血管包裹肿瘤簇在肝细胞癌影像诊疗中的临床应用专家共识（2026年版）

血管包裹肿瘤簇在肝细胞癌影像诊疗中的临床应用专家共识（2026年版）【摘要】血管包裹肿瘤簇（VETC）是肿瘤独特的组织学血管模式，与新的转移机制相关。近年来，VETC在肝细胞癌（HCC）中发生率及其预后意义备受关注。现有研究表明，VETC是肝切除和肝移植术后复发和总生存率的独立预测因子，并逐渐成为HCC研究的热点。此外，VETC还可能作为预测靶向治疗、介入治疗及其联合方案疗效的生物标志物。然而，目前国际上对HCC中VETC报告和临床应用尚未形成统一标准。为促进VETC在HCC预后评估与治疗决策中的规范化、可操作性应用，中国研究型医院学会放射学专业委员会和上海抗癌协会实体肿瘤聚焦诊疗专业委员会组织国内影像学、肝胆外科、介入学、肿瘤学、病理学等诊治领域的相关专家，基于现有循证医学证据并结合临床实践，经过多轮讨论与反复修订，形成《血管包裹肿瘤簇在肝细胞癌诊断与治疗中的临床应用中国专家共识（2026年版）》，以供国内同行参考，并将随证据积累持续更新完善。【关键词】肝细胞癌;血管包裹肿瘤簇;预后评估;治疗决策;专家共识原发性肝癌是全球第六大常见癌症和第三大癌症死亡原因[1]。其中，肝细胞癌（hepatocellularcarcinoma，HCC）占比高达75%～85%[2]。手术切除和肝移植是当前HCC的常用治疗手段，但手术5年生存率约为18%，复发率高达80%[1]，其高复发率主要归因于早期转移。上皮间质转移（epithelialmesenchymaltransition，EMT）被认为是肿瘤复发和转移的经典机制[3]。近年来，研究发现一种独特的血管模式与新的转移机制密切相关，不同于EMT转移模式，血管包裹肿瘤簇（vesselsencapsulatingtumorclusters，VETC）是肿瘤细胞团块被连续的内皮细胞层完全包裹，血管呈网络状围绕肿瘤簇排列，这种VETC模式的血管与瘤周血管之间吻合使得肿瘤细胞能够以“整体簇”的形式直接进入血管系统[4-7]。研究进一步表明，VETC模式不仅是HCC侵袭性的强有力预测指标，更是肝癌切除术后的重要不良预后因素[8]。此外，VETC模式还可作为预测靶向治疗及其联合免疫治疗疗效的生物标志物[9-10]。然而，目前国际上对于VETC在HCC中诊断、预测和治疗中的临床应用尚未形成统一共识。为此我们组织国内影像学、肝胆外科、介入学、肿瘤学、病理学等诊治领域的相关专家，基于现有的循证医学证据并结合临床实践，经过多次讨论，形成《血管包裹肿瘤簇在肝细胞癌影像诊疗中的临床应用专家共识（2026年版）》（以下简称“共识”）。未来，本共识将随着循证医学证据的不断积累而进一步更新和完善。本共识严格遵循科学性、规范性与实用性原则，经由多学科专家组协作完成。首先，系统检索PubMed、WebofScience、Embase、中国知网、万方数据和维普数据库等国内外文献库，全面收集与VETC相关的回顾性研究、基础研究、临床研究及综述类文献。在此基础上，专家组结合最新研究证据与临床实践经验，经过多轮内部及外部意见征询，反复修订形成共识初稿。最终，稿件经专业委员会审定并通过同行评议后定稿。针对关键问题的提出与建议，采用五点李克特量表（非常同意、同意、不一定、不同意、非常不同意）进行评分。若专家组成员的参与率≥90%，且总票数中“非常同意”或“同意”的比例达到≥80%，则该建议被正式采纳。鉴于现有关于VETC的研究多为回顾性研究，整体证据强度有限，证据等级不高。因此，本共识暂不对相关证据进行分级评价，未来仍需更多设计严谨的高质量前瞻性研究予以进一步验证和支持。一、肝细胞癌VETC的病理诊断VETC血管模式的特征是连续排列的窦状血管，血管分离并包裹单个肿瘤簇，形成独特的蛛网状结构[11]。VETC的组成成分主要包括内皮细胞、肝星状细胞和基底膜[12]。虽然在常规HE染色切片上可观察到被内皮细胞覆盖的小肿瘤簇[13]，但多数研究采用抗CD34抗体进行免疫组织化学染色来突出显示内皮细胞[12,14-15]。在既往研究中，VETC多被作为二分类变量（阳性/阴性）进行报告，并以VETC血管模式在肿瘤组织中所占面积比例≥55%作为界定VETC阳性与阴性表型的临界值[8,16-19]。该临界值源于一项利用组织微阵列评估VETC的研究[8]，而对采用整张组织切片评估的研究而言，该临界值可能不具普适性。事实上，VETC的真实患病率和严重程度更适宜通过手术切除或移植器官标本进行量化，难以通过组织微阵列或肝活检来量化[12]。多项研究采用VETC血管模式在肿瘤组织中所占面积比例≥5%作为临界值，用以区分VETC阳性与阴性表型[20-22]。