影像学在肝细胞癌微血管浸润评估中的研究进展

吴 颖，印隆林

( 1．川北医学院，四川 南充 637000; 2．四川省医学科学院·四川省人民医院放射科，四川 成都 610072)

原发性肝癌是全世界癌症死亡的第三大原因，在男性中排名第二[1]，其中肝细胞癌( hepatocellular carcinoma, HCC) 的占比约90%[2]。中国是全世界肝癌的高发地区，2020年因肝癌死亡病例高达全球死亡病例的47.1%[3]。HCC最有效的治疗方法是手术切除，而HCC根治性切除术后5年复发率达70%，肝移植术后5年复发率达10%～15%[2]。部分原因是由于HCC微血管浸润(microvascular invasion, MVI)的存在。MVI是指在显微镜下观察到肿瘤细胞侵入血管内皮，形成癌细胞巢团，其存在提示HCC的侵袭性行为和不良的生存结果[4]。外科医生对HCC患者的术前风险评估具有重要意义，可以帮助患者实现个体化、精准化的诊疗模式。现阶段，组织病理学检查被认为是诊断MVI的金标准，但该方法是一种有创检查，并且需要广泛取样。因此，术前、无创评估MVI显得格外重要。本文即对影像学在HCC患者MVI评估中的研究现状及进展分析概述，以期提高HCC患者精准医疗水平。

1 计算机断层成像(computed tomography，CT)

CT扫描速度快、图像分辨率高，在临床应用范围广，在HCC诊断方面发挥着巨大作用。近年来，多项研究报道CT图像形态学表现与MVI具有相关性，包括肿瘤大小、不规则肿瘤边缘、瘤周包膜等，但不同研究得出的准确性结论不尽一致[5～7]。定性诊断容易受图像质量及观测者经验程度影响，其可靠性需要大量临床数据的验证。

CT图像定量分析更具有客观性。先前的一项研究[8]首次使用320排CT成像的灌注参数，测量发现肿瘤门静脉流量(portal vein flow, PVF)、肿瘤与周围肝组织PVF的差值(ΔPVF)以及ΔPVF与瘤周肝组织PVF 的比值可用于预测小HCC(≤3 cm)患者的MVI。但该研究仅纳入56例HCC患者，样本量较小，且不同检查设备或灌注方案可能会造成个体间差异，需要大样本、多中心验证。能谱CT不局限于只提供一个CT值，它在常规CT的基础上满足了更多的定量参数需求。Kim等[9]通过测定双能谱CT中瘤内、瘤周标准化碘浓度(NIC)发现，碘浓度的定量测定可用于评估MVI，且瘤内+瘤周的组合与仅瘤周区的诊断效能相当。根据血流动力学的改变，瘤周组织是第一个受到MVI影响的组织。然而肝脏纤维化会对肝血流灌注产生一定的影响，纤维化程度的异质性可能改变瘤周实质的增强特征，进而影响瘤周区域的定量和定性分析，若仅通过分析瘤周区域的NIC来预测MVI状态可能影响其准确性。并且，能谱CT中碘浓度的定量分析评估MVI能否适用于其他双源、双能量CT有待进一步探讨。

2 磁共振成像(magnetic resonance imaging, MRI)

MRI是目前软组织成像最佳的影像学检查手段，在HCC的诊断、预后、疗效评估方面提供了重要信息。近年来，随着MRI技术的不断发展，肝胆特异性造影剂的使用日益普及，利用MRI术前预测HCC患者MVI成为一大热点话题。

