术前超声造影组学模型预测肝细胞癌消融术后早期复发风险

李孟，曾妮，周宇辰，辛洪杰，宋杨达,2，胡承光，孙家润,2，廖敏君,2，赖倩微，

王莉慧1*，周元平1*，戴琳2*

肝细胞癌(hepatocellular carcinoma, HCC)是最常见的原发性肝癌，主要在乙肝肝硬化的基础上发生[1]。肝内肿瘤B超引导下的热消融术是目前临床上治疗早期HCC的主要手段，通过热效应直接消融肿瘤及周围组织，具有操作简便、微创、疗效确切等优点[2-3]。但HCC消融术后的高复发率同时困扰着临床医生，其术后五年复发率高达68%～96%，大部分患者术后两年内即出现复发，严重影响预后。考虑到肿瘤异质性和患者个体化差异等因素，术前系统评估肿瘤复发风险可以更好地制定个体化治疗方案以改善总体预后[4]。针对HCC消融术后早期复发风险的评估，目前临床上尚缺乏准确、可靠的预测模型[4]。近年来，随着人工智能(AI)和医学图像分析技术的发展，医学图像大数据的AI分析成为研究热点。影像组学通过将医学图像转换为高通量数据，实现肿瘤特征的提取和模型建立，并进一步挖掘和分析图像数据信息，辅助医生诊断、治疗及预后判断[4]。与CT和MRI相比，超声造影(contrast-enhanced ultrasound, CEUS)不仅能清晰地显示肿瘤和周围组织血流灌注情况，尚可动态观察肿瘤内部血流灌注速度和灌注方式，有助于肿瘤的鉴别诊断和预后评估[6]。基于此，本课题首次应用消融术前CEUS影像组学特征构建HCC患者消融术后早期复发风险预测模型，旨在探讨消融术前影像组学在HCC患者预后评估上的应用价值，为临床治疗决策提供可靠的数据和理论依据。

1 研究对象与方法

1.1 研究对象与纳排标准

回顾性分析2014年1月至2019年1月间于南方医院行消融手术治疗的HCC患者临床资料。病例纳入标准如下：①患者确诊为HCC，且术前1周内曾行CEUS检查和腹部超声(ultrasound, US)检查；②无其他恶性肿瘤病史。排除标准为：①已出现肝外转移；②术后无随访或随访未达2年；③CEUS和US检查图像质量差；④消融治疗失败。本研究获得南方医科大学南方医院伦理委员会批准和患者的书面知情同意书。

1.2 消融治疗、随访及研究终点

1.2.1 所有消融手术均为实时US引导下经皮穿刺操作，由具有10年以上操作经验的医师完成。消融术后1个月行增强CT/MRI或CEUS检查提示消融部位动脉期未见强化，考虑为完全消融[6]。否则为不完全消融，考虑有肿瘤残留。对治疗后有肿瘤残留者，再次进行消融治疗；若两次消融后仍有肿瘤残留，视为消融治疗失败。

1.2.2 术后随访：术后1个月随访1次，之后每3个月随访1次，1年以后每半年随访1次[8]。随访检查项目包括影像学检查(US、CEUS或增强CT、增强MRI)、肿瘤标志物AFP等。

1.2.3 HCC早期复发的定义：2年内HCC复发定义为早期复发[9]。在本研究中，复发定义为在消融治疗成功后，在消融周围区域，肝内其他区域，或肝外出现肿瘤强化征象。本研究的终点为HCC早期复发被确认。

1.3 影像组学建模

1.3.1 图像采集与病灶分割 CEUS检查：使用EsaoteMyLab型彩色多普勒超声诊断仪，凸阵探头CA541，频率1～8 MHz，机械指数0.07～0.09。造影剂使用SonoVue (Bracco. Ltd, Italy)，使用前加入5mL生理盐水振荡配制成微泡混悬液。检查时先行常规US检查，选择最佳观察切面，记录病灶大小、位置等，切换至CEUS模式后嘱患者配合呼吸，以保持目标病灶处于观察切面中央。于肘前静脉注射2.4 mL微泡混悬液并用5～10 mL生理盐水冲洗，注射完毕即时观察病灶及其周围肝组织在动脉期(0～30 s)、门脉期(31～120 s)及延迟期(121～180 s)的图像并储存。从存储的CEUS动态视频中分别选取肿瘤最大切面的各期图像并将获得的DICOM格式的US和CEUS图像导入MRIcroGL软件，分别由2名经验丰富的影像学医师沿肿瘤边界勾画感兴趣区域(region of interest, ROI)，如图1所示。