有研究表明，与VETC模式＜5%的患者相比，VETC模式≥5%的患者的总体生存率和无病生存期明显较差，且VETC模式在5%～49%和≥50%的患者之间没有显著差异[20]。因此，对于肝癌组织切除标本，建议以5%作为更具可操作性的界定阈值。推荐意见一：本共识推荐采用抗CD34免疫组织化学标本诊断VETC，并以临界值为5%来界定VETC阳性和VETC阴性。二、肝细胞癌VETC标本取材法目前，肝癌切除标本的常用取材方法有3点法、7点法、13点法等，根据海军军医大学第三附属医院团队的研究结果，7点法对于MVI的诊断率与13点法相当且操作更为简便[23]。因此，在肝癌手术切除后的组织取材过程中，建议参考《原发性肝癌规范化病理诊断指南（2015年版）》的7点取材法[24]。即在肝癌标本取材过程中，每例标本取材应包含5块肿瘤组织及2块癌旁肝组织，选取出血坏死少、组织完整的剖面，分别在12、3、6和9点的位置上于癌与癌旁肝组织交界处取材，癌与癌旁肝组织的比例约为1∶1，对距肿瘤边缘≤1cm（近癌旁肝组织或切缘）和＞1cm（远癌旁肝组织或切缘）范围内的肝组织分别取材。常用的染色方法包括HE染色和免疫组织化学染色（IHC）[25]。在染色切片的选择上，鉴于成本效益与诊断准确性的平衡，建议：首先，对所有7点取材的组织进行常规HE染色以评估组织完整性；然后，从中选取肿瘤组织最具代表性（如肿瘤细胞丰富、结构清晰）的1～2个组织进行CD34免疫组织化学染色。若为精确评估VETC的肿瘤内异质性或以科研为目的，则应对所有7个组织均进行CD34染色。在VETC的面积评估阶段，对于多张CD34染色切片，应采用基于“热点区”的判定原则：即综合观察所有染色切片，取肿瘤组织中VETC血管模式所占面积比例的最高值作为该病例的判定依据。此策略旨在捕捉肿瘤最具侵袭性的生物学特征，避免因取样局限或肿瘤异质性而导致的假阴性结果[26]。推荐意见二：推荐使用7点法对肝癌标本进行取材，采用HE染色和免疫组织化学检测，优选CD34抗体进行标记。三、肝细胞癌VETC的计算机断层扫描影像特征CT可较精确评估肿瘤大小、数目、包膜、边界等情况，结合多期动态增强扫描所反映的血供特征，可作为预测VETC的有效工具。多项研究基于CT影像特征对VETC阳性HCC患者的预测价值进行了探讨。Yu等[21]纳入了50例术前接受光谱CT检查且经组织病理学确诊的HCC患者，研究发现由光谱CT衍生的肿瘤内乏血供区域占比（≥20%）和平衡期碘浓度更高在HCC中预测VETC具有显著潜力。Wang等[27]纳入290名HCC患者，多因素分析显示肿瘤最大直径、非周边廓清以及包膜增强与VETC阳性HCC相关。Wei等[28]从平扫期、动脉期及静脉期CT图像中提取影像组学特征，经LASSO回归筛选出4个关键特征，并结合甲胎蛋白这一临床指标，构建了预测HCC患者VETC表型的联合模型，该模型显示出良好的预测性能。Ding等[29]研究发现，动脉期CT值、肿瘤内动脉及肿瘤内坏死是VETC阳性HCC患者的独立危险因素。Feng等[30]共纳入170例患者，研究发现VETC阳性HCC肿瘤直径＞5cm和肿瘤坏死是VETC分型的独立预测因素。Pan等[31]纳入了324名HCC患者，研究发现VETC阳性的HCC患者更常见肿瘤直径＞5cm、坏死、边缘不光滑、靶征、瘤内动脉等影像表现。Liu等[32]纳入了243名HCC患者，研究发现总胆红素＞17.1μmol/L，甲胎蛋白＞100ng/mL，瘤内动脉和动脉期瘤周强化是VETC阳性HCC患者的独立危险因素。Wang等[33]纳入了84名HCC患者，研究发现天冬氨酸转氨酶/丙氨酸转氨酶（AST/ALT）＞1.07，瘤内坏死和包膜增强为VETC阳性HCC患者的独立预测因子。推荐意见三：术前无创预测VETC可尝试利用CT影像特征评估，同时建议开展多中心研究并建立深度学习模型，以提升VETC预测的稳定性与泛化性。四、肝细胞癌VETC的磁共振成像影像特征MRI因其高分辨率、多参数成像能力以及增强MRI、肝胆特异期成像与影像组学的应用，成为预测VETC的重要手段。Li等[34]使用6个b值获取了弥散加权图像，计算了来自扩散峰度（diffusionkurtosisimaging，DKI）、拉伸指数、分数阶微积分和连续时间随机游走（continuous-timerandom-walkdiffusion，CTRW）模型的多种扩散参数以及表观弥散系数（apparentdiffusioncoefficient，ADC），研究结果发现DKI_K和CTRW_α在预测HCC的VETC模式优于ADC。Chen等[15]发现肿瘤大小、不均匀性强化伴分隔、不规则的环形强化、坏死是预测VETC模式的重要因素。