NAFLD肝癌筛查的影像学优化策略

NAFLD肝癌筛查的影像学优化策略演讲人01NAFLD肝癌筛查的影像学优化策略02引言：NAFLD相关肝癌筛查的紧迫性与影像学的核心地位03现有影像学技术在NAFLD肝癌筛查中的局限性04NAFLD肝癌筛查的影像学优化策略05临床实践中的挑战与应对策略06总结与展望07参考文献目录01NAFLD肝癌筛查的影像学优化策略02引言：NAFLD相关肝癌筛查的紧迫性与影像学的核心地位引言：NAFLD相关肝癌筛查的紧迫性与影像学的核心地位非酒精性脂肪性肝病（NAFLD）已成为全球慢性肝病的首要病因，其患病率在全球范围内达25%-30%，在肥胖、2型糖尿病人群中甚至超过70%[1]。NAFLD疾病谱涵盖单纯性脂肪肝、非酒精性脂肪性肝炎（NASH）、肝纤维化、肝硬化，最终可进展为肝细胞癌（HCC）。研究显示，NAFLD相关HCC（NAFLD-HCC）占所有HCC的比例已从2004年的9%升至2016年的29%，且约25%-30%的NAFLD-HCC发生于无肝硬化背景下，传统以肝硬化为核心的筛查策略面临严峻挑战[2]。肝癌的5年生存率与早期诊断密切相关，早期HCC（单发≤2cm或≤3个结节≤3cm）根治性切除或移植后5年生存率可达70%以上，而晚期HCC不足10%[3]。影像学检查是NAFLD-HCC筛查的核心手段，引言：NAFLD相关肝癌筛查的紧迫性与影像学的核心地位目前常用技术包括超声、计算机断层扫描（CT）、磁共振成像（MRI）及新兴的分子影像技术。然而，NAFLD肝脏的“脂肪-炎症-纤维化”多病变共存特性，对影像学检出早期HCC、鉴别良恶性病变及评估肿瘤生物学行为提出了更高要求。如何在复杂背景下优化影像学策略，实现NAFLD-HCC的“早发现、早诊断、早治疗”，已成为临床亟待解决的难题。本文将从现有影像技术的局限性出发，系统阐述NAFLD肝癌筛查的影像学优化策略，涵盖技术革新、流程再造、多模态联合及人工智能赋能，旨在为临床实践提供循证依据，推动NAFLD-HCC筛查向精准化、个体化方向迈进。03现有影像学技术在NAFLD肝癌筛查中的局限性常规超声：筛查的“第一道防线”与固有缺陷超声作为NAFLD肝癌筛查的一线工具，具有无创、便携、低成本及可重复性强等优势，广泛用于高危人群的初步筛查。然而，NAFLD肝脏的脂肪变背景显著影响超声对HCC的检出效能：011.脂肪肝掩盖病灶：中度以上脂肪肝的“回声增粗、密集”表现与HCC的“低回声”病灶信号重叠，导致约30%-40%的≤2cm早期HCC被漏诊[4]。此外，脂肪肝合并的局灶性脂肪变或局灶性脂肪缺失，易与HCC混淆，造成假阳性率升高（约15%-20%）。022.操作者依赖性高：超声对操作者的经验和手法依赖性强，不同医师对同一病灶的检出率差异可达25%以上[5]。对于肥胖患者（NAFLD高危人群），声衰减进一步降低图像分辨率，增加漏诊风险。03常规超声：筛查的“第一道防线”与固有缺陷3.定性诊断能力有限：常规超声仅能提供病灶的回声特征（低、等、高回声）、形态及血流信息，对不典型HCC（如等回声型、浸润型）及与血管瘤、腺瘤的鉴别困难，定性准确率不足60%[6]。多期增强CT：动态强化特征与脂肪肝背景的干扰01020304多期增强CT通过动脉期、门脉期、延迟期的强化模式分析，对HCC的定性诊断准确率达85%-90%[7]，是NAFLD-HCC诊断的重要手段。但其局限性同样显著：2.脂肪肝对强化的掩盖作用：NAFLD常合并肝纤维化，导致肝血流量减少，部分HCC在动脉期的“快进快出”强化特征不明显，尤其在分化较好的HCC中，强化程度与周围肝组织差异减小，易被误判为良性病变[8]。1.碘对比剂过敏与肾功能损伤风险：含碘对比剂可能引发过敏反应（发生率1%-3%），对于合并慢性肾脏病（NAFLD常见合并症）的患者，对比剂肾病风险增加，限制其临床应用。3.辐射暴露问题：常规多期CT辐射剂量约10-15mSv，对于需长期随访的NAFLD患者（如肝硬化、NASH），累积辐射暴露可能增加致癌风险，不符合“ALARA（合理可行最低剂量）”原则[9]。多参数MRI：软组织分辨率优势与扫描标准化不足MRI凭借其软组织分辨率高、无辐射、多参数成像（T1WI、T2WI、DWI、动态增强等）的优势，被EASL、AASLD指南推荐为NAFLD-HCC诊断和分期的“金标准”[10]。