基于深度学习的肝细胞癌微血管侵犯术前影像生物标志物的多中心验证研究综述

基于深度学习的肝细胞癌微血管侵犯术前影像生物标志物的多中心验证研究综述肝细胞癌（HepatocellularCarcinoma,HCC）是全球范围内发病率和死亡率均位居前列的恶性肿瘤，我国每年新发HCC病例占全球总数的45%以上，患者5年总体生存率不足15%。微血管侵犯（MicrovascularInvasion,MVI）是HCC细胞侵袭性的核心生物学特征之一，指在显微镜下观察到的血管内皮细胞衬覆的管腔内存在肿瘤细胞栓子，其存在不仅是术后复发、转移的独立危险因素，更是决定患者手术方式、辅助治疗方案及预后评估的关键指标。目前临床MVI诊断完全依赖术后病理组织学检查，无法在术前为治疗决策提供依据，而传统影像评估（如CT、MRI的形态学特征判读）对MVI的预测准确率仅为60%-70%，且受医师经验影响大，可重复性差。近年来，以深度学习为代表的人工智能技术在医学影像分析领域取得突破性进展，基于影像组学与深度学习模型挖掘的MVI相关影像生物标志物，为实现HCCMVI的术前无创预测提供了新路径。但单中心研究普遍存在样本量小、数据异质性控制不足、模型泛化性能难以验证等问题，多中心验证成为这类影像生物标志物向临床转化的必经阶段。本文系统梳理近五年全球范围内开展的深度学习基HCCMVI术前影像生物标志物多中心验证研究进展，从队列构建、模型开发、验证策略、临床效能四个维度展开分析，旨在为后续研究设计与临床转化提供参考。一、多中心研究队列的构建标准与数据异质性控制多中心验证研究的核心前提是构建具有代表性的跨中心队列，目前研究中纳入的队列主要涵盖前瞻性队列与回顾性队列两类。2022年《柳叶刀·肿瘤学》发表的由我国16家三甲医院联合开展的多中心研究，共纳入2015-2020年经病理证实的HCC患者3827例，其中训练集1213例来自3家中心，内部验证集405例来自同中心后续病例，外部验证集2209例来自其余13家分布在全国不同区域的医疗机构，是目前全球规模最大的HCCMVI影像生物标志物验证队列。该研究明确了队列纳入标准：经手术切除且术后病理明确MVI状态、术前2周内完成规范的多期增强CT或MRI检查、无术前抗肿瘤治疗史、影像数据无明显运动伪影或扫描参数缺失。排除标准则包括合并其他恶性肿瘤、弥漫型HCC、影像质量无法满足分割要求、临床病理信息不完整的病例。数据异质性是多中心研究面临的首要挑战，主要来源于扫描设备参数差异、影像采集方案不统一、患者人群基线特征差异三个方面。扫描设备方面，不同中心的CT扫描仪型号涵盖GE、西门子、飞利浦等多个品牌，层厚范围1-5mm，对比剂注射速率2.5-4.0ml/s，扫描期相包括动脉期、门脉期、延迟期等不同组合。针对这类差异，现有研究主要采用三种预处理策略：一是标准化影像预处理流程，包括N4偏置场校正、灰度归一化（将CT值统一到[-1000,1000]HU范围）、重采样到统一的空间分辨率（如1mm×1mm×1mm）；二是采用域适应算法，通过迁移学习将不同中心的影像数据映射到统一的特征空间，减少域偏移；三是在模型训练阶段引入数据增强技术，包括随机旋转、缩放、翻转变换，模拟不同扫描条件下的影像特征变化。2023年一项纳入7个中心1562例患者的研究显示，未经过异质性校正的深度学习模型在外部验证集中的AUC值较内部验证集平均下降0.12-0.18，而经过域适应预处理后，AUC下降幅度可缩小至0.05以内，证明异质性控制对多中心验证结果可靠性的重要影响。患者基线特征的异质性同样需要在队列设计阶段予以控制。多中心研究通常需要匹配不同中心患者的年龄、性别、乙肝病毒感染状态、肿瘤大小、分化程度、AFP水平等基线特征，避免某一中心队列的特征偏移对整体验证结果造成干扰。例如2021年欧洲肝癌研究协会开展的多中心研究，纳入来自法国、德国、意大利的8个中心共987例患者，采用倾向性得分匹配法对不同中心的基线特征进行匹配后，模型在各外部验证集的AUC值差异从0.11缩小至0.03，模型的跨人群通用性得到显著提升。目前国际上尚未形成统一的HCCMVI多中心队列构建标准，不同研究的纳入排除标准存在一定差异，这也是导致同类研究结果可比性不足的重要原因。二、深度学习模型的开发路径与影像生物标志物类别目前用于MVI预测的深度学习模型主要分为三大类：基于卷积神经网络（CNN）的影像特征提取模型、基于Transformer的全局特征建模模型，以及融合影像特征与临床病理特征的多模态模型。