Fan等[35]研究发现，天冬氨酸转氨酶＞40U/L、动脉期呈现非环状弥漫性且不均匀强化、动脉期肿瘤/肝脏信号强度比值≥1.135以及肝胆期肿瘤/肝脏信号强度比值≤0.585是预测VETC阳性HCC的独立预测因子。Fan等[36]用LASSO回归分别在动脉期和肝胆期图像中筛选影像组学特征，并指出动脉期提取的Log-sigma-4.0-mm-3D一阶峰度和肝胆期提取的Wavelet-LHLGLDMDependenceNonUniformityNormalized与VETC阳性HCC显著相关。Yu等[14]基于钆塞酸二钠增强MRI肝胆期图像提取瘤内与瘤周影像组学特征并构建机器学习模型，结果表明瘤周影像组学特征的模型对VETC的预测优于瘤内影像组学模型，且该瘤周模型在预测VETC阳性和阴性患者的早期复发和无进展生存期时显示有明显差异。Chu等[18]用钆塞酸二钠增强MRI构建可同时预测MVI和VETC的深度学习模型，为术前预后分层与个体化风险评估提供了新思路。Dong等[37]从增强MRI动脉期、门脉期和延迟期的瘤内和瘤周影像组学特征，结合深度神经网络和机器学习分类器（逻辑回归、决策树、随机森林、支持向量机、K近邻和朴素贝叶斯）开发肿瘤瘤内和瘤周的深度学习模型，机器学习模型和临床影像学模型，研究结果发现基于门脉期瘤周的深度学习模型，相较于临床影像学模型和机器学习模型，表现更为出色。Feng等[38]从肝胆期图像提取分形维数和空隙度并联合常规影像学特征构建的模型，提示引入分形参数后诊断性能可进一步提升。推荐意见四：术前无创预测VETC可尝试利用MRI影像特征评估。建议进一步开展肝胆特异期成像、影像组学与深度学习等新兴技术研究，并通过多中心验证提高模型的可解释性与临床可推广性。五、肝细胞癌VETC的超声造影影像特征超声造影（contrast-enhancedultrasound，CEUS）能够实时动态显示肿瘤微循环灌注特征，在评估HCC血管结构及分布方面具有独特优势，为术前无创预测VETC提供了重要依据。杨等[39]报道术前CEUS可有效诊断VETC阳性HCC，其术后2年的复发率显著高于VETC阴性HCC。Lan等[40]发现VETC阴性HCC在CEUS动脉期多表现为大面积弥漫性强化，而VETC阳性HCC则更倾向于呈裂隙状以及条索状逐渐向中央填充。Xu等[41]使用术前CEUS图像建立深度学习模型预测HCC患者中VETC模式，结合甲胎蛋白、环形强化和局部不增强等独立预测因素开发的模型能很好地识别VETC阳性HCC，此外甲胎蛋白、肿瘤内无强化以及CEUS动脉期灌注模式与VETC阳性HCC呈独立相关[42]。综上，CEUS在VETC阳性HCC的术前识别及复发风险评估中具有一定的临床价值。推荐意见五：可尝试使用术前CEUS影像特征无创性的评估VETC阳性HCC。建议结合定量参数及影像组学方法，开展多中心研究以构建标准化预测模型，提升预测效能。六、肝细胞癌VETC指导治疗选择肝癌治疗仍以外科手术为基石，其中解剖性肝切除术的应用，可使VETC阳性患者术后两年复发风险明显下降，生存获益显著提升[39]。肝移植因严格遵循广泛应用的米兰标准，已被公认为一种有效的治疗策略，Toshida团队[43]研究发现经肝移植术后的VETC阳性HCC患者的雷帕霉素靶蛋白（mechanistictargetofrapamycin，mTOR）表达高于VETC阴性患者，另有研究报道，为期3个月的mTOR抑制剂治疗能改善HCC肝移植患者的生存结局，并在VETC阳性HCC患者中产生抗肿瘤作用[44]。Chen等[45]研究发现VETC阳性HCC患者癌旁转移发生率显著高于VETC阴性HCC患者，对于初次肝切除术后早期复发的VETC阳性HCC患者，重复肝切除术相较于射频消融术更具安全性优势，并能带来更好的生存获益。经导管动脉化疗栓塞（transcatheterarterialchemoembolization，TACE）是预防HCC术后复发、提高生存率的常用方法。Wang等[10]研究表明VETC模式可作为HCC患者肝切除术后辅助性TACE获益的预测因子。Lin等[9]同样发现VETC阳性患者接受辅助性TACE治疗后获益更明显。He等[46]研究表明，与仅经过TACE治疗的患者相比，经TACE联合抗血管生成及免疫疗法治疗的HCC患者VETC阳性表达更低，提示VETC模式可作为新辅助治疗疗效评价的指标之一。索拉非尼作为多靶点酪氨酸激酶抑制剂是晚期HCC推荐的一线全身治疗。Fang等[47]研究发现索拉非尼可有效延长VETC阳性患者的生存期，但对VETC阴性患者的生存获益不明显，提示VETC模式可作为索拉非尼对HCC患者获益的潜在预测指标。与索拉非尼相比，肝动脉灌注化疗（Hepaticarterialinfusionchemotherapy，HAIC）可通过向肿瘤相关肝动脉分支输送更高局部浓度的化疗药物，提高肿瘤杀伤并改善预后[48]。