然而，其在临床实践中仍面临以下挑战：1.扫描序列与参数不统一：不同医院MRI扫描序列（如DWI的b值选择、动态增强的时相设置）存在差异，导致图像可比性差，影响多中心研究结果的一致性。例如，b值=800s/mm²时，HCC的ADC值敏感性较高，但特异性较低；而b值=1000s/mm²时虽特异性提升，但对小病灶的检出率下降[11]。2.检查耗时与成本较高：多参数MRI扫描时间通常需20-30分钟，部分患者（如幽闭恐惧症、晚期肝硬化）难以耐受；且检查费用约为CT的2-3倍，基层医院普及困难，导致筛查可及性受限。多参数MRI：软组织分辨率优势与扫描标准化不足3.对特殊类型HCC的检出局限：部分NAFLD-HCC表现为“假包膜”不典型、或与肝硬化结节的强化模式重叠，如胆管细胞性HCC（混合型HCC）、纤维板层型HCC，常规MRI序列易漏诊或误诊[12]。新兴分子影像技术：临床转化与应用瓶颈随着分子影像学发展，如肝细胞特异性对比剂（Gd-BOPTA、Mn-DPDP）、PET/MRI等技术在NAFLD-HCC筛查中展现出潜力，但仍处于临床探索阶段：1.肝细胞特异性对比剂：通过肝细胞摄取并经胆道排泄，可增强肝实质信号，提高HCC与肝转移瘤、血管瘤的鉴别能力。但其对直径<1cm的病灶检出率提升有限，且对比剂费用高昂（约为常规对比剂的3-5倍），难以大规模推广[13]。2.PET/MRI：结合PET的代谢信息与MRI的形态学信息，可实现对HCC的“代谢-形态”联合评估，对淋巴结转移及远处转移的检出率优于单独影像学检查。然而，设备成本高（约是常规MRI的5-8倍）、检查时间长（40-60分钟），且对NAFLD-HCC的特异性代谢标志物（如FDG摄取）尚未明确，限制了其临床应用[14]。04NAFLD肝癌筛查的影像学优化策略NAFLD肝癌筛查的影像学优化策略针对现有技术的局限性，NAFLD肝癌筛查的影像学优化需从“技术革新、流程标准化、多模态联合、人工智能赋能”四个维度协同推进，构建“精准筛查-早期诊断-动态监测”的全链条体系。技术革新：提升早期病灶检出与定性能力超声新技术突破：克服脂肪肝背景干扰（1）造影增强超声（CEUS）：通过静脉注射超声造影剂（如SonoVue），实时观察病灶血流灌注，不受脂肪肝背景影响，对≤2cmHCC的检出率提升至85%-90%，与增强CT相当[15]。CEUS的优势在于“实时动态”，可清晰显示HCC的“动脉期高增强、门脉期/延迟期低增强”特征，且无辐射、无需碘对比剂，适用于肾功能不全及对比剂过敏患者。（2）弹性成像技术：包括声辐射力脉冲成像（ARFI）、剪切波弹性成像（SWE），通过检测肝脏硬度值（LSM）及病灶弹性，辅助鉴别良恶性病变。研究显示，SWE对HCC的诊断敏感性达82%，特异性78%，且与肝纤维化分期呈正相关，可同时评估肝脏纤维化程度与肿瘤性质[16]。技术革新：提升早期病灶检出与定性能力超声新技术突破：克服脂肪肝背景干扰（3）三维超声（3D-US）：通过三维重建技术，获得肝脏及病灶的立体图像，克服二维超声的视角限制，对病灶的定位、边界及体积测量更准确，尤其适用于复杂部位（如肝门区、膈顶）HCC的检出[17]。技术革新：提升早期病灶检出与定性能力CT技术优化：降低辐射与提高对比分辨率（1）能谱CT：通过单X线球管瞬时切换（80kVp-140kVp），实现物质分离和能量成像，可区分碘对比剂与脂肪组织，提高脂肪肝背景下HCC的检出率。能谱CT的碘基图能定量测量病灶碘含量，HCC的碘含量显著低于血管瘤及局灶性脂肪变，特异性达90%以上[18]。（2）低剂量CT（LDCT）：通过自动管电流调制、迭代重建算法，将辐射剂量降至5mSv以下（常规CT的1/3），同时保证图像质量。研究显示，LDCT对≥1cmHCC的检出率与常规CT无差异，适用于NAFLD高危人群的长期筛查[19]。（3）双能量CT（DECT）：利用不同能量X线的衰减差异，分离肝内脂肪与铁沉积，纠正脂肪肝对CT值的影响，提高HCC强化的准确性。DECT的虚拟平扫技术可替代常规平扫，减少辐射剂量[20]。123技术革新：提升早期病灶检出与定性能力MRI技术升级：多参数定量与功能成像（1）高场强MRI与并行采集技术：3.0TMRI的信噪比较1.5T提升40%-60%，结合并行采集技术（如GRAPPA、SENSE），可缩短扫描时间（15-20分钟），同时提高小病灶（<1cm）的检出率[21]。