基于影像学和血清学特征构建的列线图模型可较好预测原发性肝细胞癌的微血管浸润

张泳欣，张水兴，肖学红，黄晓星，杨 昂，唐秉航，卢扬柏

中山市人民医院1影像中心，3外科，广东 中山 528403；2暨南大学附属第一医院影像中心，广东 广州510630

肝细胞癌（HCC）是肝脏恶性肿瘤发病率最高的肿瘤［1-2］。2015年，中国HCC的年龄标准化5年相对生存率仅为12.1%［3］，5年复发率高达70%［4］。肝癌术后复发的高危因素包括残余病灶情况、肿瘤直径、肿瘤数量、肝硬化程度、手术方式等［5-7］。其中微血管浸润（MVI）代表着肿瘤的侵袭性，有学者证实了MVI是术后预后不良的独立因素［8-9］，且MVI是一个比纳入米兰标准的因素更能准确地预测肿瘤复发和移植手术切除后生存率的预测因子［10-12］。

术前预测MVI可以优化HCC的治疗决策。目前在临床工作中，MVI的诊断仍依赖于肝癌手术切除后的病理诊断，但组织病理学诊断对术前决策的影响是有限的，继而影响下一步的治疗策略。术前准确预测MVI对实现肿瘤精准治疗起到举足轻重的作用。前人对MVI的术前评估做了很多努力［13-15］。有学者采用影像血清学指标构建评分模型，认为评分≥3的患者的MVI发生率明显高于评分＜3的患者，得分≥3的患者总体生存率和无复发生存率明显较低，但该评分系统不够直观，不利于在繁忙的临床工作中推广［16］。有学者认为PIVKA-II 对早期HCC 的诊断比甲胎蛋白更有效，PIVKA-II水平＞90 mAU/mL是MVI的独立预测因子，高PIVKA-II组织表达与MVI的存在显著相关，但这仍需要多中心数据进行验证［17］。影像组学对常规获取的影像图像信息进行高通量挖掘和量化，这为癌症表型和肿瘤微环境提供了重要的见解［18］，有研究根据临床放射学指标及影像组学特征构建预测模型［19-20］，虽然结构较为理想，但数据处理的过程从图像勾画、特征提取、筛选及构建模型的过程复杂，而且需要通过大数据来验证模型，各医院并未就模型的临床适用性达到共识。既往研究虽然效果较为理想，但其临床适用性仍有待探讨。影像学和血清学检查作为一种快速、非侵入性获取肿瘤信息的方法，大大降低了医疗并发症的风险，减轻患者的痛苦，也越来越受到重视。影像学和血清学检查不需要组织病理，提供了一个强有力的工具来辅助MVI检测，使其非常适合术前MVI评估场景。术前如何通过一个统一的方案准确、直观、快速地预测HCC患者的MVI，是临床医生和影像科医师面临的棘手问题，也是精准治疗时代秉待解决的问题。

本研究回顾性分析肝癌患者的影像学和血清学特征，构建基于MVI预测因子的临床风险列线图评分模型，以评价术前诊断肝癌MVI的能力，实现HCC的精准治疗。

1 资料和方法

1.1 一般资料

本研究回顾性分析2015年1月～2020年12月在我院接受根治性切除或肝移植的548例HCC患者的临床资料。纳入标准如下：组织病理学诊断为MVI（+）或MVI（-）；无肝外转移；肝功为Child-Pugh A或B级；无HCC治疗史；根治性切除或肝移植治疗。排除标准为：非原发性肝癌或合并其他肿瘤；术前曾接受抗肿瘤治疗的患者；影像学上见血管癌栓；缺乏完整的临床、实验室或随访资料。最终纳入315例肝癌患者，年龄53.2±11.5岁，MVI（+）170例，MVI（-）145例，肿瘤最大直径3.7～7.0 cm，202例（64.1%）肝内生长，113例（35.9%）肝外生长，162例（51.4%）存在假包膜，187例（59.4%）存在瘤周强化，169例（53.7%）术前球蛋白＞35 g/L，其中302例（95.9%）行根治性切除，13例（4.1%）行肝移植。

1.2 临床资料和影像学变量

从电子病历和术前CT/MRI图像中回顾性收集临床、影像学和实验室指标，包括性别、年龄、肿瘤最大直径、肿瘤分期、肝硬化、乙肝、谷丙转氨酶（ALT）、谷草转氨酶（AST）、AST/ALT、碱性磷酸酶（ALP）、术前白蛋白、术前球蛋白、白球比、血清甲胎蛋白（AFP）等。