Lin等[49]研究发现，VETC模式与接受HAIC的患者的肿瘤反应和长期生存率密切相关，VETC模式有望成为预测HAIC疗效的可靠指标。血管生成素Ang1、Ang2和VEGFA是重要的血管生成分子，VEGFA促进内皮细胞的增殖、存活和运动，从而启动血管生成过程，而Ang1和Ang2调节血管重建和成熟[50]。Fang等[11]发现只有Ang2在VETC阳性肝癌组织中表达显著高于VETC阴性，不仅血管内皮细胞中可见Ang2信号，在VETC阳性肿瘤细胞中亦可检测到明显的Ang2信号，提示Ang2对VETC的形成可能必不可少，因此，抗Ang2治疗可能通过抑制VETC形成而使VETC阳性患者获益。综上，VETC模式不仅是HCC侵袭性行为的重要生物标志物，也是指导治疗决策和预测预后的关键因素。推荐意见六：对于VETC阳性早期HCC患者，推荐解剖性肝切除；对于肝移植后可联合mTOR抑制剂治疗改善其术后早期复发；对于VETC阳性中晚期HCC患者，建议在治疗决策中考虑多靶点酪氨酸激酶抑制剂（如索拉非尼）和具有抗Ang2作用的药物治疗；对于无法手术切除的VETC阳性HCC患者，建议HAIC和TACE或联合抗血管生成及免疫检查点抑制剂治疗等联合策略。七、肝细胞癌VETC的未来展望VETC模式不仅是侵袭性HCC的有力预测因子，也是HCC切除术后的不良预后因素之一[8]。近年来，围绕VETC的诊断、预测与治疗都取得了一定进展，但仍有诸多问题有待解决。例如：（1）VETC模式的评估主要依赖于病理学，且对于VETC检测阈值的选择尚未达成共识。（2）VETC阳性HCC在CT、MRI等多种影像检查均表现为一系列典型的影像特征，这些特征可用于肿瘤的术前诊断，且在预后预测和疗效评估也有独特优势，但尚未普及至临床实践。（3）VETC模式可预测接受辅助性TACE治疗和索拉非尼治疗的中晚期肝癌患者的疗效，但VETC在不可切除HCC的治疗评估中的价值仍需进一步的研究。（4）现有研究的绝大多数患者来自中国、日本和韩国人群，还需要在其他地区人群中进行进一步的研究。（5）未来研究可转向多中心和大样本的前瞻性试验，结合人工智能进一步提高VETC的诊断效能，以实现更佳的泛化性和鲁棒性。参考文献[1]VogelA,MeyerT,SapisochinG,etal.Hepatocellularcarcinoma[J].Lancet,2022,400(10360):1345-1362.[2]SiegelRL,GiaquintoAN,JemalA.Cancerstatistics,2024[J].CACancerJClin,2024,74(1):12-49.[3]LuL,WeiW,HuangC,etal.Anewhorizoninriskstratificationofhepatocellularcarcinomabyintegratingvesselsthatencapsulatetumorclustersandmicrovascularinvasion[J].HepatolInt,2021,15(3):651-662.[4]FangJH,ZhouHC,ZhangC,etal.Anovelvascularpatternpromotesmetastasisofhepatocellularcarcinomainanepithelial-mesenchymaltransition-independentmanner[J].Hepatol(baltimMd),2015,62(2):452-465.[5]MazzieriR,PucciF,MoiD,etal.TargetingtheANG2/TIE2axisinhibitstumorgrowthandmetastasisbyimpairingangiogenesisanddisablingreboundsofproangiogenicmyeloidcells[J].CancerCell,2011,19(4):512-526.[6]SaharinenP,EklundL,PulkkiK,etal.VEGFandangiopoietinsignalingintumorangiogenesisandmetastasis[J].TrendsMolMed,2011,17(7):347-362.[7]HanleyKL,FengGS.AnewVETCinhepatocellularcarcinomametastasis[J].Hepatol(baltimMd),2015,62(2):343-345.[8]RenneSL,WooHY,AllegraS,etal.VesselsEncapsulatingTumorClusters(VETC)IsaPowerfulPredictorofAggressiveHepatocellularCarcinoma[J].Hepatology,2020,71(1):183-195.