《Scientific Reports》：Development of a CT radiomics and clinical feature combined model for predicting early recurrence of surgical resected hepatocellular carcinoma
编辑推荐：
本研究针对肝细胞癌（HCC）根治性切除术后复发率高、缺乏有效监测方法的问题，开发并验证了一种基于对比增强CT（CECT）影像组学特征联合临床病理指标（如MVI、AFP、GLR）的预测模型。该模型能有效评估患者术后2年无复发生存（RFS），甚至在AFP阴性患者中仍有意义，为HCC术后复发风险的非侵入性个体化预测提供了新工具。
肝细胞癌是威胁人类健康的主要恶性肿瘤之一，尽管手术切除是意图根治的主要手段，但患者术后复发率依然居高不下，如同一片难以彻底驱散的阴云，始终笼罩在患者与临床医生心头。更令人困扰的是，目前临床上还缺乏高效、精准的方法来预测哪些患者在术后短期内会面临癌症卷土重来的风险。传统的监测指标，例如甲胎蛋白（AFP），其预测能力有限，特别是在那些AFP水平不高的患者群体中，预测效能更是大打折扣。因此，如何利用现有的、常规的检查手段，挖掘出更多隐藏的、能够预警复发风险的信息，从而构建一个既无创又实用的预测工具，成为了摆在研究人员面前的一道亟待解决的难题。
为了应对这一挑战，一项发表在《Scientific Reports》上的研究将目光投向了医学影像的深度挖掘。研究人员想知道，能否从患者术前常规进行的对比增强CT（CECT）扫描图像中，通过计算机提取出大量人眼难以识别的定量特征（即影像组学），并结合患者的临床病理信息，共同构建一个强大的预测模型，来准确评估手术切除的肝细胞癌患者术后两年的无复发生存（RFS）情况。
研究人员开展此项研究主要应用了以下几项关键技术方法：首先，纳入了436例接受根治性切除术的肝细胞癌患者，将其分为训练队列和验证队列。其次，在患者术前CECT图像上划定感兴趣区域（ROI），并利用影像组学软件提取了大量定量特征。接着，采用最小绝对收缩与选择算子（LASSO）回归方法从这些特征中筛选出与早期复发最相关的20个特征，用以构建影像组学标签。然后，结合临床病理因素，通过多因素分析确定了独立的预测因子。最终，利用这些独立预测因子构建了一个可视化的列线图预测模型。此外，还通过定量实时PCR（q-PCR）技术检测了48例随机选择的患者肿瘤组织中特定基因（如CENPA、FAM83D等）的表达水平，以探索影像组学特征与基因组学特征之间的潜在关联。
研究结果
1. 影像组学特征的构建与筛选
研究人员从肝细胞癌患者的CECT图像中提取了大量影像组学特征。通过LASSO回归分析，成功筛选出20个与早期复发显著相关的特征，并基于这些特征构建了一个综合的影像组学标签。这个标签量化了肿瘤在影像上的异质性，其值越高，通常提示肿瘤生物学行为更具侵袭性。
2. 早期复发独立预测因子的确定
通过单因素与多因素回归分析，研究确定了四个对肝细胞癌术后早期复发具有独立预测价值的因素，它们分别是：微血管侵犯（MVI）、甲胎蛋白（AFP）水平、γ-谷氨酰转移酶与淋巴细胞比值（GLR）以及上述构建的影像组学标签。这意味着，即使考虑了其他因素，这四项指标仍然是预测复发风险的关键。
3. 影像组学-临床病理联合预测模型的建立与验证
基于上述四个独立预测因子，研究人员构建了一个易于使用的列线图模型。该模型在训练队列和验证队列中均表现出良好的预测性能，其受试者工作特征曲线下面积（AUC）分别达到0.744和0.821，表明模型具有可靠的区分复发高风险与低风险患者的能力。决策曲线分析进一步显示，该模型在广泛的阈值概率范围内均能提供临床净收益。
4. 风险分层与亚组分析
根据列线图模型计算的总分，研究人员将患者分为低、中、高三个复发风险组。生存分析表明，不同风险组患者的2年RFS存在统计学上的显著差异，高风险组的复发率远高于低风险组。更重要的是，即使在AFP为阴性的患者亚组中，该模型依然能够有效区分复发风险，凸显了其在传统生物标志物失效情况下的补充价值。
5. 影像组学特征与基因组学特征的关联探索
相关性分析发现，影像组学标签与某些癌症相关基因（如BCAT1和CENPA）的表达水平存在显著的皮尔逊相关性。这提示，从CT图像中提取的影像组学特征可能在一定程度上反映了肿瘤内在的分子生物学特性，为“影像基因组学”的关联提供了初步证据。
结论与意义
本研究成功开发并验证了一个创新的、非侵入性的预测工具。该工具巧妙地融合了从常规CT影像中挖掘的影像组学标签和关键的临床病理指标（MVI、AFP、GLR），能够以较高的准确性预测肝细胞癌根治性切除术后的早期复发风险。其重要意义体现在多个层面：首先，它为临床医生提供了一个在术前或术后早期即可使用的定量化风险评估手段，有助于识别出高危患者，从而制定更个体化、更密集的随访或辅助治疗策略。其次，该模型的价值并不依赖于AFP这一传统指标，因此在AFP阴性的患者群体中尤其具有应用潜力，弥补了当前临床实践的空白。最后，研究所揭示的影像组学特征与特定基因表达之间的相关性，为理解宏观影像表现与微观分子机制之间的联系打开了一扇窗，预示着未来可能通过无创的影像学方法间接推测肿瘤的分子特征。总之，这项研究不仅为解决肝细胞癌术后复发预测这一临床难题提供了切实可行的新方案，也推动了影像组学在精准肿瘤学领域的深入应用。