由2位分别具有10年和8年肝脏疾病诊断经验的放射科医生对病灶进行评估。当患者有多个肿瘤时，则分析最大的一个。评估的影像特征包括：肿瘤大小，定义为横断面肿瘤最大层面的最大直径；肿瘤边缘，在增强图像上分类为光滑边缘和非光滑边缘，具有光滑轮廓的圆形或椭圆形肿瘤被认为是光滑边缘，而边缘具有出芽部分的不规则肿瘤被认为是非光滑肿瘤边缘［21］；动脉瘤周强化，定义为在动脉期图像上围绕肿瘤边缘的多边形强化，其在延迟期呈等信号［21］；假包膜，定义为在门静脉或延迟期包裹肿瘤的强化结构。

1.3 MVI的确认

所有的手术标本由2位病理学家确认。MVI被定义为在显微镜下肝脏血管内存在微转移的HCC细胞［15,22］。

1.4 术后随访

术后第1月随访，包括血清AFP、影像学，无异常者术后的前3年每隔3月复查1次，3年后每隔6月定期复查。肿瘤复发的诊断通过影像学和/或活检确认。生存指标考虑无病生存期，随访时间定义为从手术到最终事件（疾病复发、转移或肝癌相关死亡）的时间。

1.5 统计学分析

采用SPSS22.0和RStudio software对数据进行统计学分析。对计量资料进行正态性检验，符合正态分布的变量以均数±标准差表示，组间差异的比较采用t检验，非正态分布的变量以中位数（四分位数间距）表示，组间差异的比较采用Mann-WhitneyU检验。以P＜0.05为差异有统计学意义。以MVI（+）和MVI（-）为结局变量进行单因素多因素Logistic 回归，将单因素Logistic回归中P＜0.1的变量以向后法的变量筛选方式进入多因素Logistic回归模型，多因素模型中P＜0.05的变量认为是影响结局的独立危险因素，并以回归模型绘制列线图。通过模型的预测系数绘制了ROC曲线，并计算模型的AUC、准确度、敏感度和特异性。利用Kaplan-Meier曲线探索MVI（+）和MVI（-）对患者的生存结局的影响，并分别计算两组患者的1、3、5年生存率。

2 结果

2.1 MVI的预后价值

使用Kaplan-Meier方法证实MVI的存在是影响无病生存期的一个显著不良预后因素。MVI(+)患者的中位生存时间为13月（95%CI：8.1～17.9），1、3、5年无病生存率分别为50.6%、38.5%和30.9%；MVI(-)患者的中位生存时间为47月（95%CI：32.7～61.3），1、3、5年无病生存率分别为77.9%、62.3%和38.8%（Log-rankP＜0.001，图1）。

图1 MVI(+)和MVI(-)的生存曲线Fig.1 Survival curves of MVI(+)and MVI(-).

2.2 建立肝癌微血管浸润模型的315例患者的临床资料及影像特征

MVI(+)组的年龄为52.4±12.3岁，男性占87.6%；MVI(-)组的年龄为54.1±10.4岁，男性占85.5%。其中，年龄（P=0.040）、肿瘤最大直径（P＜0.001）、生长部位（P=0.001）、累及肝段数（P=0.001）、动脉期瘤周强化（P＜0.001）、AST（P=0.046）、AST/ALT（P=0.003）和术前球蛋白（P＜0.001）在MVI(+)组和MVI(-)组间的差异有统计学意义（表1）。

表1 315例患者临床及影像基线特征Tab.1 Baseline clinical and imaging features of 315 patients［n(%)］

2.3 单因素和多因素Logistic回归分析

单因素Logistic回归分析显示肿瘤最大直径（P＜0.001）、生长部位（P=0.001）、累及肝段数（P=0.001）、假包膜（P=0.093）、动脉期瘤周强化（P＜0.001）、乙肝（P=0.092）、术前AST（P=0.047）、AST/ALT（P=0.024）、术前球蛋白（P＜0.001）、术前AFP（＞200）（P=0.062）有统计学意义。多因素Logistic 回归分析显示肿瘤最大直径（OR:1.237；95%CI:1.116～1.372；P＜0.001）、生长部位（OR：2.391；95%CI:1.213～4.713；P=0.012）、假包膜（OR:0.171；95%CI:0.064～0.456；P＜0.001）、动脉期瘤周强化（OR:20.618；95%CI:7.504～56.65；P＜0.001）、术前球蛋白（OR:17.077；95%CI:8.531～34.185；P＜0.001）有统计学意义，是MVI(+)的独立危险因素（表2）。

表2 临床影像实验室变量单因素和多因素Logistic回归分析Tab.2 Univariate and multivariate logistic regression analysis of clinical imaging laboratory variables

2.4 构建预测肝癌微血管浸润风险的可视化列线图

基于Logistic 回归结果确定了MVI(+)的预测因素。为了便于估计MVI(+)的风险，采用多因素Logistic回归筛选的特征变量构建了一个列线图评分模型。每个变量都被评分，总分的范围是0～350。MVI(+)风险轴上的总分代表MVI(+)的概率。总得分越高，HCC患者出现MVI(+)的风险就越高（图2）。

图2 根据多因素回归模型绘制列线图预测患者MVI(+)概率Fig.2 The probability of MVI(+) in patients was predicted by drawing a line graph based on the multi-factor regression model.

