连续7年入选爱思唯尔中国高被引用学者（医学）

樊蓉

教授

主任医师，博士生导师
南方医科大学南方医院感染内科副主任
教育部青年长江学者（2022年）
广东省“杰出青年医学人才”（2019年）
广东省“高层次人才特殊支持计划科技创新青年拔尖人才”（2018年）
获广东省科技进步一等奖2项，牵头承担国家和省部级课题8项，包括1项国家科技重大专项子课题，3项国家自然科学基金，以第一/通讯作者发表SCI论文30余篇，包括Gut、J Hepatol、Lancet Infect Dis刊物

参考文献

Guo L, Hao X, Chen L, et al. Early warning of hepatocellular carcinoma in cirrhotic patients by three-phase CT-based deep learning radiomics model: a retrospective, multicentre, cohort study. eClinicalMedicine. 2024;74:102718. doi:10.1016/j.eclinm.2024.102718

责任编辑：肿瘤资讯-Lisa
排版编辑：肿瘤资讯-Astrid

免责声明

本文仅供专业人士参看，文中内容仅代表国际肝病立场与观点，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

08月25日

邓勇

连云港市妇幼保健院 | 乳腺外科

谢谢分享，学习到了

07月19日

杜建帅

平遥县人民医院 | 肿瘤科

学习学习天天向上