2.1 动态增强磁共振成像(dynamic contrast enhanced-MRI, DCE-MRI)DCE-MRI可以基于造影剂来反映组织微循环血流灌注情况。一项关于DCE-MRI高质量的Meta分析[10]发现7个可预测MVI的影像征象：包括肿瘤的大小(>5 cm)、肿瘤包膜不光滑、动脉期肿瘤边缘强化、瘤周强化、肝胆期瘤周低信号、多灶性以及肿瘤T1加权(T1 weighted imaging, T1WI)低信号。肝胆期瘤周低信号被认为与MVI密切相关，这与肝脏血流动力学改变以及有机阴离子转运多肽和多药耐药蛋白的表达有关[11]。但根据以往的研究表明单纯依靠影像特征来预测MVI的敏感度较低。Wang等[12]回顾性分析了基于Gd-EOB-DTPA增强MRI检查的113例HCC患者，并测量其肿瘤、瘤周及正常肝组织的信号强度(signal intensity, SI)，结果表明，瘤周组织与正常肝组织在动脉期的SI比值(SIAp/Al)是MVI的独立预测因素，且SIAp/Al的AUC值高于肝胆期瘤周低信号，这表明定量分析评估MVI可能更具有说服力。总之，DCE-MRI在评估MVI方面可以提供多种手段，肝胆特异性造影剂在MVI评估中更具优势，比动态增强CT提供了更多的影像细节，具有巨大的潜力。

2.2 扩散加权成像(diffusion weighted imaging, DWI)DWI以非侵入性的方式探测水分子的扩散，其定量指标——表观扩散系数(apparent diffusion coefficient, ADC)，可以反映肿瘤的细胞数量、增殖活性以及毛细血管灌注情况等，逐渐应用于肿瘤微血管病变的诊断中。ADC值具有客观性、可重复性的优势，但原始的ADC值采用单指数模型，只揭示了高斯分布水的扩散系数，忽略了组织中灌注分数的影响，在反映真实水扩散方面具有一定的局限性。Zhang等[13]认为在b值为1000 s/mm2的状态下，可以将ADC值<1.07× 10-3mm2/s作为MVI的独立危险因素。而另一项研究[14]却表明低b值(0.500 s/mm2)的状态下，ADC值<1.227× 10-3mm2/s可作为MVI预测因素。不同b值情况下，所划分的ADC截断值不同，可见参数的标准化必不可少。与以往单一病灶的研究不同，Yang等[15]回顾性分析了51例双灶性HCC患者，研究表明其两个病灶高度相似的ADC值可作为MVI的术前预测因子。但是该假说在广泛应用于临床前需要通过全基因组测序加以验证。总之，利用DWI评估MVI具有广阔的发展前景，但目前具有一定的局限性，比如参数的标准化、大数据的外部验证等。

2.3 体素内不相干运动(intravoxel incoherent motion, IVIM)IVIM成像以双指数模型计算，采用多b值扩散加权成像，可以分析非高斯扩散的能力，可以在不使用造影剂的条件下，评估毛细血管网中血液微循环的真实分子扩散和灌注情况，有助于某些造影剂禁忌证的患者或有肾源性疾病的患者。Wei等[16]发现真扩散系数(D)可用于评估MVI，其最佳截断值为0.868×10-3mm2/s，并且IVIM模型测定的D值(AUC= 0.815)比单指数模型测定的ADC值(AUC= 0.746)具有更好的诊断效能。这可能与HCC分化较差时，细胞密度和假扩散成分增加有关，其联合作用可能会导致ADC的增加，而D值不会受到影响。关于IVIM评估MVI的研究相对较少，其临床推广需要进一步对参数设定、扫描方式进行标准化。同时，IVIM模型采集时间相对较长，如何在保证获得充足的影像信息的前提下缩短采集时间值得思考。

2.4 扩散峰度成像(diffusional kurtosis imaging, DKI)DKI是在扩散张量成像基础上扩展开来，以探测非高斯水扩散，比传统DWI提供了更多关于组织成分异质性和不均质性的信息。Wang等[17]研究表明平均表观峰度系数(mean apparent kurtosis coefficient, MK)与HCC的MVI显著相关。Cao等[18]进一步比较了MK与ADC的诊断效能，结果发现只有MK具有统计学差异，其诊断效能中等(AUC=0.77)，并且高级别HCC的MK值显著高于低级别HCC。该研究中ADC与MVI无显著相关性，这种差异很可能是受b值选择的影响。MK与肿瘤侵袭性生物学行为之间具有潜在相关性，所以在众多弥散参数中，MK一度被看作是反映肿瘤生物学行为最重要的参数。DKI图像通过自由呼吸扫描方式所获得，可能导致信噪比下降，但比呼吸触发和屏气成像具有更好的可重现性，并且采集时间更短。未来如何提高DKI图像质量以及规范参数标准化需要更深入的研究。