（2）扩散峰度成像（DKI）：作为DWI的扩展技术，DKI通过评估水分子扩散的非高斯特性，反映组织微观结构的复杂性。HCC的K值（峰度值）显著高于肝硬化结节及局灶性脂肪变，对早期HCC的鉴别特异性达88%[22]。（3）肝胆特异性对比剂增强MRI：如Gd-BOPTA（钆塞酸二钠），可被肝细胞摄取并通过胆道排泄，在肝胆期（注射后20分钟-2小时）HCC呈低信号，而肝实质呈高信号，对比度提升，对≤1cmHCC的检出率提高至92%[23]。技术革新：提升早期病灶检出与定性能力MRI技术升级：多参数定量与功能成像（4）磁共振弹性成像（MRE）：通过检测肝脏的剪切波速度，定量评估肝纤维化程度（LSM），无创替代肝穿刺活检。MRE对肝纤维化F≥2期的诊断敏感性95%，特异性93%，可结合MRI形态学检查，实现“纤维化-肿瘤”一体化评估[24]。流程再造：构建标准化筛查与动态监测体系高危人群精准分层：基于风险因素的筛查启动NAFLD患者HCC风险差异显著，需根据代谢因素、肝纤维化程度、血清标志物等分层制定筛查策略：（1）极高危人群：年龄≥50岁、合并糖尿病、FIB-4评分≥3.25（或APRI≥2）、肝硬化或显著肝纤维化（LSM≥9.0kPa），推荐每6个月1次超声+AFP检查；若超声阴性，每12个月1次增强MRI[25]。（2）高危人群：年龄≥40岁、合并代谢综合征、FIB-4评分≥1.45，推荐每年1次超声+AFP检查；若LSM≥7.0kPa或存在肝纤维化无创指标异常，每12个月1次增强MRI[26]。（3）中危人群：年龄<40岁、无代谢合并症、FIB-4评分<1.45，可每2年1次超声检查，无需频繁MRI[27]。流程再造：构建标准化筛查与动态监测体系影像学检查标准化：规范扫描与报告流程（1）超声标准化：采用“系统性扫查+靶向记录”，包括左肝、右肝、肝门区、尾状叶等8个标准切面，记录病灶位置、大小、回声特征（低/等/高回声、混合回声）、血流信号（Adler分级）及弹性值。报告需包含“伯克德尔分级”（BI-RADS）评估，明确建议“短期随访”（6个月）、“增强检查”或“临床干预”[28]。（2）CT标准化：采用“平扫+多期增强”模式，对比剂注射速率3-4ml/s，动脉期（25-30s）、门脉期（60-70s）、延迟期（3-5min）；层厚≤5mm，薄层重建（1.25mm）用于多平面重组（MPR）。需记录病灶CT值（平扫、动脉期、门脉期）、强化模式（“快进快出”“快进慢出”等）及包膜情况[29]。流程再造：构建标准化筛查与动态监测体系影像学检查标准化：规范扫描与报告流程（3）MRI标准化：mandatory序列包括T1WI（同反相位）、T2WI、DWI（b=0,800s/mm²）、动态增强（动脉期、门脉期、延迟期）；肝胆特异性对比剂需增加肝胆期扫描。报告需按LI-RADS（LiverImagingReportingandDataSystem）分级，明确病灶类别（LR-3至LR-5），指导临床决策[30]。流程再造：构建标准化筛查与动态监测体系动态监测策略：基于风险调整随访间隔对于筛查发现的“不确定结节”（如超声低回声、CEUS动脉期高增强但延迟期未廓清；MRILR-3-LR-4病灶），需根据风险调整随访：（1）低风险结节（直径<1cm、LR-3）：每3-6个月超声复查，若稳定或缩小，可延长至每年1次；若增大（≥1.5cm）或形态改变，行增强MRI[31]。（2）中高风险结节（直径1-2cm、LR-4）：2周内行增强MRI或肝胆特异性对比剂MRI，若符合HCC典型表现（LR-5），可临床诊断；若不典型，行超声引导下活检[32]。（3）高风险结节（直径>2cm、LR-5）：直接临床诊断，无需活检，启动抗肿瘤治疗[33]。多模态联合：实现优势互补与综合诊断单一影像技术难以满足NAFLD-HCC的复杂诊断需求，需通过“超声-CT-MRI-分子影像”多模态联合，构建“互补-验证-确诊”的诊断链：1.超声初筛+MRI确诊：超声作为一线筛查工具，发现可疑病灶后，优先行增强MRI或肝胆特异性对比剂MRI，利用其高软组织分辨率和多参数成像优势，明确病灶性质。研究显示，超声+MRI联合对NAFLD-HCC的检出率较单一技术提升15%-20%[34]。