图1 一例HCC患者的CEUS图像和勾画示意图 A、B、C、D分别描述其在超声和超声造影各期中ROIs的手动勾画和分割，红色的圆圈表示用于提取影像组学特征的ROIs的大致范围

1.3.2 影像组学特征提取 通过PyRadiomics开源包(https://github.com/AIM-Harvard/PyRadiomics#PyRadiomics-v301)提取CEUS和US的ROIs组学特征。特征可分为四类：①形状特征：描述肿瘤区域的形状及体积大小；②强度特征：描述肿瘤区域的体素强度分布情况，可反映所测体素的均匀性、对称性以及局部强度分布变化等；③纹理特征：描述体素空间分布强度等级的高阶特征；④小波特征：小波分解原始图像之后所得的强度特征和纹理特征，描述肿瘤图像不同频域的特点。因此针对每位患者各期CEUS或US图像，共提取出851个组学特征，其中包括：14个形状特征、18个强度特征、68个纹理特征和751个小波特征。

1.3.3 特征筛选与模型构建 ①对随机选取的10个重复勾画的ROIs进行可重复性分析，剔除不稳定的组学特征。组间相关系数(inter-class correlation coefficients, ICCs)用来评估各个特征观察者间可重复性，保留ICCs>0.75的特征；②采用Mann-WhitneyU检验对保留的特征进行单因素分析，进一步筛选与消融术后复发存在相关性的特征(P<0.05)；③最后采用线性和支持向量机递归特征消除算法(support vector machine-recursive feature elimination, SVM-RFE)选取关键、稳定的特征用于构建模型；④通过在训练组中进行单因素和多因素Logistic回归分析，筛选出有统计学差异的变量用于临床模型的构建。

1.3.3.1 US组学模型(以下称US模型)的构建 从每位患者US图像的ROI中提取出851个特征，对这些特征进行ICCs稳定性分析和Mann-WhitneyU检验后选择有意义的特征291个，并通过SVM-RFE算法对这291个特征进行筛选，该算法每次从特征集中剔除权重最小者。因SVM-RFE算法在选取15个特征时具有最佳的预测性能，故最终选取15个最有价值的组学特征用于构建模型。

1.3.3.2 CEUS组学模型(以下称CEUS模型)的构建 分别从每位患者动脉期和门脉延迟期图像的ROI中共提取出1 702个特征，对这些特征进行ICCs稳定性分析和Mann-WhitneyU检验后选择有意义的特征471个，通过SVM-RFE算法对这471个特征进行筛选，综合分析SVM-RFE算法在选取5个特征时具有最佳的预测性能，因此最终选取5个最有价值的组学特征用于构建模型。

1.3.3.3 联合模型的构建 将所筛选到的临床危险因素纳入CEUS模型中并采用SVM-RFE算法建立联合模型。

1.4 统计学分析

对基线资料中连续变量比较采用t检验或Mann-WhitneyU检验，分类变量采用卡方检验或Fisher精确检验，使用单因素及多因素Logistic回归分析评估影响早期复发的危险因素。利用受试者工作特征曲线下面积(AUC)来量化评估临床模型、组学模型及联合模型对于HCC术后早期复发的预测效能，并计算准确度(ACC)、敏感度(SEN)和特异度(SPE)等指标。统计软件采用SPSS 26 (IBM, USA)及Python(version 3.8)，P<0.05认定为有统计学差异。

