基于深度学习的肝癌术后复发风险的CT影像组学与临床病理参数融合预测研究综述

基于深度学习的肝癌术后复发风险的CT影像组学与临床病理参数融合预测研究综述一、肝癌术后复发风险预测的临床需求与研究背景原发性肝癌是全球范围内发病率和病死率最高的恶性肿瘤之一，其中肝细胞癌（HCC）占比超过75%。外科手术切除仍是目前早中期肝癌患者的首选根治性治疗手段，但术后5年复发率高达50%-70%，甚至有30%左右的患者会在术后1年内出现复发，是制约患者长期生存的核心瓶颈。早期、精准识别高复发风险患者，进而开展针对性的术后辅助治疗、强化随访监测，是降低肝癌术后复发率、改善患者预后的关键路径。传统的复发风险评估体系主要依赖临床病理参数，包括肿瘤大小、分化程度、微血管侵犯（MVI）状态、术前甲胎蛋白（AFP）水平、切缘宽度等。但这类参数存在明显局限性：其一，病理参数需通过术后组织活检获取，无法实现术前预判；其二，病理评估存在观察者间差异，且部分指标（如MVI的分级）的判读标准仍存在争议；其三，单靠临床病理参数难以全面反映肿瘤异质性，对于生物学行为高度恶性的隐匿性高风险人群识别效能不足。电子计算机断层扫描（CT）是肝癌术前诊断、分期及术后随访的核心影像学手段，其图像中蕴含着大量肉眼无法识别的肿瘤微观异质性信息。影像组学技术通过高通量提取影像中的定量特征，可实现肿瘤表型的数字化表征，为肝癌复发风险预测提供了新的维度。而深度学习技术的兴起，进一步突破了传统手工特征提取的瓶颈，能够自动挖掘影像中更深层次的隐含信息，大幅提升了影像层面的预测效能。近年来，如何将深度学习挖掘的CT影像特征与传统临床病理参数有效融合，构建更精准的复发风险预测模型，已成为肝癌精准医学领域的研究热点。二、CT影像组学在肝癌复发预测中的技术路径与研究进展（一）传统影像组学的特征提取与建模传统CT影像组学的分析流程主要包括图像采集与标准化、肿瘤区域分割、特征提取与筛选、模型构建与验证四个核心步骤。在图像标准化层面，目前研究已证实不同扫描参数（如管电压、层厚、重建算法）会对影像特征的稳定性产生显著影响，因此多中心研究中通常会采用Combatharmonization等方法对特征进行校正，降低设备间差异。在肿瘤分割方面，多数早期研究采用手动勾画ROI的方式，虽然精度较高，但效率低、可重复性差，近年来半自动分割工具（如ITK-SNAP、3DSlicer）的普及大幅提升了分割效率，部分研究也探索了基于U-Net的自动分割算法，其Dice系数可达到0.85以上，基本满足临床应用需求。在特征层面，传统影像组学通常从CT图像中提取四类特征：一阶统计特征（如均值、标准差、偏度、峰度等，反映像素值的整体分布）、形状特征（如肿瘤体积、表面积、球形度、不规则度等，反映肿瘤的几何形态）、纹理特征（如灰度共生矩阵、灰度游程矩阵、灰度级带矩阵等，反映肿瘤内部的异质性分布）、小波变换特征（通过多尺度分解捕捉不同频率下的图像信息）。经特征筛选后，通常采用LASSO-Cox回归、随机生存森林、支持向量机等算法构建预测模型。已有多项研究证实，基于术前增强CT的影像组学模型对肝癌术后1年、3年复发的预测AUC可达到0.75-0.82，效能显著优于单独使用AFP、肿瘤大小等单一临床参数。但传统影像组学也存在明显短板：手工设计的特征依赖研究者的先验知识，可能遗漏关键的隐含信息；特征提取过程受分割精度、图像质量的影响较大，模型泛化能力有限；对于小体积肝癌、边界不清晰的肿瘤，特征提取的稳定性不足。（二）深度学习在CT影像特征挖掘中的应用深度学习技术的出现为解决传统影像组学的局限性提供了新的方案。目前用于肝癌CT影像分析的深度学习模型主要分为三类：卷积神经网络（CNN）类模型：以ResNet、DenseNet、EfficientNet为代表的2DCNN是最常用的架构，可直接输入CT的动脉期、门脉期、延迟期等单期或多期图像切片，自动学习不同层级的影像特征。部分研究采用3DCNN处理全量3DCT影像数据，能够捕捉肿瘤的空间异质性信息，对MVI、术后复发的预测AUC相比2DCNN可提升3%-5%，但3D模型对计算资源要求更高，且更容易出现过拟合。基于Transformer的模型：ViT（视觉Transformer）及衍生的SwinTransformer等架构近年来被逐步应用于医学影像分析，其自注意力机制能够更好地捕捉图像中的长距离依赖关系，尤其适合评估肿瘤周围微环境的影像学特征。已有研究证实，基于SwinTransformer的模型对肝癌术后早期复发（<1年）的预测AUC可达0.87，显著优于传统CNN模型和传统影像组学模型。深度学习影像组学（DeepRadiomics）：即提取深度学习模型全连接层的输出作为深度特征，与传统手工影像组学特征融合构建模型。这类方法结合了手工特征的可解释性和深度特征的高信息量，多项研究显示其预测效能相比单一类型特征可提升5%-8%，是目前影像特征挖掘的主流方向之一。