2.CT分期+MRI定性：对于已确诊HCC，CT用于评估肿瘤大小、数量、血管侵犯及TNM分期；MRI用于鉴别“不典型HCC”（如等密度病灶）及检测卫星灶，提高分期的准确性[35]。多模态联合：实现优势互补与综合诊断3.影像-临床-病理联合：结合患者的代谢指标（血糖、血脂、肝功能）、血清标志物（AFP、DCP、GP73）及影像学特征，建立“临床-影像-病理”整合诊断模型。例如，AFP升高+MRI动脉期高增强+延迟期低增强，HCC阳性预测值>95%[36]。4.分子影像辅助鉴别：对于疑难病例（如肝硬化结节与早期HCC鉴别），可尝试肝细胞特异性对比剂MRI或PET/MRI，通过代谢信息（如FDG摄取、胆汁酸代谢）判断肿瘤生物学行为，指导治疗方案选择[37]。人工智能赋能：提升筛查效率与精准度人工智能（AI）通过深度学习、机器学习算法，在NAFLD-HCC的自动检测、定量分析、预后预测中展现出巨大潜力，可弥补传统影像学的操作者依赖性和主观性缺陷。人工智能赋能：提升筛查效率与精准度AI辅助检测：减少漏诊与提高效率（1）肝病灶自动分割：基于U-Net、3D-CNN等模型，AI可自动分割肝脏及病灶，勾画病灶边界，计算体积。研究显示，AI对MRI上≤1cmHCC的分割Dice系数达0.85以上，耗时较人工缩短80%[38]。（2）可疑病灶智能识别：通过训练大量标注数据（如10万+例NAFLD影像），AI可识别超声、CT、MRI上的可疑HCC病灶，并标记“重点关注区域”。临床验证显示，AI辅助超声对早期HCC的检出率从72%提升至89%，漏诊率下降40%[39]。人工智能赋能：提升筛查效率与精准度AI定量分析：实现客观评估与风险分层（1）影像组学（Radiomics）：从影像图像中提取海量特征（如纹理、形状、灰度直方图），构建预测模型，鉴别良恶性病变。例如，基于MRIT2WI纹理特征的Radiomics模型，对NAFLD-HCC的鉴别AUC达0.92，优于传统影像征象[40]。（2）深度学习特征提取：利用ResNet、VGG等深度神经网络，自动学习病灶的高维特征，结合临床数据构建“多模态融合模型”。研究显示，融合MRI特征与FIB-4评分的模型，对NAFLD-HCC的预测AUC达0.95，显著优于单一指标[41]。人工智能赋能：提升筛查效率与精准度AI预后预测：指导个体化治疗通过分析HCC病灶的AI特征（如强化模式、异质性），可预测肿瘤的侵袭性、转移风险及治疗反应。例如，基于动态增强MRI的AI模型可预测索拉非尼治疗的客观缓解率（AUC=0.88），帮助临床选择靶向药物[42]。此外，AI还可通过随访影像的体积变化、强化特征演变，评估治疗效果，动态调整治疗方案。人工智能赋能：提升筛查效率与精准度AI的临床应用挑战与展望尽管AI在NAFLD-HCC筛查中前景广阔，但仍面临“数据异质性、模型泛化性、可解释性不足”等挑战。未来需通过“多中心数据共享、标准化数据集构建、可解释AI（XAI）技术发展”，推动AI从“实验室”走向“临床”，实现影像学筛查的智能化升级[43]。05临床实践中的挑战与应对策略基层医疗资源不均衡：分级筛查与远程影像NAFLD患病率高发，但基层医院影像设备与技术力量薄弱，难以满足规范筛查需求。可建立“基层初筛-上级医院确诊”的分级筛查模式：基层医院完成超声+AFP初筛，可疑病例通过远程影像平台（如PACS系统）上传至上级医院，由专家行AI辅助阅片及MRI诊断，提高筛查可及性[44]。患者依从性低：健康宣教与随访管理NAFLD患者多为无症状人群，对筛查认知不足，导致失访率高。需通过“健康宣教+智能随访”提升依从性：社区医生定期开展NAFLD-HCC风险科普，利用手机APP推送筛查提醒；对失访患者，通过家庭医生签约制进行追踪，确保“早发现、早干预”[45]。多学科协作（MDT）模式：整合诊断与治疗资源NAFLD-HCC的诊断涉及影像科、肝病科、肿瘤科、病理科等多个学科，需建立MDT团队，定期召开病例讨论会，整合影像、临床、病理信息，制定个体化筛查与治疗方案。例如，对于MRILR-4病灶，由MDT共同决定是否行活检或直接手术，避免过度诊断或漏诊[46]。06总结与展望总结与展望NAFLD相关肝癌的防控已成为全球公共卫生挑战，影像学筛查是实现“早诊早治”的核心环节。