[9]LinC,HeY,LiuM,etal.VesselsThatEncapsulateTumorClusters(VETC)PredictcTACEResponseinHepatocellularCarcinoma[J].JHepatocellCarcinoma,2023,10:383-397.[10]WangJH,LiXS,TangHS,etal.Vesselsthatencapsulatetumorclusters(VETC)patternpredictstheefficacyofadjuvantTACEinhepatocellularcarcinoma[J].JCancerResClinOncol,2023,149(8):4163-4172.[11]FangJH,ZhouHC,ZhangC,etal.Anovelvascularpatternpromotesmetastasisofhepatocellularcarcinomainanepithelial-mesenchymaltransition-independentmanner[J].Hepatology,2015,62(2):452-465.[12]LiuK,DennisC,PrinceDS,etal.Vesselsthatencapsulatetumourclustersvascularpatterninhepatocellularcarcinoma[J].JHEPRep,2023,5(8):100792.[13]AkibaJ,NakayamaM,SadashimaE,etal.Prognosticimpactofvesselsencapsulatingtumorclustersandmacrotrabecularpatternsinhepatocellularcarcinoma[J].PatholResPract,2022,238:154084.[14]YuY,FanY,WangX,etal.Gd-EOB-DTPA-enhancedMRIradiomicstopredictvesselsencapsulatingtumorclusters(VETC)andpatientprognosisinhepatocellularcarcinoma[J].EurRadiol,2022,32(2):959-970.[15]ChenFM,DuM,QiX,etal.NomogramEstimatingVesselsEncapsulatingTumorClustersinHepatocellularCarcinomaFromPreoperativeGadoxetateDisodium-EnhancedMRI[J].JMagnResonImaging,2023,57(6):1893-1905.[16]ZhangP,OnoA,FujiiY,etal.Thepresenceofvesselsencapsulatingtumorclustersisassociatedwithanimmunosuppressivetumormicroenvironmentinhepatocellularcarcinoma[J].IntJCancer,2022,151(12):2278-2290.[17]ChenZY,GuoZX,LuLH,etal.Thepredictivevalueofvesselsencapsulatingtumorclustersintreatmentoptimizationforrecurrentearly-stagehepatocellularcarcinoma[J].CancerMed,2021,10(16):5466-5474.[18]ChuT,ZhaoC,ZhangJ,etal.ApplicationofaConvolutionalNeuralNetworkforMultitaskLearningtoSimultaneouslyPredictMicrovascularInvasionandVesselsthatEncapsulateTumorClustersinHepatocellularCarcinoma[J].AnnSurgOncol,2022,29(11):6774-6783.[19]GuanR,LinW,ZouJ,etal.DevelopmentandValidationofaNovelNomogramforPredictingVesselsthatEncapsulateTumorClusterinHepatocellularCarcinoma[J].CancerControl,2022,29:10732748221102820.