整合B模式超声放射组学特征与临床变量，以预测接受靶向免疫治疗的晚期肝细胞癌患者26周无进展生存期

《Abdominal Radiology》：Integrating B-mode ultrasound radiomics and clinical variables to predict 26-week progression-free survival in advanced hepatocellular carcinoma under targeted immunotherapy

该研究构建并验证了整合临床特征、超声影像特征及CT/MRI radiomics的多模态模型，用于预测接受靶向免疫治疗的晚期肝癌患者26周无进展生存期（PFS）。结果显示联合模型AUC达0.978，优于单模态模型，并显著提升预后分层准确性（p<0.0001）。

　　

摘要

背景

肝细胞癌（HCC）是全球癌症相关死亡的第三大原因，2022年新增病例超过905,700例，死亡人数达到830,200例。由于代谢风险因素的增加，其发病率预计会继续上升。靶向免疫疗法彻底改变了晚期HCC的治疗方式，但响应率仍然较低（约30%），因此需要可靠的预测工具来早期识别无反应患者并实现个性化治疗。尽管CT/MRI的放射组学技术显示出潜力，但基于超声的多模态模型却尚未得到充分研究，尽管超声技术具有较高的可普及性。

目的

开发并验证一个结合临床特征、超声特征和放射组学信息的多模态模型，用于预测接受靶向免疫疗法的晚期HCC患者的26周无进展生存期（PFS）。

方法

在这项在泉州第一医院进行的回顾性队列研究中，222名晚期HCC（BCLC分期B/C）患者被分为训练组（n=155）和验证组（n=67）。使用PyRadiomics从基线B模式图像中提取了临床变量（如肿瘤直径、边缘情况、假包膜、GGT、CA19-9）和超声放射组学特征。对17种机器学习算法进行了评估，最终选择了随机森林算法来构建临床模型、放射组学模型及组合模型。通过ROC曲线（AUC）、校准图、决策曲线分析（DCA）、净重分类改善（NRI）、综合鉴别能力改善（IDI）以及Kaplan-Meier生存分析（结合对数秩检验）来评估模型性能。

结果

组合模型的AUC值分别为0.979（训练组）和0.978（验证组），优于单独的临床模型（0.870/0.810）和放射组学模型（0.770/0.852）。SHAP分析表明，肿瘤直径、边缘模糊、假包膜、IBIL、CA19-9以及放射组学特征（如熵、峰度）是主要的预测因子。校准效果非常好（Brier分数<0.1），DCA显示出了最高的净收益。NRI/IDI证实了多模态模型的附加价值（单模态模型则没有这种效果）。风险分层（临界值0.50）将高风险组和低风险组区分开来，两组之间的生存期差异显著（对数秩p<0.0001；高风险组的中位生存期约为200天，而低风险组未达到该时间点）。

结论

结合临床、超声和放射组学信息的模型能够准确预测接受靶向免疫疗法的晚期HCC患者的26周生存期，性能优于单一方法，并为个性化治疗提供了一种具有成本效益的工具。有必要进行前瞻性的多中心验证。