模型中包含肿瘤最大直径、生长部位（有无突向肝外）、有无假包膜、有无动脉瘤周强化以及术前球蛋白值5个变量。每个变量都被评分，总分的范围是0～350。MVI(+)风险轴上的总分代表MVI(+)的概率。分数越高，HCC患者出现MVI(+)的风险就越高。

2.5 构建预测肝癌MVI的分类模型

基于多因素Logistic回归确定的MVI(+)的独立危险因素，构建融合模型及单一变量对肝癌MVI(+)和MVI(-)的分类预测模型。结果显示融合模型效能最优，AUC为0.895，95%CI为0.859～0.093，准确性为85.1%，敏感度为85.9%，特异性为84.1%（图3）。模型校准曲线与标准曲线基本拟合，决策曲线显示融合模型具有较高的临床应用能力。

图3 融合模型及各单一变量对肝癌MVI(+)/MVI(-)的预测效能的ROC曲线Fig.3 ROC curves of the fusion model and the predictive efficacy of each single variable for liver cancer MVI(+)/MVI(-).

2.6 关于校准曲线和决策曲线

采用校准曲线探讨列线图预测概率和病理结果实际概率的一致程度（图4）。其中x轴是列线图-MVI的预测概率，y轴是病理结果的实际概率，黑色对角线代表理想的预测概率，由图可见预测概率与实际病理结果概率重合度较高，有较好的一致性。

图4 线图的校准曲线Fig.4 The calibration curve of the line diagram.

决策曲线显示紫线代表本预测模型真实的决策曲线，水平细黑线代表所有样本都是阴性，灰斜线代表所有样本都是阳性（图5）。

图5 显示列线图的决策曲线分析Fig.5 The decision curve analysis of the column line graph.

3 讨论

既往有研究表明大多数肝癌治疗方法效果都欠佳，5年生存率＜15%［23］。对于可手术的HCC，复发和转移是预后不良的主要原因。接受根治性手术切除的患者中，约70%在5年内复发。肝移植的结果稍好，5年复发率为10%～20%［24-25］。MVI发生在门静脉系统可导致肝内转移，发生在肝静脉系统可导致远处转移［26］。研究表明，MVI是肝癌治疗后的影响预后的关键因素［26］。我们的结果也显示了MVI(+)是影响临床预后的重要因素，MVI(+)患者与MVI(-)的患者的中位生存期分别为13月和47月（95%CI：8.1～17.9vs95%CI：32.7～61.3），其中MVI(+)组1、3、5年无病生存率分别为50.6%、38.5%和30.9%，MVI(-)组为77.9%、62.3%和38.8%（LogrankP＜0.001）。因此，临床上迫切需要一种能够术前更早期识别微血管是否浸润的检测方法。

在精准治疗时代，术前如何准确的预测MVI，对于HCC的精准治疗方案制有重要作用。有研究表明扩大切除边缘可改善MVI(+)患者生存预后［27］。在HCC合并MVI(+)病变中，与非解剖切除相比，解剖切除的1年复发率降低了40%。对于非常早期的MVI(+)的HCC，较宽的切缘可以更充分地清除周围潜在的肝内转移灶，有效降低早期复发率［28-29］。对于MVI(+)风险高的患者，可能已经出现术前影像学无法评估的肝内微转移，建议对其放宽肝移植的手术标准。MVI也是未来HCC辅助治疗或免疫疗法新辅助治疗的重要参考指标。因此，如何准确地术前预测肝细胞癌微血管浸润对于提高原发性肝癌起到举足轻重的作用。