2.5 磁共振弹性成像(MR elastography, MRE)MRE可以反映组织内部弹性，是现阶段评估肝纤维化最准确的无创影像学检查手段。Li等[19]首次尝试基于MRE的剪切应变来预测HCC中MVI。他们绘制了59例HCC患者的八面体剪切应变(octahedral shear strain, OSS)图，并记录了低剪切应变下的瘤周界面长度的百分比(percentage of low-shear-strain length, pLSL, %)，并以此量化分析不同频率下(60、40、30 Hz)的诊断差异。研究表明，MVI阳性组的瘤周OSS-pLSL均显著高于MVI阴性组。并且随着频率的下降，OSS-pLSL的特异性从53.8%提高到76.9%，还同时保留着94%的高灵敏度，30 Hz被推荐为诊断MVI的最佳频率。但肝纤维化程度是否会影响其诊断准确性,还需要在大样本中加以验证。此外，瘤周OSS-pLSL比其他MRI功能成像扫描速度更快、观察者间一致性更高，更容易整合到常规MRI中，这有助于提高术前对MVI的检测。利用MRE特征评估MVI是一种创新，也是一种挑战，在未来需要开发更灵敏的MRE序列，将MRE成像特征和临床特征结合起来，建立一个更准确的预测模型。

3 核医学

核医学功能成像可以反映肿瘤组织代谢情况，是其他常规影像学检查难以企及的优势。18氟脱氧葡萄糖正电子发射计算机断层扫描(18F-FDG PET/CT)是一项评估HCC患者MVI的颇具前景的检查方式。国外一项多中心研究[20]测量了158例巴塞罗那(BCLC)分期为0期或A期的HCC患者最大标准化摄取值(SUVmax)，以及正常肝脏的平均SUV(SUVmean)，通过计算其比值(TLR= SUVmax/SUVmean)来测定肿瘤FDG亲和力。结果显示，TLR、血清甲胎蛋白水平(AFP)和肿瘤大小与MVI存在显著相关，并且TLR诊断效能最高(AUC=0.704)。肿瘤的FDG亲和力是一个与肿瘤复发相关的侵袭性生物学指标，通过分析TLR来反映FDG亲和力，可以减少机构间或观察者间差异所引起的SUV测量不准确，更具有客观性。此外，Celebi等[21]发现18F-FDG PET/MRI成像测量肿瘤SUVmax与MVI具有相关性，但目前关于18F-FDG PET/MRI评估MVI的研究罕见，未来还需要更多的研究以验证其临床应用价值。但核医学设备在部分偏远地区和县级医院开展受限，难以普及。

4 超声

超声检查无创、经济并且操作简便，超声联合AFP是肝癌的一线筛查手段，但超声检查毕竟是一项操作性检查，可能会造成一定的偏倚。最新一项前瞻性研究[22]，对纳入的287例HCC患者均行常规超声、超声造影(contrast-enhanced ultrasound, CEUS)以及剪切波弹性成像(shear wave elastography,SWE)检查，其结果显示，肿瘤直径、回声、形状、动脉期瘤周增强和门静脉期强化水平是MVI的独立预测因素。这表明多模态超声特征是术前预测MVI有效的影像学标志物。但是，先前的一项研究[23]却声称包括强化水平、强化均匀性、强化边界和供血动脉在内的5项CEUS特征与MVI不具有统计学意义。目前，超声检查在MVI评估方面的文献报道较少，评估指标存在争议，这可能是因为机器设备差异及操作者经验水平限制了超声检查在MVI评估中的应用。此外，该研究[22]现有的SWE研究并未发现显著差异，未来利用放射组学研究可能挖掘出SWE对MVI的预测价值。

5 影像组学及深度学习

随着人们对影像学及人工智能的探索不断深入，影像组学在HCC的诊断、疗效评估及预后方面备受关注。影像组学[24]将大量影像特征转换为可挖掘的数据，以帮助临床实现患者个体化治疗的目的。