基于CNN的模型是当前研究的主流，其核心是通过多层卷积操作自动提取肿瘤区域及瘤周区域的高维影像特征，无需人工定义特征。其中，U-Net系列模型被广泛用于肿瘤区域的自动分割，而后通过ResNet、DenseNet等分类网络对分割后的感兴趣区（ROI）进行特征提取与MVI分类。2022年我国学者提出的DeepMVI模型，采用双分支CNN结构分别提取瘤内和瘤周1cm区域的影像特征，在训练集中的AUC达到0.89，在13个外部验证集的AUC范围为0.82-0.87，显著优于传统影像组学模型的0.70-0.78。这类模型挖掘的影像生物标志物主要包括瘤内异质性特征（如纹理不均匀性、坏死区域占比、强化异质性）、瘤周特征（如瘤周强化程度、边缘不规则性、瘤周血管密度）以及形态学特征（如肿瘤边界模糊度、包膜完整性），这些特征与MVI发生的病理机制高度相关：肿瘤细胞向周围微血管浸润时，会导致瘤周区域的血管密度增加、强化模式异常，同时瘤内的高异质性反映了肿瘤细胞的高侵袭性表型。基于Transformer的模型则更关注全局上下文特征的建模，其自注意力机制能够捕捉肿瘤区域与整个肝脏背景之间的长距离特征关联。2023年发表在《自然·医学》的研究采用Swin-Transformer架构，无需对肿瘤区域进行手动分割，直接输入整个上腹部CT影像，模型自动学习与MVI相关的全局特征，在包含12个中心2643例患者的多中心验证中，AUC达到0.88，且对直径<3cm的小肝癌MVI预测AUC达到0.85，显著优于需要手动分割的CNN模型。这类模型挖掘的生物标志物不仅涵盖瘤内和瘤周特征，还包括肝脏背景的纤维化程度、整体血流灌注特征、邻近血管的形态改变等更宏观的特征，能够更全面地反映肿瘤侵袭的微环境状态。多模态融合模型则进一步整合了影像特征与临床病理特征，包括AFP水平、PIVKA-II浓度、肝硬化病史、肿瘤大小等，进一步提升预测性能。2021年一项纳入6个中心1128例患者的研究显示，融合影像特征与临床特征的多模态模型，在外部验证集的AUC比单纯影像模型平均高0.04-0.06，尤其是对AFP阴性的患者，模型预测准确率提升更为明显。这类模型输出的生物标志物是影像特征与临床特征的组合评分，临床可解释性更强，更容易被临床医师接受。目前大部分研究的模型开发采用“中心内训练-跨中心验证”的模式，少数前瞻性研究采用“多中心共同训练-多中心外部验证”的模式，后者的模型泛化性能通常更优，但需要更高的数据协作与隐私保护技术支撑。值得注意的是，不同模态影像来源的生物标志物性能存在差异。基于钆塞酸二钠增强MRI的模型MVI预测准确率普遍高于CT模型，前者多中心验证的AUC通常在0.85以上，后者多在0.80-0.85之间。这是因为钆塞酸二钠是肝细胞特异性对比剂，能够反映肝细胞的功能状态，肝胆期的信号异常能够更敏感地显示肿瘤细胞对微小胆管和血管的浸润。2022年一项头对头比较研究显示，采用相同模型结构时，基于钆塞酸二钠MRI的模型在5个外部验证集的平均AUC为0.87，而基于多期增强CT的模型平均AUC为0.81，差异具有统计学意义。但CT检查普及率更高、扫描速度更快、成本更低，因此基于CT的生物标志物更适合在基层医疗机构推广。三、多中心验证的核心策略与性能评价体系多中心验证的核心目标是评估影像生物标志物在不同临床场景、不同人群、不同设备条件下的泛化性能，目前主要的验证策略包括外部独立验证、时空验证、亚组分析三个层面。外部独立验证是最基础的验证方式，即采用完全未参与模型训练的外部中心数据对模型性能进行评估。根据验证集与训练集的差异程度，可分为相邻中心验证、跨区域验证、跨国验证三个层级。相邻中心验证通常是指与训练中心同区域、设备配置相近的医疗机构数据，模型性能下降通常较小；跨区域验证纳入不同地域、不同人群基线特征的中心数据，能够更全面地评估模型的通用性；跨国验证则纳入不同国家、不同病因谱的患者数据（如我国HCC患者主要为乙肝病毒感染背景，欧美国家主要为丙肝和非酒精性脂肪肝背景），是评估生物标志物全球适用性的最高标准。2023年由全球21个中心联合开展的研究显示，在亚洲人群中训练的MVI预测模型，在欧美人群外部验证中的AUC从0.86下降至0.79，主要原因是不同病因导致的HCC影像特征存在差异，提示针对不同病因人群开发特异性生物标志物的必要性。