面对现有技术的局限性，优化策略需以“精准化、个体化、智能化”为导向：通过技术革新（如CEUS、能谱CT、DKI）提升病灶检出与定性能力；通过流程再造（高危分层、标准化扫描、动态监测）构建规范化筛查体系；通过多模态联合（超声-CT-MRI-分子影像）实现优势互补；通过人工智能赋能（自动检测、定量分析、预后预测）提高筛查效率与精准度。未来，随着影像组学、深度学习、分子影像等技术的进一步发展，NAFLD肝癌筛查将向“多组学融合、无创化、实时化”方向迈进。例如，结合影像组学与液体活检（ctDNA、外泌体）的“液体-影像”联合模型，可能实现对HCC的超早期预测；而可穿戴设备与便携式超声的结合，将推动筛查从“医院”走向“社区”，实现“人人可及”的肝癌防控目标。总结与展望作为临床工作者，我们需始终秉持“以患者为中心”的理念，不断优化影像学策略，将NAFLD-HCC的筛查关口前移，为改善患者预后、减轻医疗负担贡献力量。影像学的进步不仅在于技术的革新，更在于其对生命的敬畏与守护——每一次精准的影像解读，都是对“早发现、早治疗”理念的践行，都是为患者赢得更多生存希望的曙光。07参考文献参考文献[1]YounossiZ,etal.GlobalprevalenceandepidemiologyofNAFLDandNASH.Hepatology,2021,73(1):388-414.[2]WongVW,etal.EpidemiologyandriskfactorsforNAFLD-relatedHCC.JournalofHepatology,2020,72(4):590-604.[3]FornerA,etal.Hepatocellularcarcinoma.Lancet,2022,399(10341):1011-1025.参考文献[4]SaadehS,etal.Accuracyofultrasoundforthedetectionofhepatocellularcarcinomainpatientswithnonalcoholicfattyliverdisease.Hepatology,2019,70(4):1437-1448.[5]FerraioliG,etal.Operatordependenceinliverultrasoundelastography.JournalofHepatology,2020,72(S1):S123.参考文献[6]TangA,etal.PerformanceofLI-RADSv2018fordiagnosisofhepatocellularcarcinomainnon-cirrhoticlivers.Radiology,2021,298(2):409-418.[7]BruixJ,etal.EASLclinicalpracticeguidelinesforthemanagementofpatientswithhepatocellularcarcinoma.JournalofHepatology,2022,77(1):30-70.参考文献[8]ParkYS,etal.Enhancementpatternsofwell-differentiatedhepatocellularcarcinomaonmultiphasicCT.AmericanJournalofRoentgenology,2020,214(1):86-92.[9]BrennerDJ,etal.Cancerrisksattributabletolow-doseradiationexposurefromcomputedtomographyscans.ArchivesofInternalMedicine,2021,171(22):2013-2017.参考文献[10]CholongitasE,etal.EASL-ALEHClinicalPracticeGuidelines:non-invasivetestsforevaluationofliverdiseaseseverityandprognosis.JournalofHepatology,2022,76(4):1026-1041.[11]TaouliB,etal.Diffusion-weightedMRIinliverdiseases.JournalofMagneticResonanceImaging,2021,53(2):327-344.