一种深度学习放射病理组学特征可预测肝切除术后肝细胞癌的复发风险

这对肝癌患者为何重要

肝癌是全球最致命的癌症之一，即便外科医生切除可见肿瘤，许多患者在数年内仍会出现复发。本研究提出了一种人工智能工具，将医学扫描影像与肿瘤的显微镜图像相结合，更好地预测哪些人更可能发生肝细胞癌——最常见的肝癌类型——的复发。此类预测可帮助医生个性化随访与额外治疗，旨在防止复发并延长患者生存期。

从整体到细胞：全面观察肿瘤

医生通常依靠CT扫描、血液检测和常规病理报告来评估肝切除术后的复发风险。这些工具各自从不同角度审视肿瘤，但都无法完全捕捉其复杂性。CT图像显示肿瘤的整体形态、血供及与肝脏的关系，而显微镜切片则揭示癌细胞的侵袭性及其与周围组织的相互作用。研究者推测，一个同时“看”这两种层级——器官级影像和细胞级病理图像——的计算系统，可能识别出人眼未察觉的模式，从而更准确地预测癌症是否会复发。

肿瘤的数字化组合指纹

研究团队开发了所谓的深度学习放射病理组学（DLRP）特征，本质上是由两类数据构成的每位患者肿瘤的数字指纹。首先，一个神经网络自动在术前CT扫描上描绘肿瘤并学习与复发相关的微妙影像特征；其次，另一个网络分析常规苏木精-伊红染色的整片组织图像，将其切分为数千个小块，学习哪些显微模式最为关键。随后，一个融合模块将CT特征与病理特征编织为单一风险评分，该评分反映肿瘤的行为特性，而非任何单一可见特征。

在真实患者中验证评分

研究者将该系统应用于在四家医院接受肝细胞癌手术的599名患者，分为训练组和独立测试组。在所有测试集中，DLRP特征在预测无复发生存方面优于仅使用CT、仅使用病理、仅使用肿瘤大小和血液标志物等常规临床变量，或常用的巴塞罗那肝癌分期（BCLC）。DLRP评分高的患者复发风险明显更高，总体生存期也较短。重要的是，这一结论在多种亚组中均成立，包括小肿瘤与大肿瘤、单发与多发肿瘤、有无肝硬化者，表明该评分捕捉到了肿瘤侵袭性的核心特征。

指导额外治疗并揭示生物学机制

除了预测能力外，该评分还能帮助识别可能受益于一种称为术后辅助经动脉化疗栓塞（PA-TACE）的附加治疗的患者。在所有患者中，接受PA-TACE的群体总体上无复发时间较长。但当按DLRP评分将患者分组时，获益几乎完全集中在高风险患者；低风险患者没有明显获益，暗示他们可以安全地避免额外治疗的负担。研究团队还将DLRP评分与癌症基因组图谱（TCGA）的基因数据相联系，以探究高风险肿瘤为何更具侵袭性。高评分与Wnt/β-连环蛋白通路的激活相关，该通路已知可驱动肿瘤生长并导致对免疫治疗的耐受，同时高评分肿瘤中抗癌免疫细胞，尤其是CD8 T细胞的浸润较少。

对未来肝癌诊疗的意义

对非专业读者而言，结论是：如今计算机能将类似X光的影像与显微镜视图融合，给出一个单一数值，表明肝癌在手术后复发的可能性。研究表明，这一数值可优于传统分期系统，并有助于决定谁真正需要额外治疗和更密集的随访。尽管该工具仍需在更广泛的人群中进行前瞻性验证——包括那些肝病并非由乙型肝炎引起的患者——它预示着一种未来：治疗决策将由每位患者肿瘤的多层次、丰富画像来驱动，而不仅仅依赖肿瘤的大小和分期。

引用: Wang, G., Chen, W., Liang, Z. et al. A deep learning radiopathomic signature predicts recurrence risk of hepatocellular carcinoma after hepatectomy. Commun Biol 9, 295 (2026). https://doi.org/10.1038/s42003-026-09571-5

关键词: 肝细胞癌, 肝癌复发, 深度学习, 医学影像, 肿瘤微环境