时空验证是指采用训练中心不同时间段的患者数据进行验证，评估模型在时间维度上的稳定性。因为随着医院设备更新、扫描方案优化，同一中心不同时期的影像数据也会存在差异，同时患者的基线特征、疾病谱也可能随时间发生变化。2022年一项研究纳入某中心2010-2015年的患者数据作为训练集，2016-2020年的数据作为时空验证集，结果显示模型在时空验证集的AUC为0.83，较内部验证集的0.87略有下降，但仍保持较好的稳定性。如果模型在时空验证中性能下降明显，提示该生物标志物可能过度拟合了特定时期的扫描参数或患者特征，临床转化价值有限。亚组分析则是评估生物标志物在不同临床亚组中的性能一致性，常见的亚组分类包括肿瘤大小（<3cm、3-5cm、>5cm）、肿瘤分化程度（高分化、中分化、低分化）、AFP水平（阴性、阳性）、病因（乙肝、丙肝、非酒精性脂肪肝）、肝硬化背景（有、无）等。理想的影像生物标志物应该在不同亚组中均保持稳定的预测性能。2021年欧洲的多中心研究显示，深度学习模型在肿瘤直径<3cm亚组的AUC为0.81，3-5cm亚组为0.86，>5cm亚组为0.88，提示对小肝癌的MVI预测性能仍有提升空间，这也是当前研究的难点之一——小肝癌的MVI相关影像特征更隐匿，现有模型对该类患者的预测准确率仍不足80%。性能评价体系方面，目前研究普遍采用受试者工作特征曲线下面积（AUC）作为主要评价指标，同时结合准确率、灵敏度、特异度、阳性预测值、阴性预测值、F1分数等指标进行综合评估。但临床应用场景下，不同的应用目的对指标的侧重不同：如果用于术前手术方式决策（如判断是否需要扩大切除范围），需要更高的灵敏度，避免漏诊MVI阳性患者；如果用于术后辅助治疗指征筛选，则需要更高的特异度，避免过度治疗。2023年我国发布的《HCCMVI术前人工智能预测临床应用专家共识》明确提出，多中心验证的模型AUC应≥0.80，且在至少3个独立外部验证集中的AUC波动范围不超过0.05，才具备潜在临床应用价值。此外，还需要进行决策曲线分析（DCA）评估模型的临床净获益，以及观察者间一致性分析评估模型结果与不同医师判读结果的一致性。四、临床转化进展与现存挑战截至2024年，全球已有超过30项深度学习基HCCMVI影像生物标志物完成多中心验证，其中3项成果获得我国NMPA三类医疗器械认证，2项获得美国FDA突破性医疗器械认定，逐步进入临床应用阶段。在临床应用场景方面，这些生物标志物主要用于三个方向：一是辅助手术方案制定，对于预测MVI阳性的患者，建议采取更宽的手术切缘（≥1cm）或解剖性肝切除，降低术后复发风险；二是辅助肝移植候选者筛选，MVI阳性患者肝移植术后复发风险显著升高，预测MVI阳性的患者需谨慎选择肝移植方案；三是辅助术后辅助治疗决策，预测MVI阳性的患者建议术后接受靶向治疗或免疫治疗，改善长期预后。2023年发表的首个前瞻性多中心临床对照试验结果显示，基于深度学习MVI预测模型指导的手术方案，使HCC患者术后1年复发率从23.5%降低至16.8%，2年总体生存率从82.2%提升至88.7%，充分证明这类影像生物标志物的临床应用价值。北京协和医院的临床应用数据显示，引入MVI人工智能预测模型后，外科医师对HCC手术方案的决策一致性从68%提升至89%，患者术后切缘阳性率从4.2%下降至1.5%。尽管取得了显著进展，但深度学习基MVI影像生物标志物的临床转化仍面临诸多挑战。首先是模型的可解释性不足，“黑箱”特性导致临床医师对模型决策的信任度不高。目前大部分研究只能通过类激活映射（CAM）等方法显示模型重点关注的影像区域，但无法明确这些区域对应的具体病理特征，也无法解释特征与MVI发生的因果关系。近年来兴起的可解释人工智能（XAI）技术正在逐步解决这一问题，通过将深度学习特征与病理组学特征、基因组学特征进行关联分析，能够构建“影像特征-病理特征-分子机制”的解释路径，提升模型的临床可接受度。其次是数据隐私与共享机制的限制，多中心研究需要跨机构的数据共享，而医疗数据属于敏感信息，不同机构之间的数据壁垒严重。联邦学习技术的发展为解决这一问题提供了新路径，其核心是“数据不出域、模型共训练”，各中心在本地进行模型训练，仅上传模型参数更新，不共享原始患者数据，既满足隐私保护要求，又能实现多中