2 结果

2.1 训练组和验证组的基线资料可比性良好

本研究共纳入131例行消融术的HCC患者，按照7:3比例分为两个队列，其中训练队列(n=91)用于构建模型，验证队列(n=40)用于验证模型效能。训练队列和验证队列患者的基线情况如表1所示。两组患者在临床特征、年龄、性别、Child-Pugh分级、消融方式、复发情况等，均有较好的可比性。

表1 训练组和验证组患者术前基本临床信息

2.2 临床模型分析结果

训练组中单因素Logistic回归分析结果表明：AFP水平、肿瘤大小与术后复发显著相关(P<0.05)。将二者纳入多因素Logistic回归分析发现，肿瘤大小(OR=1.55; 95%CI:1.04-2.31;P=0.03)与AFP水平 (OR=16.26; 95%CI: 4.31-61.45;P<0.001)是术后复发的独立危险因素(见表2)，利用上述独立危险因素构建临床模型。临床模型在训练组中AUC为0.69，验证组中AUC为0.67。

表2 训练组单因素和多因素Logistic分析结果 (n=91)

2.3 US和CEUS模型结果与比较

通过分析US(15个)和CEUS(5个)图像与术后早期复发最相关的特征发现，CEUS模型中5个特征均来自门脉延迟期(见表3)，这5个小波特征均为原始图像经过小波变换后所提取，其中HLL、HLH、HHH、LLL代表小波变换的3个方向，例如HLL表示在x方向作高通滤波，在y、z方向作低通滤波[10]。该模型在训练组和验证组中AUC均优于US模型(训练组0.93vs.0.81，验证组0.74vs.0.60)(P<0.05)，如图2所示。图3分别展示US模型(15个特征)和CEUS模型(5个特征)中组学特征之间的相关性。

图2 四种HCC早期复发的预测模型训练组和验证组的雷达图比较 A: 训练组雷达图；B: 验证组雷达图；Clinical为临床模型；US为US模型；CEUS为CEUS模型；Combined为联合模型

图3 HCC患者US和CEUS模型各特征之间的相关性热图 US模型由15个组学特征构建模型，CEUS模型由5个组学特征构建模型。A：训练组的US模型； B：训练组的CEUS模型

2.4 联合模型结果

将肿瘤大小和AFP水平纳入CEUS模型构建联合模型。联合模型在训练组和验证组的AUC与CEUS模型(训练组0.95vs.0.93，验证组0.63vs.0.74；P>0.05)无显著差异，表明联合模型与单一的CEUS模型在预测消融术后复发效能方面无明显差别，但CEUS模型在SPE方面预测效能更好(0.86vs.0.57；P<0.05)。

2.5 各模型间效能的比较

临床模型、影像组学模型及联合模型中各详细的预测指标结果见表4，在验证组中AUC值从大到小排序依次为：CEUS模型、临床模型、联合模型、US模型(见图2)。通过图2可知，在验证组和训练组中CEUS模型较US和临床模型均表现出了更好的预测性能。

表4 HCC消融术后四种模型预测效能的比较

3 讨论

外科手术切除术曾被认为是有效的HCC治疗方式，但HCC多伴有不同程度的肝硬化，受外科手术适应证和禁忌证的诸多限制，如年龄、肝功能、心肺肾功能及伴随疾病等。事实上，只有20%～30%的HCC患者适合手术切除[11]。HCC介入消融术具有微创、疗效切实、可多次重复消融、住院时间短、并发症发生率低的优势。在临床实践中，消融术比肝部分切除术具有更广泛的应用前景。近年来消融术后长期生存率有所增加，但仍常有HCC复发甚至早期复发。因此提前预测HCC消融术后复发风险，根据不同的风险联合恰当的靶向治疗或免疫治疗等，将非常有助于临床治疗决策的制定，改善患者的整体预后[12]。