先前的研究发现基于CT、MRI、18F-FDG PET/CT以及超声检查的影像组学在预测MVI方面都表现出了巨大的潜力。Li等[7]研究发现，基于多期相CT图像的纹理分析可用于预测HCC的MVI，其中最有价值的参数来自灰度运行长度矩阵。但目前，纹理分析的特征提取、选择算法还没有统一的标准，如何标准化是一个难题，以及哪些特征提取、选择算法能够更准确地预测MVI，需要广泛的临床研究和验证。一项最新研究[25]利用MRI动脉期图像分别对瘤内、瘤周组织进行直方图分析，结果表明，瘤周的均值、中位数、峰度与小HCC组(HCC≤3 cm)的MVI有关；瘤周的均值、中位数、标准差与HCC>3 cm组的MVI相关；而瘤内的直方图特征无显著性差异。但是该研究并未导入T2WI和DWI等其他多参数，只分析了肿瘤的最大横截面积，其结果可能存在偏倚。有研究表明[26]，结合了临床危险因素的18F-FDG PET/CT 影像组学诺模图可用于评估BCLC 0期及A期HCC患者的MVI状态和无病生存期，这意味着在很大程度上有助于临床指导治疗和预后评估。Hu等[23]回顾性分析了482例行CEUS检查的HCC患者，结果发现结合了AFP、肿瘤大小以及影像组学评分的诺模图对MVI的预测性能(AUC=0.731)优于临床特征诺模图(AUC=0.634),说明影像组学评分提高了对MVI的预测效能。一项基于Gd-EOB-DTPA增强MRI的多中心研究[27]，根据病灶不同范围(瘤内和瘤内+瘤周)以及三种MRI序列(T2WI、动脉期和肝胆期)和融合序列(三种序列的组合)，分别建立了8个影像学模型，并开发了临床-影像学特征(CR)模型和临床-影像学-影像组学特征(CRR)模型的诺模图。结果表明，基于融合序列的瘤内+瘤周影像组学模型预测效能最好，并且CRR模型诺模图的诊断效能优于CR模型和最佳影像组学模型。此外，有研究发现基于增强CT成像的CRR模型在评估MVI方面诊断效能同样表现良好[28]。这表明临床特征、影像学以及影像组学特征结合的多模态成像在MVI评估中具有显著优势，是未来的研究趋势。

深度学习(deep learning, DL)[29]指的是人工智能构建的一种模拟人体大脑的学习和分析的神经网络，是影像组学的创新发展形式。三维卷积神经网络(three-dimensional convolutional neural network, 3D CNN)的DL模型，比传统的二维卷积可提取更多的医学影像时空特征信息，或许在评估MVI方面更加出色。一项研究表明[30]基于CT图像的3D CNN预测模型在内部验证集中具有较高的诊断效能(AUC=0.91)，说明了3D CNN模型在预测MVI方面具有广阔的发展前景。Zhang等[31]利用3D CNN建立了基于多参数MRI图像的四种DL模型，包括3种基于单序列的单层模型和结合了3个序列的融合模型。结果显示，结合T2WI、T2-SPIR和PVP图像的融合模型在预测MVI方面比三种单层模型诊断性能更好。DL模型在图像自动识别方面比传统影像组学分析具有更高的效率和准确性。然而，DL模型规模复杂，需要进行海量的数据分析，当数据集规模较小时，3D CNN可能会出现过拟合。因此未来在将3D CNN转化为临床应用之前，需要更大数据的验证。

6 小结与展望

研究现状表明术前影像学评估MVI取得了一定的进展，但仍具有挑战性，存在着不同研究结论不一致、参数以及算法缺乏标准化、扫描和操作方式缺乏统一化等问题，且绝大部分研究样本量较小，缺乏前瞻性、以及多中心的验证。从目前可用于评估MVI的影像学检查方式而言，MRI因其独特的肝脏特异性造影剂及功能成像的优势，可作为一种颇具前景的术前MVI预测方法，其有望在未来投入到更为广泛的运用中去。未来关于术前影像学评估MVI的研究可能需要从独立的单一成像方式转变为多模态成像研究，将临床、影像学以及影像组学特征，以及深度学习等充分结合起来，建立更加准确的预测模型，以提高HCC患者精准医疗水平。