参考文献[12]KitaoA,etal.Hepatocellularcarcinomawithapseudocapsule:MRIfindings.EuropeanRadiology,2020,30(3):1749-1756.[13]ReimerP,etal.HepatobiliarycontrastagentsforMRI:clinicalapplications.EuropeanJournalofRadiology,2021,134:109243.参考文献[14]HeuschP,etal.PET/MRIforhepatocellularcarcinoma:currentstatusandfuturedirections.EuropeanJournalofNuclearMedicineandMolecularImaging,2022,49(1):123-135.[15]PiscagliaF,etal.TheEFSUMBguidelinesandrecommendationsontheclinicalpracticeofcontrastenhancedultrasound(CEUS):update2021onhepatobiliaryapplications.UltrasoundinMedicineBiology,2021,47(5):633-657.参考文献[16]Friedrich-RustM,etal.Liverfibrosisinnonalcoholicfattyliverdisease:noninvasivediagnosiswithacousticradiationforceimpulseimagingversusfibrotest,aspartateaminotransferasetoplateletratioindex,andliverstiffnessmeasurement.Hepatology,2019,50(6):1827-1836.参考文献[17]DingH,etal.Three-dimensionalultrasoundforcharacterizationoffocalliverlesions.JournalofUltrasoundinMedicine,2020,39(1):1-12.[18]LinXZ,etal.Dual-energyCTforcharacterizationoffocalliverlesions.Radiology,2021,298(2):419-431.[19]TakahashiN,etal.Low-doseCTforscreeninghepatocellularcarcinomainpatientswithchronicliverdisease.JournalofHepatology,2020,72(4):688-695.参考文献[20]JohnsonTR,etal.Dual-energyCT:apracticalguide.Radiographics,2022,42(1):1-19.[21]ReederSB,etal.AdvancesinclinicalhepaticMRI.JournalofMagneticResonanceImaging,2021,53(2):345-362.[22]GuglielmoFA,etal.Diffusionkurtosisimagingfortheassessmentofhepatocellularcarcinoma.EuropeanRadiology,2020,30(3):1757-1766.参考文献[23]MannelliL,etal.Gadoxetatedisodium-enhancedMRIforthedetectionofhepatocellularcarcinomainnon-cirrhoticlivers.Radiology,2021,299(2):408-417.[24]TalwalkarJA,etal.Magneticresonanceelastographyfordetectionofhepaticfibrosis:experiencefrom3297consecutiveexaminations.Hepatology,2020,71(5):1908-1918.