本研究发现术前CEUS组学模型对预测消融术后早期复发有重要临床价值，其AUC可达0.74。这是因为CEUS不仅显示肿瘤形态特征，还可提供反映肿瘤新生血管的实时动态血流灌注信息[13-14]。既往多项研究表明HCC复发可能与血液供应、肿瘤微环境、新生血管及病理分化程度等因素相关[15-17]。Sugimoto等[18]发现HCC的病理分化程度与CEUS的增强模式相关，而Ma等[19]研究发现CEUS增强模式中动脉期(22～28 s)和门脉期(105～110 s)对于反映HCC供血血管的流入和流出至关重要，这两期可以提供更多的CEUS图像特征信息，更易提取出HCC恶性程度的特征。因此，本研究对这两期给予了更多的关注并充分利用这两期的影像组学特征构建CEUS组学模型，其均由5个门脉延迟期特征组成且都为小波特征，经过小波算法变换以后所得到特征对复发判断最有价值，小波域的特征集中在不同的频率范围，可以区分肿瘤微环境的差异[20]。高频肿瘤特征反映肿瘤的边缘和细节信息，低频特征则反映肿瘤轮廓信息。Liu等研究也证明了基于深度学习分析CEUS的nomogram图可以较准确的预测HCC消融术后2年无复发生存期[21]。比较研究显示，对于HCC术后复发预测，我们的CEUS组学预测模型优于既往手术复发预测模型(AUC=0.74)，后者AUC仅0.69～0.73[22-24]。

传统US图像只能显示肿瘤的回声和形态特征：如肿瘤的大小、数量等，却无法观察到肿瘤的血管分布和血液供应情况。多项研究发现虽然通过US图像的特征提取可以分析肿瘤病灶、瘤周和实质超声成像的形态特征，但其预测HCC早期复发的效能欠佳[25]，Kudo等[26]研究发现在诊断和预后应用方面，US不如CEUS准确，这与我们的研究结果一致。我们的研究发现CEUS图像可以提供比US图像更好的预测效果。同时多项研究表明消融术后早期复发主要是由原发肿瘤转移引起，且与肿瘤大小、病理分化程度、AFP水平等密切相关[27-30]。因早期复发主要与肿瘤本身的特征相关，而CEUS模型可以准确提取与复发高度相关的HCC特征。因此，CEUS模型可以达到与联合模型相同的预测效果。

本研究通过多因素回归分析发现AFP、肿瘤直径是消融术后早期复发的显著危险因素。肿瘤直径越大，肿瘤转移的概率越大，消融可达到的完全反应率也越低，故术后复发的可能性就越大。既往已有多个研究发现AFP水平和肿瘤直径与HCC术后复发相关[31-32]。Vora等[33]发现HCC患者在接受系统治疗期间，AFP异常升高是影响患者生存的独立危险因素。我们在HCC训练队列中，通过多因素分析表明大多数临床危险因素(如年龄、性别、CTP分级、肝硬化状态等)与早期复发没有显著相关性；而高AFP水平与训练组和验证组中的早期复发有显著关联，这与上述研究结果相似。

本研究构建的CEUS模型具有良好的预测效能，将组学特征与临床因素构建联合模型，我们发现联合模型相较于CEUS组学模型预测消融术后复发的敏感度得到了较大提升(训练组:0.98vs.0.91；验证组:0.69vs.0.62)。这与Zhou等[34]的研究一致，该研究基于CT的放射组学特征与临床因素相结合比单一的临床因素在预测HCC早期复发方面取得更好的效果。这说明虽然临床因素(AFP、肿瘤直径)可以定量描述HCC瘤体的生物学行为[35-37]，但影像组学特征可在肿瘤生物学行为方面能提供更多有价值的信息。

本研究具有一定的局限性：第一，本研究为单中心回顾性研究，可能会存在对结果产生影响的选择偏倚。第二，本研究图像分割方法为手动勾画ROI，费时费力且存在一定主观性；我们正在开发基于人工智能的勾画和建模方法。第三，本研究跨越时间较长，CEUS检查由不同的超声医师使用不同的仪器进行，图像质量和参数有所不同。但是本研究所提出的CEUS模型在训练和验证队列中显示出较好的预测性能，说明该模型具有良好的临床应用前景。

综上所述，CEUS模型在预测HCC消融术后早期复发方面表现良好，同时在该模型的帮助下，临床医生可以在消融前更好的评估术后复发的可能性，从而优化个体治疗方案和紧随的后续治疗方案。