基于增强CT建立临床-影像模型预测肝癌微血管侵犯及其分级的价值研究

郑鑫 徐运军 黄京城 陈迪 葛亚琼

近年来多项研究显示，微血管侵犯（microvascular invasion，MVI）是肝细胞癌（hepatocellular carcinoma，HCC）血管侵犯的早期阶段，也是根治手术、肝移植后复发、转移重要危险因素之一［1］。鉴于MVI在HCC预后的重要作用，在综合了国内外相关研究进展后，中国抗癌协会肝癌专业委员会发布了《原发性肝癌标准化病理诊断指南（2015年版）》，首次统一了国内的MVI定义及分级标准，采取3层MVI分级方案（three-tiered MVI grading，MVI-TTG），并被纳入《原发性肝癌诊疗指南（2022年版）》［2］。同时，一项多中心研究［3］分析了2 573例接受根治性肝切除术HCC患者的预后，发现MVI高危（M2）组相较于低危 （M1） 组和阴性（M0）组，术后复发率更高，且3年总生存率明显降低，仅达到67.0%；并且M1级与早期复发相关，M2级与早期、晚期复发均相关。目前对于MVI的诊断始终停留在术后的病理诊断，大多数对MVI的研究也只局限于阴性或阳性的预测，并未对MVI的程度、数量、分布范围进行细分。因此，本研究的目的是运用增强CT图像结合临床指标建立临床-影像模型预测MVI的发生及其分级。

方 法

1. 研究对象

本研究通过安徽省立医院伦理管理委员会批准（批准文号：2022-RE-120），免除患者知情同意书。回顾性分析2019年6月—2022年3月符合以下标准的患者资料。纳入标准：①术后病理证实为HCC，且明确有无MVI及其分级；②术前2周内进行过腹部增强CT检查，且图像质量满足要求；③肿瘤均为单发，无大血管侵犯和远处转移；④术前未接受过相关抗肿瘤治疗（肝切除、化疗栓塞、放疗等）；⑤手术前肝功能为Child-Pugh分级A或B级。排除标准：①患者临床资料不完整；②影像学资料不完整，图像质量差。

收集患者术前2周的临床资料：主要包括性别、年龄、甲胎蛋白（AFP）、乙肝表面抗原、总胆红素、天冬氨酸转氨酶、丙氨酸转氨酶、γ-谷氨酰转移酶、血小板、中性粒细胞、淋巴细胞以及肝硬化情况。

2. MVI的分级

MVI分级根据《原发性肝癌诊疗指南》［2］，采用“7点”基线取材法进行分级：未发现MVI为M0；≤5个MVI，且发生于近癌旁肝组织为M1（低危）组；＞5个MVI，或MVI发生于远癌旁肝组织为M2（高危）组。当癌旁肝组织内的卫星灶与MVI难以区分时，可一并计入MVI分级。

3. CT成像方法

所有检查均使用GE DiscoveryHD750多排螺旋CT扫描仪。所有患者均行常规CT平扫，以确定病变的范围。腹部CT参数：管电压120 kV，管电流250～350 mA，层厚5 mm，层间距5 mm，视野35～50 cm，矩阵512×512，旋转时间0.7 s，螺距1.375∶1。在获得非增强CT扫描后，每位患者注射非离子型碘造影剂，剂量为1.5 mL/kg，使用高压注射器以3.0 mL/s的速率注射。使用自动扫描触发软件，监测扫描降主动脉密度达到95 HU后35 s自动开始动脉期（arterial phase， AP）扫描。在AP扫描后35 s和3 min，分别开始获得门静脉期（portal veinous phase， PVP）和延迟期（delayed phase， DP）影像。