[20]AkibaJ,NakayamaM,SadashimaE,etal.Prognosticimpactofvesselsencapsulatingtumorclustersandmacrotrabecularpatternsinhepatocellularcarcinoma[J].PatholResPract,2022,238:154084.[21]YuY,LiangX,HouG,etal.Spectralcomputedtomographyparametersforpredictingvesselsencapsulatingtumorclusters(VETC)patterninhepatocellularcarcinoma:apilotstudy[J].QuantImagingMedSurg,2025,15(4):3285-3297.[22]RenneSL,WooHY,AllegraS,etal.Vesselsencapsulatingtumorclusters(VETC)isapowerfulpredictorofaggressivehepatocellularcarcinoma[J].Hepatol(baltimMd,),2020,71(1):183-195.[23]ShengX,JiY,RenGP,etal.Astandardizedpathologicalproposalforevaluatingmicrovascularinvasionofhepatocellularcarcinoma:amulticenterstudybyLCPGC[J].HepatolInt,2020,14(6):1034-1047.[24]丛文铭,步宏,陈杰,等.原发性肝癌规范化病理诊断指南(2015年版)[J].解放军医学杂志,2015,40(11):865-872.[25]中国医师协会肝癌专业委员会.肝细胞癌伴微血管侵犯诊断和治疗中国专家共识(2024版)[J/OL].中华普通外科学文献(电子版),2024,18(5):313.[26]DingT,XuJ,ZhangY,etal.Endothelium-coatedtumorclustersareassociatedwithpoorprognosisandmicrometastasisofhepatocellularcarcinomaafterresection[J].Cancer,2011,117(21):4878-4889.[27]WangM,WangY,CaoL,etal.LI-RADSCTandMRImajorfeatureassociationwithvesselsencapsulatingtumorclusterspatternandrecurrenceinhepatocellularcarcinoma:apreliminarystudy[J].JGastrointestSurg:OffJSocSurgAlimentTract,2025,29(11):102181.[28]WeiY,HuangS,HuangL,etal.CT-basedradiomicsfeaturescombinedwithAFPforpredictingvesselsencapsulatingtumorclustersandprognosisofhepatocellularcarcinoma[J].JHepatocellCarcino,2025,12:2069-2081.[29]DingQ,DengX,HuangJ,etal.ApplicationvalueofenhancedCTimagingfeaturesinpredictingvesselsencapsulatingtumorclusters(VETC)positivityinhepatocellularcarcinoma[J].CurrMedImaging,2025,21:e15734056361565.[30]FengZ,LiH,ZhaoH,etal.PreoperativeCTforcharacterizationofaggressivemacrotrabecular-massivesubtypeandvesselsthatencapsulatetumorclusterspatterninhepatocellularcarcinoma[J].Radiology,2021,300(1):219-229.[31]PanJ,HuangH,ZhangS,etal.IntraindividualcomparisonofCTandMRIforpredictingvesselsencapsulatingtumorclustersinhepatocellularcarcinoma[J].EurRadiol,2025,35(1):61-72.