研究型大学(研究型大学与应用型大学)-医学考研网

研究型大学，研究型大学与应用型大学

肝细胞癌（HCC）的诊断和治疗取得了巨大进展，但总体临床结局仍然很差，特别是在晚期疾病患者中。HCC 管理的主要障碍之一是缺乏基于组织学或分子分类的治疗方案，而 HCC 在基因组、分子和组织学水平上具有高度异质性。

本文为转化医学网原创，转载请注明出处

作者：kope

近日，中南大学湘雅三医院团队在Radiology发表题为“CT Radiomics to Predict Macrotrabecular-Massive Subtype and Immune Status in Hepatocellular Carcinoma”的原创研究论文。该研究使用CT放射组学模型准确预测肝癌病理分型（即富粗梁型肝癌亚型），并证实肝癌病理分型也与体液免疫缺陷有关。

提高精准诊疗能力

大多数情况下，治疗前肝细胞癌的诊断并不依赖于组织病理学检查，导致在表征这种侵袭性亚型时存在两难境地。一些研究已经确定了与该亚型相关的几种影像学特征，例如肿瘤内坏死、动脉期低血管成分和肿瘤边缘不光滑。在钆塞酸增强MRI中结合四个成像特征的一组标准可以在预测MTM亚型方面实现高精度。即便如此，成像特征的评估仍容易出现观察者之间的差异，可能导致放射科医生之间的不一致。

为提高难治性肝癌的精准诊疗能力，研究人员在前期对肝癌血管新生激活表型影像和预后特征全面分析的基础上，利用影像组学、转录组学和单细胞多组学技术，原创性地构建了影像人工智能模型，有效地预测一种具有侵袭性的肝癌病理表型。该研究初步证实肝癌病理分型作为介入联合靶向治疗敏感性标志物的可行性，并进一步挖掘肝癌病理分型的潜在肿瘤微环境免疫特征，证实肝癌病理分型主要与B细胞浸润的体液免疫功能失调相关。

免疫浸润模式

影像组学是一种新兴的非侵入性方法，可从医学图像中挖掘定量特征，以获得有助于临床医生做出临床决策的标记物。影像组学可以设想为数字活检，允许在各种临床场景中深入表征肿瘤表型和空间异质性。例如，先前的研究表明，影像组学模型在预测肝细胞癌患者的微血管侵袭（MVI）状态和肿瘤复发方面显示出良好的性能。

迄今为止，只有一项研究试图开发基于T2加权、未增强T1加权、动脉期增强和延迟期T1加权图像的MRI影像组学模型，以预测88例患者的单中心队列中的MTM亚型;文献中缺乏关于CT影像组学方法应对这一挑战的研究。此外，越来越多的证据表明，放射模式与几种肿瘤的特定生物学途径之间存在密切关联。因此，需要进一步的研究来支持影像组学方法预测MTM亚型的稳健性，并在时空分子成像的框架内探索影像组学的生物学基础，以促进临床转化。构建基于术前CT研究的影像组学模型，用于预测MTM亚型，并通过分析批量和单细胞RNA测序数据来研究潜在的免疫浸润模式。

进一步的前瞻性研究

全球近一半的肝癌发生在中国，大部分患者确诊时已进展到晚期，其中近一半属于难治性肝癌，根治困难，患者预后及生活质量极差。目前，肝癌治疗方案主要根据临床分期制定，尚缺乏基于肿瘤分子分型的精准诊疗体系。

影像组学模型是基于在多个机构接受手术治疗的患者的回顾性收集数据构建的，这可能会引入选择偏倚。这些患者表现出肝病毒感染的倾向;因此，需要对不同潜在原因的肝病人群进行进一步调查。其次，影像组学标记受到其复杂性和缺乏算法标准化的限制。在未来的工作中，将进行基于深度学习的预测模型的开发。第三，结局队列中缺乏标准化的护理。最后，数据集或队列的样本量有限，未来的研究需要更大的样本量进行放射转录组学分析。

总之，CT影像组学模型可以无创地预测肝细胞癌患者的大梁大块亚型。值得注意的是，研究人员发现了影像组学模型背后的免疫浸润模式，主要涉及有缺陷的体液免疫。影像组学模型可作为抗血管生成治疗、免疫治疗及其联合治疗后反应的无创预测指标，应在进一步的大型前瞻性研究中得到验证。

参考资料：

https://pubs.rsna.org/doi/10.1148/radiol.221291

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。

研究型大学(研究型大学与应用型大学)

作者：admin

相关推荐