值得注意的是，深度学习模型的可解释性不足是制约其临床应用的核心障碍。近年来，类激活映射（CAM）、梯度加权类激活映射（Grad-CAM）等技术的发展，能够可视化模型关注的影像区域，帮助临床医生理解模型决策的依据，部分研究显示深度学习模型重点关注的区域通常对应肿瘤内坏死、边缘浸润等病理证实的高风险区域，为模型的临床可信度提供了支撑。三、影像组学与临床病理参数的融合策略单独使用影像组学模型或临床病理模型均存在局限性，因此多模态融合是提升预测效能的必然趋势。根据融合阶段的不同，目前主流的融合策略可分为三类：（一）早期融合（数据层融合）早期融合是指在特征提取阶段即将影像特征与临床病理特征直接拼接，作为统一的特征向量输入模型进行训练。这种融合方式的优势是操作简单，能够保留两类特征的原始信息，适合特征维度较低的场景。例如，部分研究将筛选后的10-20个影像组学特征与年龄、AFP水平、肿瘤大小、乙肝病毒载量等8-10个临床特征直接拼接，采用LASSO-Cox回归构建融合模型，预测效能相比单一影像组学模型提升2%-3%。但早期融合的缺点也较为明显：两类特征的异质性强（影像特征通常为连续型数值，部分临床特征为分类变量），直接拼接可能引入噪声；当特征维度较高时，容易出现维度灾难，导致模型过拟合。（二）中期融合（特征层融合）中期融合是指分别对影像数据和临床数据进行特征提取和降维后，再将两类高维特征映射到同一特征空间进行融合。这类融合方式是目前研究的主流，具体实现路径包括：基于自编码器的融合：采用自编码器分别对影像特征和临床特征进行编码，得到低维的隐层表征后进行拼接，再输入下游预测模型。这种方式能够自动学习两类特征的有效表征，降低冗余信息的干扰，已有研究显示其预测效能相比早期融合提升3%左右。基于注意力机制的融合：通过引入注意力权重，自动学习不同特征对预测任务的贡献度，对高价值特征赋予更高的权重。例如，部分研究采用交叉注意力机制，让影像特征和临床特征之间进行信息交互，捕捉两类特征之间的潜在关联（如CT影像中的肿瘤边缘不规则特征与病理MVI状态的关联），相比无注意力机制的融合模型，预测AUC可提升4%-6%。多模态Transformer融合：将影像序列和临床参数分别作为不同模态的token输入Transformer模型，通过自注意力机制自动学习模态内和模态间的特征关联，是近年来新兴的融合架构，尤其适合大样本量的多中心数据集，在多个公开数据集上的预测AUC已达到0.88以上。（三）晚期融合（决策层融合）晚期融合是指分别构建影像组学模型和临床病理模型，得到各自的复发风险预测概率后，再通过加权求和、逻辑回归、Stacking等方式整合两个模型的输出，得到最终的预测结果。这种融合方式的优势是灵活性高，两类模型可以独立训练和优化，对数据集的要求更低，适合小样本研究，且单个模型出现故障时不会导致整个系统失效。其缺点是丢失了两类特征之间的底层关联信息，融合效能通常略低于中期融合。目前临床应用中，晚期融合的接受度更高，因为其可解释性更强，临床医生可以分别看到影像层面和临床层面的风险评估结果，更便于理解和采信。不同融合策略的选择需要根据研究数据的规模、特征类型、临床应用场景综合判断。对于大样本多中心数据集，中期融合尤其是基于注意力机制的融合架构通常能取得更优的效果；对于小样本单中心研究，晚期融合的稳定性和泛化能力更具优势。四、现有研究的局限性与未来发展方向尽管近年来该领域的研究取得了显著进展，但距离真正的临床落地仍存在诸多亟待解决的问题：数据集的异质性与标准化问题：目前大多数研究为单中心回顾性研究，样本量普遍偏小（多在200-500例），且不同中心的CT扫描参数、病理诊断标准、随访方案存在差异，导致模型的外部验证效能普遍下降10%左右。未来需要建立更大规模的多中心标准化数据集，统一图像采集规范、病理判读标准和随访流程，为模型的训练和验证提供高质量的数据基础。模型的可解释性不足：尤其是深度学习模型的“黑箱”特性，是临床医生接受度低的核心原因。未来需要进一步发展可解释人工智能（XAI）技术，不仅要可视化模型关注的影像区域，还要建立特征与病理机制的对应关系，明确模型预测的生物学依据，提升模型的临床可信度。缺乏前瞻性临床验证：目前绝大多数模型都是基于回顾性数据构建，缺乏前瞻性临床试验验证其实际临床价值。未来需要开展多中心前瞻性队列研究，评估融合模型在真实临床场景中的应用效果，验证其能否真正指导临床决策、改善患者预后。多模态信息的整合不足：目前的融合模型大多仅纳入CT影像和常规临床病理参数，缺乏对基因组、转录组、蛋白质组等分子层面信息的整合。随着多组学技术的发展，构建“影像-临床-分子”多模态融合模型，能够更全面地反映肿瘤的生物学特征，是未来的重要发展方向。临床转化的落地障碍：目前的模型大多为科研用途