Eur Radiol（IF=4.7）南方医科大学第八附属医院放射科胡秋根等团队：基于CT影像组学的肝内胆管癌微血管侵犯术前预测模型辅助临床手术决策

01文献学习今天分享的文献是由南方医科大学第八附属医院放射科胡秋根教授等团队于2025年8月在《European Radiology》中科院2区IF4.7上发表的研究”Preoperative prediction model of microvascular invasion in intrahepatic cholangiocarcinoma patients based on CT radiomics can assist clinical surgical decision-making: a multicenter study“即基于CT影像组学的肝内胆管癌微血管侵犯术前预测模型辅助临床手术决策一项多中心研究本研究开发并验证了一个基于CT影像组学联合临床-影像学特征的术前预测模型用于评估肝内胆管癌ICC患者的微血管侵犯MVI状态。该模型在多个中心的数据中表现出良好的预测性能并能有效指导手术方式的选择对于高MVI风险患者推荐大范围肝切除尤其肿瘤位于肝包膜下对于低MVI风险患者推荐小范围肝切除尤其肿瘤≤5cm。创新点①首次基于MVI风险分层指导手术切除范围而非仅预测MVI存在明确推荐大/小肝切除适应症。②联合瘤周区域10mm影像组学特征20个特征中14个来自瘤周揭示肿瘤-肝脏界面微环境关键作用。③多中心外部验证SHAP可视化模型AUC达0.844-0.938提供个体化预测解释增强临床可操作性。临床价值①高MVI风险患者推荐大范围肝切除尤其肝包膜下肿瘤2年无复发生存率显著提高p0.005。②低MVI风险患者推荐小范围肝切除尤其肿瘤≤5cm避免过度手术p0.011。③术前无创精准预测MVI弥补术后病理依赖辅助个体化手术决策降低复发风险。图 1研究整体分析流程A模块模型构建与验证输入术前增强CT图像动脉期门脉期步骤图像预处理→肿瘤瘤周VOI分割→影像组学特征提取→四步特征筛选ICC分析、单因素统计、Spearman相关性、弹性逻辑回归→筛选20个核心组学特征→融合3个临床放射学特征→构建联合预测模型→训练/测试/外部验证集验证B模块模型可解释性方法SHAP值分析内容可视化Top-4影像组学特征、展示特征对预测结果的正负向影响、实现个体化预测解读C模块手术决策指导步骤联合模型输出MVI风险评分→高低风险分层→手术方式亚组分析解剖/非解剖切除、大范围/小范围切除→结合肿瘤位置/大小→给出手术决策建议02研究背景和目的研究背景肝内胆管癌ICC是一种高度恶性的原发性肝脏肿瘤患者预后极差。尽管手术切除是主要的根治性手段但术后复发率仍高达50%~70%其中约50%的复发发生在术后2年内。微血管侵犯MVI已被证实是ICC患者术后早期复发和总体生存率降低的最关键预后因素之一。MVI反映了肿瘤的局部侵袭性其存在通常提示需要更广泛的切除范围如解剖性切除或大范围肝切除以改善预后。然而目前MVI的诊断完全依赖于术后病理显微检查无法在术前获得这严重限制了其在个体化手术方案制定中的指导价值。近年来基于CT或MRI的影像组学方法显示出术前预测MVI的潜力但现有研究多为单中心、缺乏外部验证且尚未有研究探讨如何根据术前MVI风险分层来指导不同肝切除类型解剖性 vs 非解剖性或切除范围大范围 vs 小范围的选择。因此建立一个经过多中心验证的、可靠的术前MVI预测模型并明确其在不同手术策略中的临床决策价值具有重要的现实意义。研究目的本研究旨在开发并多中心验证一个基于CT影像组学联合临床-影像学特征的术前预测模型用于准确识别ICC患者的MVI状态。在此基础上进一步评估该模型能否辅助临床手术决策具体目标包括根据模型预测的MVI风险高风险 vs 低风险比较不同手术方式对患者2年无复发生存RFS的影响包括解剖性切除与非解剖性切除、大范围肝切除2个肝段与小范围肝切除≤2个肝段。通过亚组分析明确在高MVI风险患者中大范围肝切除是否能显著提高RFS特别是对于包膜下肿瘤以及在低MVI风险患者中小范围肝切除是否更具优势尤其是对于直径≤5cm的肿瘤。最终研究期望为临床提供一种术前可用的MVI风险分层工具从而指导个体化的手术切除范围以期降低术后复发率改善ICC患者的总体预后。03数据和方法研究数据总样本量292例经病理确诊的ICC患者2012年1月至2023年5月数据来源4家医疗机构分组训练集141例机构I、II测试集60例机构I、II外部验证集91例机构III、IVMVI阳性率总体38.7%113/292外部验证集最高50.5%图 2患者筛选流程图技术方法影像组学特征提取从CT动脉期和门静脉期提取肿瘤及瘤周10mm区域特征共3776个特征/病灶。使用Pyradiomics工具包。特征筛选ICC分析、Mann-Whitney U检验、Spearman相关分析、Elastic-net逻辑回归。模型构建机器学习算法LR、SVM、DT、XGBoost、ANNANN表现最优。构建三种模型临床-影像模型、影像组学模型、联合模型。模型评估AUC、准确率、敏感度、特异度、决策曲线分析DCA。临床决策分析使用SHAP算法进行模型解释。根据风险分层cutoff0.42比较不同手术方式的2年RFSKaplan-Meier log-rank检验。04实验结果独立预测因子肝硬化OR2.23、华支睾吸虫感染OR2.35、卫星结节OR2.14模型性能联合模型AUC训练集0.938、测试集0.889、外部验证集0.844优于单一临床-影像模型或影像组学模型风险分层与手术决策高MVI风险组大范围肝切除 → 2年RFS显著更高p0.007尤其肝包膜下肿瘤p0.005低MVI风险组小范围肝切除 → 2年RFS显著更高p0.033尤其肿瘤≤5cmp0.011图 3模型个体化应用案例图 42年无复发生存RFSKaplan–Meier曲线图 5肿瘤位置与大小的进一步亚组分析05研究结论该研究通过多中心回顾性分析开发并验证了一个结合CT放射组学特征与临床影像特征的组合模型用于术前准确预测肝内胆管癌ICC患者的微血管侵犯MVI状态。模型在训练集、测试集及外部验证集中的AUC分别达到0.938、0.889和0.844具有良好的稳定性和泛化能力。基于该模型的风险分层研究进一步提出了个体化的手术策略对于低MVI风险的患者推荐行小范围肝切除术特别是当肿瘤直径≤5 cm时获益更显著而对于高MVI风险的患者则推荐大范围肝切除术尤其当肿瘤位于肝包膜下时预后改善更为明显。此外手术类型解剖性与非解剖性切除对复发的影响未达统计学差异提示手术切缘范围而非切除方式可能是更关键的预后因素。该模型不仅能够有效预测MVI还能为临床手术决策提供直观、可量化的依据推动个体化治疗。参考文献Liu Z, Chen H, Yang S, Zhang R, Yang F, Feng J, Xu K, Tan Z, Feng Y, Ouyang F, Li X, Chen X, Chen Y, Cai Z, Guan X, Luo C, Guo B, Hu Q. Preoperative prediction model of microvascular invasion in intrahepatic cholangiocarcinoma patients based on CT radiomics can assist clinical surgical decision-making: a multicenter study. Eur Radiol. 2026 Feb;36(2):1395-1408. doi: 10.1007/s00330-025-11900-x.