4. 图像分析

CT图像分别由一名具有5年放射诊断经验的医师和一名具有20年腹部诊断经验的放射科医师独立审查。如有异议，经讨论达成共识。两名放射科医生都知道病变是HCC，但对其他所有临床、实验室和组织病理学信息并不知情。两位放射科医师评估了HCC的以下图像特征。①肿瘤最大径：轴位CT图像上测量的最大直径；②肿瘤边缘：在CT图像上看到的肿瘤与正常肝实质之间的界面，将肿瘤边缘分为光整和不光整，肿瘤边缘光滑表现为结节状肿瘤，肿瘤包膜完整，无结节外生长进入周围肝组织，肿瘤边缘不光滑表现为边缘模糊、多结节肿块或结节外生长型；③瘤周低密度环：门脉期肿瘤周围环形或楔形低密度影包绕；④瘤内动脉：瘤内可看到肝动脉分支血管供血；⑤瘤周强化：动脉期晚期或门静脉期早期病灶周围的片状强化；⑥强化方式：是否为典型的“快进快出”；⑦瘤内坏死：图像上肿瘤内是否存在各期均未见强化的低密度区域。部分图像在图1～3中显示。

图1 典型病例1影像

5. 统计分析与临床-影像模型建立

使用SPSS 26.0、R 3.5.1和Python 3.5.6进行对临床资料及影像学特征进行统计分析，计量资料若符合正态分布以均数±标准差（±s）表示，多组之间比较采用单因素ANOVA分析，非正态分布的计量资料以中位数和四分位数间距［M（P25，P75）］表示，多组之间的比较采用Kruskal-WallisH检验；定性参数以病例数（%）表示，并采用χ²检验或Fisher精确检验。将单因素分析差异有统计学意义（P＜0.10）的因素纳入下一步分析。使用递归式特征消除（recursive feature elimination，RFE）进一步筛选特征，在特征集合上不断的重复递归这个步骤，直到最终达到所需要的特征数量为止。使用svmLinear建立预测模型，并使用ROC曲线、准确度、灵敏度、特异度等评估模型性能。流程图见图4。

图2 典型病例2影像

图3 典型病例3影像

图4 统计分析流程图

结 果

1. 一般临床资料及影像学特征单因素分析结果

回顾性分析2019年6月—2022年3月入院的肝细胞肝癌患者共计931例，经纳入及排除标准筛选后，最终共计167例患者纳入研究，通过7∶3将数据分为训练组（n=118）和测试组（n=49），其中训练组男性103例（87.3%），女性15例（12.7%），平均年龄（56.6±11.3）岁。根据组织病理学结果，将患者分为MVI阴性（M0）组（50例）、MVI低危（M1）组（41例）和MVI高危（M2）组（27例）。分化程度、天冬氨酸转氨酶（AST）、血小板与淋巴细胞比值（PLR）、肿瘤最大径、肿瘤边缘、瘤周强化、瘤内坏死、瘤内动脉、瘤周低密度环有统计学意义。详见表1。

表1 肝细胞肝癌患者临床特征及增强CT影像学特征的单因素分析

续表

2. 特征筛选结果

使用RFE将单因素分析中有意义的特征进一步筛选，通过学习器返回的coef_属性或者feature_importances_属性来获得每个特征的重要程度。然后从当前的特征集合中移除最不重要的特征。在特征集合上不断地重复递归这个步骤，直到最终达到所需要的特征数量为止。如图5所示，最终共保留了7个特征，x轴表示特征的权重，y轴表示最后保留的特征，权重越大，特征预测性越强。

图5 各组（M0组、M1组、M2组）最后保留的特征及其权重

3. 模型建立及模型效能结果

使用svmLinear建立预测模型。临床-影像模型在训练组中诊断MVI各级的ROC曲线下面积值分别为0.87、0.68、0.88，在测试组中，对MVI各级的ROC曲线下面积值分别为0.81、0.59、0.79，详见图6。无论在测试组还是在训练组中，临床-影像模型对M0、M2均具有良好的预测价值，灵敏度及特异度也均较高，但对M1的预测价值相对一般，详见表2。

表2 临床-影像模型对HCC MVI分级的诊断效能

图6 训练组（A）与测试组（B）ROC曲线

讨 论

MVI是HCC患者术后肿瘤复发的重要危险因素。有研究表明，M1级患者术后复发风险的可能性较M2级明显减小，M2级是肝癌切除术后肿瘤残留、肝内转移和复发的高危因素，且极有可能无法实现真正的R0手术切除［3］，因此准确预测MVI的发生和分级尤为重要。新版《原发性肝癌诊疗指南》［2］虽然明确指出了MVI定义及其分级方法，但由于病理研究相对困难，主要集中在较大的研究型医院，且病例数相对较少，多数研究者侧重于术前MVI临床预测模型的建立，而忽视了对MVI分级的预测。

