跳到正文
原文
梅斯医学·临床资讯·· 7 天前精选AI 评分80

AI实现肝癌大体病理分型术前识别,助力术后复发风险预测

eGastroenterology | AI实现肝癌大体病理分型术前识别,助力术后复发风险预测

AI 导读

吉林大学第一医院张惠茅教授团队开发了3D MorphStratify模型,通过术前MRI自动判读肝癌大体分型,准确率优于放射科医生。结合常规影像预测因子构建的Morph-CIP模型可有效预测术后复发风险,为HCC预后评估提供新工具。

推荐理由

AI模型实现肝癌大体分型术前识别,有助于预测术后复发风险,为无创预后评估提供新方向。

正文

59分钟前 eGastroenterology eGastroenterology 发表于上海

该研究构建3D MorphStratify模型,依托术前MRI与三维基础模型自动判读肝癌大体分型,性能优于放射科医生;整合分型构建Morph-CIP模型术前预测复发风险,为无创预后分层提供新方向。

深度解析医学证据,DeepEvidence为你支撑决策

导读

肝细胞癌(hepatocellular carcinoma,HCC)术后复发是影响长期生存的关键难题。HCC的大体病理分型(gross morphology,以下简称“大体分型”)被认为是肿瘤分子生物学和组织病理学的“宏观表现”,在预测预后及指导个性化治疗方面有重要的潜在应用价值。传统大体分型的判断依赖手术切除标本、主观性强、耗时且重复性有限。能否借助人工智能(artificial intelligence,AI)结合术前影像,实现HCC大体分型的自动且精准识别,进而预测患者术后复发风险?

近日,来自吉林大学第一医院张惠茅教授、香港中文大学窦琪教授及团队在eGastroenterology发表了题为“Preoperative 3D morphological phenotyping of hepatocellular carcinoma via a foundation model: a non-invasive biomarker for recurrence risk stratification”的最新原创研究。团队开发了一种基于三维基础模型、用于HCC大体分型自动判读的3D MorphStratify模型,可将原本依赖术后病理的大体分型判定,转变为基于术前MRI获取无创影像标志物的术前评估模式。3D MorphStratify模型的准确率和效率,显著优于高年资放射科医生;结合常规影像预测因子构建的Morph-CIP模型可实现有效预测术后复发风险,有望为HCC预后评估提供重要的补充信息。

图片

一、为什么研究“肿瘤大体分型”?

目前临床常用的肝癌分期系统(如巴塞罗那临床肝癌分期系统)在预后分层和个性化治疗选择方面仍存在局限。日趋精细的分子分型虽然前景广阔,但依赖活检取样,有创且存在取样偏倚。

病理大体分型由日本肝癌研究组于20世纪80年代提出,根据肿瘤边缘形态分为单结节型(Type I)、单结节伴结节外生长型(Type II)、融合多结节型(Type III)和浸润型(Type IV)。团队前期研究表明,大体分型能在整体层面反映肿瘤的分子生物学和组织病理学特征,包含了肿瘤侵袭、转移和预后的关键信息,对指导术后辅助经导管动脉化疗栓塞治疗、靶向免疫联合治疗具有重要价值[1]。

尚存在一定局限:大体分型的准确判断依赖于术后切除肿瘤标本;影像判读主观性较强、依赖阅片经验、耗时较长且可重复性有限;2D断层影像难以完整呈现肿瘤整体的3D空间形态。因此,临床上仍缺少一种术前就能快速、准确识别肿瘤大体形态的客观工具。

图片

图1:基于两个医学中心共551例接受肝切除、术前完成钆塞酸增强MRI的HCC患者,以病理大体分型为金标准,开发3D MorphStratify模型,实现4种大体亚型自动判读,其准确率、效率优于放射科医师。将3D MorphStratify与常规影像预测因子整合,构建Morph-CIP模型,实现无复发生存的术前预测。

来源:原文图文摘要

二、3D MorphStratify:让 AI 学习“肿瘤空间特征”