为了更早期诊断MVI情况，国内外多项研究分析了与MVI(+)相关的风险因素。肿瘤体积越大、肿瘤边缘不光滑、假包膜无或不完整、强化特点、ADC值和MRI肝胆期瘤周低信号等已被发现与MVI(+)相关［30-32］。有学者评估了207个术后HCC样本［50%MVI(+)］，发现MVI(+)与更大的肿瘤体积、更高的γ-羧基凝血酶原水平、存在卫星灶和更差的肿瘤分化有关。在多变量分析中，与轻度MVI(+)相比，重度MVI(+)的疾病特异性生存期更短［33］。有研究同样评估了142例接受活体供肝移植治疗的HCC合并MVI(+)的预后意义，结果显示重度MVI(+)与γ-羧基凝血酶原水平增加和更大的肿瘤相关［34］。本研究基于多因素Logistic 回归筛选的预测MVI(+)的变量与之前的研究结果部分相一致。多因素Logistic回归分析显示肿瘤最大直径、生长部位、假包膜、动脉期瘤周强化、术前球蛋白与MVI(+)相关，是MVI(+)的独立危险因素。

表3 融合模型及单一变量对肝癌MVI的预测效能Tab.3 Prediction efficiency of fusion model and single variable for MVI of liver cancer

然而，在与MVI(+)的相关因素中，涉及到影像及病理诊断特征，如肝癌的ADC值和MRI肝胆期瘤周低信号、动脉期瘤周强化情况、MVI(+)程度判断等对于临床外科医师的判读存在一定的困难。而且，影像学及病理学中MVI(+)诊断及严重程度与判读者的经验有都很大的关系，临床外科医生无法短期内掌握。因此，临床应用需要联合其他客观的实验室检查指标。

目前，在多种肿瘤的预后预测中，列线图已得到广泛应用。有研究通过在训练数据集中招募了360名患者及420名患者构建利用生物标志物基因表达预测胃癌复发的列线图模型，列线图结果显示中低风险、中等风险、高风险和非常高风险组患者的5年无复发概率分别为89%、75%、54%和32%［35］。有研究通过回顾性分析了823例接受胃切除术的早期胃癌患者的临床病理特征，构建术前预测早期胃癌淋巴结转移的列线图，帮助临床医生在临床实践中做出更恰当的决策［36］。国内外已有结合肝癌影像学特征及血液学检查构建术前预测肝癌微血管浸润的列线图。有学者通过分析381名肝癌切除的患者，基于血清AFP和VEGF-A浓度、较低的淋巴细胞计数、瘤周强化、不规则的肿瘤形状和瘤内动脉构建的术前预测肝癌微血管浸润的列线图，其中训练组和验证组中的AUC 分别为0.948(95%CI:0.923～0.973)和0.881(95%CI:0.820～0.942)［37］。有研究通过分析111名早期肝癌患者，基于血清PIVKA-II、甲胎蛋白等实验室指标，构建预测早期肝细胞癌微血管浸润的列线图，AUC为0.74(95%CI0.65～0.84)［38］。也有学者通过回顾性分析接受肝切除术的658例孤立性原发性HCC 患者的资料，基于术前甲胎蛋白＞969 g/L(P＜0.001)、肿瘤大小(P=0.002)，中性粒细胞＞1.8×109/L(P=0.002)、γ-谷氨酰转肽酶与血小板比率＞0.32(P=0.001)、天冬氨酸转氨酶与血小板比率＞0.18(P＜0.001)、γ-谷氨酰转肽酶与白蛋白比率＞2.30(P=0.001)、γ-谷氨酰转肽酶与淋巴细胞比率＞29.58等炎症指标，构建孤立性原发性肝癌MVI(+)的术前预测列线图，其中训练组和验证组的AUC分别为0.788(95%CI:0.744～0.831)和0.735(95%CI:0.668～0.802)［39］。本研究结果表明，肿瘤体积更大、肿瘤向肝外生长、假包膜缺乏或不完整、动脉期出现瘤周强化以及术前球蛋白＞35g/L是MVI(+)的独立危险因素。基于上述因素构建预测原发性肝细胞癌微血管浸润的列线图，其术前预测肝癌MVI(+)的准确性、敏感度、特异性及AUC分别为85.1%、85.9%、84.1%、0.895(0.859,0.930)，诊断效能优于肿瘤最大直径、生长部位、假包膜、动脉期瘤周强化、术前球蛋白＞35 g/L等单一变量的预测效能。校准曲线、拟合优度检验及决策曲线均显示该显示该列线图较好的校准能力和较高的临床应用价值。

综上所述，我们建立了一个基于临床影像及血液学变量的预测模型，使用阳性风险轴上的总分来术前预测MVI(+)概率。多因素Logistic回归筛选的独立风险因素构建的融合模型预测效能最优。通过使用两种模型，构成有用的临床工具，可以根据MVI的风险高低来指导一个合理和个性化的后续治疗选择，以优化生存结果。尽管构建列线图直观且易于理解，分类预测模型效能较优，但我们的研究存在局限性：首先，这是一项回顾性研究，可能存在选择偏差；第二，本研究样本量较少，该模型仍需要多中心数据来验证不同人群模型的可靠性。