[32]LiuZ,MaoY,LiuL,etal.PreoperativeCTfeaturesforcharacterizationofvesselsthatencapsulatetumorclustersinhepatocellularcarcinoma[J].EurJRadiol,2024,179:111681.[33]WangY,WangM,CaoL,etal.Anomogramforpreoperativepredictionofvesselsencapsulatingtumorclusters(VETC)patternandprognosisofhepatocellularcarcinoma[J].AmJSurg,2024,234:172-178.[34]LiC,WenY,XieJ,etal.PreoperativepredictionofVETCinhepatocellularcarcinomausingnon-Gaussiandiffusion-weightedimagingathighbvalues:apilotstudy[J].FrontOncol,2023,13:1167209.[35]FanY,YuY,HuM,etal.ImagingfeaturesbasedonGd-EOB-DTPA-enhancedMRIforpredictingvesselsencapsulatingtumorclusters(VETC)inpatientswithhepatocellularcarcinoma[J].BrJRadiol,2021,94(1119):20200950.[36]FanY,YuY,WangX,etal.TextureAnalysisBasedonGd-EOB-DTPA-EnhancedMRIforIdentifyingVesselsEncapsulatingTumorClusters(VETC)-PositiveHepatocellularCarcinoma[J].JHepatocellCarcinoma,2021,8:349-359.[37]DongX,YangJ,ZhangB,etal.DeepLearningRadiomicsModelofDynamicContrast-EnhancedMRIforEvaluatingVesselsEncapsulatingTumorClustersandPrognosisinHepatocellularCarcinoma[J].JMagnResonImaging,2024,59(1):108-119.[38]CheF,GaoF,LiQ,etal.FractalanalysisbasedonGd-EOB-DTPA-enhancedMRIforpredictionofvesselsthatencapsulatetumorclustersinpatientswithhepatocellularcarcinoma[J].IntJSurg(londEngl),2025,111(7):4389-4399.[39]杨建荣,钟敬涛,刘天奇,等.术前超声造影和术中快速冰冻病理切片诊断VETC癌巢型肝细胞癌的价值及患者手术方式选择研究[J].中国临床新医学,2021,14(3):262-266.[40]蓝春勇,凌冰,郭文文,等.VETC(＋)肝癌内皮细胞中波形蛋白的表达及其与超声造影表现的关系[J].中华肿瘤杂志,2018,40(2):105-109.[41]XuW,ZhangH,ZhangR,etal.Deeplearningmodelbasedoncontrast-enhancedultrasoundforpredictingvesselsencapsulatingtumorclustersinhepatocellularcarcinoma[J].EurRadio,2025,35(2):989-1000.[42]XuW,HuangB,ZhangR,etal.Diagnosticandprognosticabilityofcontrast-enhancedunltrasoundandbiomarkersinhepatocellularcarcinomasubtypes[J].UltrasoundMedBiol,2024,50(4):617-626.[43]ToshidaK,ItohS,ToshimaT,etal.Clinicalsignificanceofmechanistictargetofrapamycinexpressioninvesselst