Utveckling av en kombinerad modell med CT-radiomik och kliniska parametrar för att förutsäga tidig återfall efter kirurgisk resektion av hepatocellulärt karcinom

Varför detta är viktigt för personer med levercancer

För många personer med levercancer ger kirurgi hopp om bot—men cancern återkommer ofta inom bara ett par år. Denna studie ställer en avgörande fråga: kan vi använda information som redan ligger dold i rutinmässiga medicinska skanningar och vanliga laboratorietester för att, före operation, identifiera vilka som löper störst risk att få ett tidigt återfall? Om så är fallet kan läkare anpassa uppföljning och kompletterande behandlingar till dem som mest behöver det.

Se mer i standardiserade CT-skanningar

Personer med hepatocellulärt karcinom, den vanligaste typen av levercancer, genomgår vanligtvis kontrastförstärkta CT-skanningar innan operation. Radiologer bedömer dessa bilder för att uppskatta tumörstorlek, antal och läge. Men datorer kan gå längre och mäta subtila mönster av ljusstyrka, form och textur som ögat har svårt att uppfatta. I denna studie analyserade forskarna preoperativa CT-bilder från 436 patienter som fått sina levertumörer avlägsnade. Med specialiserad mjukvara ritade de upp varje persons huvudsakliga tumör i tre dimensioner och extraherade automatiskt nästan två tusen numeriska egenskaper som beskriver tumörens utseende i två kontrastfaser.

Bygga en riskscore från bilder och blodprover

Från denna stora mängd bildbaserade egenskaper använde teamet en statistisk metod avsedd att behålla endast de mest informativa signalerna och sortera bort brus. De slutade med 20 CT-baserade egenskaper som var mest starkt kopplade till om en patients cancer återkom inom två år efter operation. Dessa egenskaper kombinerades till en enda "radiomik"-score för varje person. Forskarna granskade därefter många kliniska faktorer—såsom tumörstorlek, blodprovssvar och mikroskopiska tecken på invasion i små kärl i det avlägsnade vävnadsprovet—för att se vilka som bäst förutsade tidigt återfall.

Ett enkelt verktyg för att dela in patienter i riskgrupper

Fyra faktorer framträdde som de mest kraftfulla prediktorerna när de betraktades tillsammans: den CT-baserade radiomik-scoren, förekomst av cancerceller i små blodkärl i närheten av tumören, nivån av en leverenzym i förhållande till immunceller i blodet, och nivån av en vanlig tumörmarkör som mäts i blodet. Författarna kombinerade dessa till ett visuellt scoringsverktyg som anger varje patients sannolikhet att förbli fri från återfall vid två år. När de testade verktyget i en patientgrupp och sedan validerade det i en separat grupp, separerade det tillförlitligt personer i låg-, mellan- och högriskkategorier med tydligt olika chanser att förbli cancerfria. Viktigt är att modellen också fungerade väl för patienter vars vanliga tumörmarkör inte är förhöjd—en grupp där prediktion hittills varit särskilt utmanande.

Knyta skanningsmönster till tumörbiologi

För att undersöka varför CT-baserad score kan vara så informativ, studerade forskarna tumörprover från en mindre delmängd av patienter och mätte aktiviteten hos elva gener som tidigare kopplats till aggressiv levercancer. De fann att högre radiomik-scorer måttligt var associerade med ökad aktivitet i två gener som implicerats i tumörtillväxt och spridning. Även om detta är tidigt och explorativt, tyder det på att de mönster datorer upptäcker i CT-bilder kan spegla underliggande genetiska program som driver mer aggressivt beteende—vilket ger en inblick i tumörens biologi utan behov av upprepade biopsier.

Vad detta kan innebära för vård efter operation

Sammantaget visar detta arbete att rutinmässiga CT-skanningar och vanliga laboratorietester, när de analyseras med moderna beräkningsmetoder, kan hjälpa till att förutsäga vilka levercancerpatienter som löper störst risk för tidigt återfall efter operation. De här resulterande riskgrupperna kan vägleda hur noggrant patienter ska övervakas och vem som kan dra nytta av ytterligare behandlingar kort efter operationen. Medan modellen behöver bekräftas i större och mer diversifierade grupper och dess biologiska underlag bättre förstås, representerar den ett steg mot mer personligt anpassade uppföljningsplaner som matchar vårdintensiteten med varje patients faktiska risk.

Citering: Liao, M., Liao, N., Huo, S. et al. Development of a CT radiomics and clinical feature combined model for predicting early recurrence of surgical resected hepatocellular carcinoma. Sci Rep 16, 10453 (2026). https://doi.org/10.1038/s41598-026-40130-4

Nyckelord: levercancer, CT-avbildning, radiomik, canceråterfall, riskprediktion