本研究团队开发了3D MorphStratify模型:首先用U-Mamba模型自动分割肿瘤,将提取的3D肿瘤感兴趣区与MRI图像一同输入3D Foundation Model(三维基础模型)编码器以学习肿瘤空间特征,随后通过通道感知融合模块增强多通道信息,最终输出I-IV型结果。全流程采用3D架构,能够捕捉2D断层图像难以呈现的复杂肿瘤空间形态信息。与放射科医师相比,3D MorphStratify模型四分类综合判读的准确率更高(微平均AUC:0.932 vs 0.825)、与病理参考标准的一致性更好(Kappa值: 0.852 vs 0.502)、速度更快(1.58秒/例 vs 68.12秒/例)。

三、不只是分型,还能提前“分层复发风险”

HCC大体分型级别越高,无复发生存(recurrence-free survival,RFS)预后越差。3D MorphStratify判定的大体分型为术后复发的独立预测因子(HR为2.16);联合肿瘤大小、肝硬化、肝胆期瘤周低信号构建Morph-CIP模型,在外部测试集中预测1、2和3年RFS的AUC分别为0.737、0.709和0.702,优于仅基于常规影像预测因子的模型。转录组分析提示,高复发风险组肿瘤糖酵解、缺氧等相关通路富集。

四、对临床的启示

研究把HCC大体分型评估从“看断层、靠病理、凭经验、难重复”推向“看全瘤、可术前、自动化、可分层”。这项研究也带来几个重要启示:

1)宏观大体分型不是“粗糙外观”,而是肿瘤全局层面的生物学表型

常规HCC研究聚焦的微血管侵犯(microvascular invasion, MVI)、基因突变或分子分型等微观信息,多依赖术后病理、有创或局部取样等。本研究及前期工作表明:大体分型并非简单的几何形状,而是肿瘤侵袭性生物学行为的大体表现,反映肿瘤与肝实质的相互作用,可提供互补的全局生物学信息。

2)3D MorphStratify不仅判读效率超过医生,更为HCC的AI影像研究提供了新范式

本研究的意义不仅在于AI模型比放射科医师判读速度更快、准确度更高,与病理参考标准的一致性更好;更重要的是,它将高度依赖阅片经验、耗时且一致性差的大体分型评估转化为客观、自动化、低耗时的无创评估指标。这为AI应用从“预测显微镜下的微观特征”(如MVI)拓展至“解码肿瘤的宏观形态语言”提供了新思路。

3)3D MorphStratify对指导手术决策与辅助治疗方面的应用价值,未来值得探索

鉴于3D MorphStratify判定的大体分型是HCC术后复发的独立预测因子,未来可在前瞻性队列中进一步探索其能否指导手术决策、术后辅助治疗选择以及靶向免疫联合治疗优势人群筛选等,从而推动“形态表型—风险分层—治疗决策”的精准路径的进一步验证与应用。

五、总结与展望

3D MorphStratify把主观、依赖术后病理的HCC大体分型,转化为客观、无创的术前MRI影像标志物。Morph-CIP模型可为HCC术后复发风险分层与预后评估提供补充信息,有望帮助更早识别高复发风险患者,为随访频率、辅助治疗及多学科管理策略的优化提供参考。未来仍需前瞻性、多中心、大样本研究进一步验证,并扩展至增强CT图像,探索其在多结节HCC的应用价值。

引证本文

Wang H, Zhou X, Zhang K, He K, Ma W, Li M, et al. Preoperative 3D morphological phenotyping of hepatocellular carcinoma via a foundation model: a non-invasive biomarker for recurrence risk stratification. eGastroenterology. 2026;4:e100533. 

https://egastroenterology.bmj.com/content/4/3/e100533

参考文献:

From clinical variables to multiomics analysis: a margin morphology-based gross classification system for hepatocellular carcinoma stratification. Gut. 2023 Nov;72(11):2149-2163. doi: 10.1136/gutjnl-2023-330461.

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

来源:梅斯医学·临床资讯 · news.medsci.cn