本研究结果显示，AST、PLR、肿瘤最大径、肿瘤边缘、瘤周强化、瘤内坏死、瘤内动脉、瘤周低密度环均是MVI相关的危险因素，在特征筛选中排除了瘤内坏死，共纳入2个临床指标和5个影像学指标。

在影像学指标中，低密度环和瘤内动脉是最具预测价值的特征，已有学者发现其与某些特征基因有关，先后提出了静脉侵犯放射基因组特征（radiogenomic venous invasion，RVI）和静脉侵犯双特征预测因子（two-trait predictor of venous invasion，TTPVI），并证实其能较好的预测MVI的发生［4-6］。Renzulli等［6］的研究得出肿瘤大小、肿瘤边缘不光滑、动脉期瘤周强化以及TTPVI在MVI的预测中具有很高的准确性，这与我们的结果一致。肿瘤边缘不光滑被认为是肝癌侵袭肿瘤包膜并突出到非肿瘤实质的侵袭性生物学倾向，一项荟萃分析［7］显示，肿瘤边缘不光滑是术前评估MVI的一个关键指标，且由于CT具有比MRI更好的空间分辨率，对于区分非光滑和光滑的肿瘤边缘更为敏感。根据国际米兰分期标准，我们将肿瘤大小分为＜5 cm和＞5 cm，结果表明肿瘤大小能够预测MVI的存在，这与大多数研究结果相一致［8-10］。同时我们的研究发现，＞5 cm肿瘤的MVI发生率（75.5%）是＜5 cm肿瘤（44.9%）的1.68倍。有学者认为动脉期瘤周强化的出现可能是肿瘤侵犯微小门脉分支导致门脉血流较少区域出现代偿性动脉高灌注［11］。

在临床指标中，AST和PLR对MVI具有预测价值。一些研究［10，12］发现MVI与AST水平相关，相较于无MVI肝癌患者，有MVI的患者AST更高，无进展生存期（PFS）和总生存期（OS）更差。PLR的升高是由于血小板水平增加和/或淋巴细胞水平下降导致，我们的研究结果显示，相较于淋巴细胞水平下降，血小板水平升高更为明显。血小板可以通过释放血管内皮生长因子促进血管生成，保护肿瘤细胞免受自然杀伤细胞的细胞溶解作用，促进转移［10］，已有研究证实PLR可以作为MVI的预测因素［13］。

最后，本研究所构建的临床-影像模型预测结果显示，M0级、M1级和M2级训练组AUC分别为0.87、0.68、0.88，测试组AUC分别为0.81、0.59、0.79。M1组的AUC明显低于M0、M2组，我们认为这与肿瘤的影像表现有着直接的关系，因为M1级在影像上的特征可能与M0级和M1级存在部分重叠，这在之前所给的特征重要性（图5）中也可以看出，从而导致模型出现误判、漏判的情况。但总体来说，该模型对MVI的发生（M0）以及MVI是否高危（M2）具有良好的预测能力，可以辅助临床采取合适的治疗方案，提高HCC患者无复发生存期（RFS）和OS。

本研究存在一定的局限性：①本研究为单中心回顾性分析，针对三分类，具有MVI病理分级的病例数较少，可能会对参数的实测值存在偏差，今后将进一步扩大样本量。②现阶段本研究仅利用临床、影像特征对MVI发生和分级进行预测，并未将组学特征纳入。已有研究证实影像组学可以预测MVI的发生［8-9，14］，我们下一步同样会将组学纳入，构建联合模型，进一步挖掘影像对临床诊断的价值。

综上所述，本研究通过将增强CT图像特征与临床指标联合所构建的模型能够无创、有效地预测肝癌微血管的发生和M2级的存在，从而可为HCC患者的术前临床诊断、治疗方案的选择以及术后的预期提供依据。