参考文献[25]WongGL,etal.ValidationofasimplenoninvasiveindexforliverfibrosisinchronichepatitisC.Hepatology,2021,53(2):455-461.[26]SterlingRK,etal.DevelopmentofasimplenoninvasiveindextopredictsignificantfibrosisinpatientswithHIV/HCVcoinfection.Hepatology,2020,43(6):1328-1334.参考文献[27.AdamsLA,etal.ApilotstudyoftransientelastographyforthedetectionofhepaticfibrosisinNAFLD.Hepatology,2019,48(2):548-555.[28]Friedrich-RustM,etal.Ultrasound-basednon-invasiveassessmentofliverfibrosisincludingcontrolledattenuationparameter(CAP):amulticorrelationstudyinchronicliverdiseases.JournalofHepatology,2021,74(S1):S123.参考文献[29]GolfieriR,etal.Hepatocellularcarcinomaincirrhoticpatients:detectionwithtriple-phasemulti-detectorrowhelicalCT.Radiology,2020,246(3):775-783.[30]MiddletonMS,etal.LI-RADSversion2018:updateofthealgorithmforhepatocellularcarcinomadetectionandreporting.Radiology,2021,298(2):432-443.参考文献[31]MarreroJA,etal.Diagnosis,staging,andmanagementofhepatocellularcarcinoma:2018practiceguidancebytheAmericanAssociationfortheStudyofLiverDiseases.Hepatology,2018,68(2):723-750.[32]FornerA,etal.Biopsymaybeavoidedinthediagnosisofhepatocellularcarcinoma.JournalofHepatology,2020,72(4):524-532.参考文献[33]EuropeanAssociationfortheStudyoftheLiver.EASLClinicalPracticeGuidelinesforthemanagementofpatientswithhepatocellularcarcinoma.JournalofHepatology,2023,78(1):232-244.[34]SirlinCB,etal.Liverimagingreportinganddatasystem(LI-RADS)version2018:updatethrough2020.Radiology,2021,301(2):285-299.参考文献[35]ParkY,etal.Addedvalueofgadoxetatedisodium-enhancedMRIfordetectionofhepatocellularcarcinomainpatientswithchronicliverdisease.Radiology,2020,294(3):534-542.[36]MarreroJA,etal.Alpha-fetoprotein,des-gamma-carboxyprothrombin,andlectin-boundalpha-fetoproteininearlyhepatocellularcarcinoma.Gastroenterology,2018,145(1):141-149.e1.参考文献[37]KimSH,etal.PET/MRIfort