基于纵向CT影像组学的肝细胞癌免疫联合治疗疗效预测模型：一项多中心研究

　　本研究针对晚期肝细胞癌(HCC)患者对免疫检查点抑制剂(ICIs)联合治疗响应率低(仅30%)且mRECIST评估标准存在局限性的临床难题，开发了基于支持向量机(SVM)的纵向全肝CT影像组学模型(LWCTR)。通过多中心395例患者数据验证，该模型预测疗效的AUC达0.883，较mRECIST标准提升34.8%，构建的Rad-Nomo列线图可精准预测1-3年生存率，为个体化治疗决策提供新工具。

　　

肝细胞癌(HCC)作为全球第五大常见恶性肿瘤，每年夺走无数生命，其中晚期患者的治疗尤其棘手。尽管免疫检查点抑制剂(ICIs)联合靶向药物已成为标准治疗方案，但残酷的现实是：仅有约30%的患者能从中显著获益。更令人困扰的是，临床常用的mRECIST评估标准在免疫治疗中频频"失灵"——它无法识别"假性进展"等特殊反应模式，可能导致医生过早终止本应有效的治疗。这种"盲人摸象"般的评估困境，使得精准预测疗效和预后成为肝癌治疗领域的"圣杯"。

中国科学技术大学附属第一医院等机构的研究团队另辟蹊径，将人工智能与医学影像深度融合，开展了一项开创性研究。他们收集了三家医疗中心395例接受ICIs联合治疗患者的纵向CT影像数据，创新性地开发了基于支持向量机(SVM)的纵向全肝CT影像组学模型(LWCTR)。这项发表在《BMC Cancer》的研究表明，该模型不仅能准确区分治疗应答者，还能预测长期生存结局，为临床决策提供了全新维度。

研究团队采用了多中心回顾性队列设计，从2019年1月至2022年4月间接受ICIs联合治疗的晚期HCC患者中筛选合格病例。关键技术方法包括：1)使用nnU-Net模型进行全肝自动分割，经放射科专家手动校正；2)从动脉期和门静脉期CT图像提取1316个影像组学特征；3)通过LASSO回归筛选关键特征；4)构建包含临床特征的SVM分类器；5)采用SHAP方法进行模型可解释性分析；6)通过时间依赖性ROC曲线评估预后预测性能。

在"患者特征"部分，研究纳入了中位年龄57岁的395例患者，HBV感染占76.2%，BCLC C期患者占85.3%。队列随机划分为训练集(252例)、内部验证集(63例)和外部测试集(80例)，各组基线特征均衡可比。值得注意的是，随访期间93.9%的死亡归因于HCC进展，证实了以总生存期(OS)为主要终点的合理性。

"影像组学特征筛选"结果显示，从四个时间点的CT图像中最终筛选出18个关键特征，包括门静脉期治疗后图像的Post_V_sigma2_gldmDNU(灰度依赖矩阵非均匀性)等纹理特征。这些特征量化了治疗后肝脏内部结构的异质性变化，其中较低的非均匀性值与更好的治疗反应相关，提示血管正常化可能改善T细胞浸润。

"LWCTR模型性能"部分显示，该模型在训练集、内部验证集和外部测试集的AUC分别达到0.883、0.876和0.875，显著优于mRECIST标准(外部测试集△AUC=0.226)。在亚组分析中，对ICIs+TKIs和ICIs+抗VEGF治疗的预测AUC分别为0.869和0.905，展现出广泛适用性。校准曲线和决策曲线分析证实了模型的准确性和临床实用性。

关于"风险分层与预后"，研究确定Rad-score≥0.52为最佳阈值，可将患者分为应答组与非应答组。与mRECIST相比，Rad-score标准识别出更多非应答者(内部验证集46.0% vs 15.9%)，且两组中位OS差异更大(19.0 vs 9.0个月)。整合Rad-score与mRECIST的Rad-Nomo列线图展现出卓越的预后预测能力，1-3年OS预测的AUC在外部测试集达0.893-0.762。

通过"模型解释"，SHAP分析揭示Post_V_sigma2_gldmDNU是最重要的预测特征。典型案例显示，模型成功识别出8例假性进展患者中的6例，避免了治疗中断。这些发现支持"治疗后肝脏异质性降低反映血管正常化和免疫微环境改善"的生物学假设。

这项研究突破了传统影像评估的局限，首次证明全肝影像组学特征可预测ICIs联合治疗的长期生存结局。其临床价值体现在三方面：1)早期识别可能获益的患者，避免无效治疗；2)准确辨别假性进展，防止过早终止有效方案；3)动态监测治疗反应，指导个性化调整。尽管存在回顾性设计的限制，但多中心验证保证了结论的可靠性。未来整合基因组学等多组学数据，有望构建更精准的预测体系，为肝癌精准医疗开辟新途径。