01
文献学习
今天分享的文献是由南方医科大学第八附属医院放射科胡秋根教授等团队于2025年8月在《European Radiology 》（中科院2区，IF=4.7）上发表的研究"Preoperative prediction model of microvascular invasion in intrahepatic cholangiocarcinoma patients based on CT radiomics can assist clinical surgical decision-making: a multicenter study "即基于CT影像组学的肝内胆管癌微血管侵犯术前预测模型辅助临床手术决策：一项多中心研究，本研究开发并验证了一个基于CT影像组学联合临床-影像学特征的术前预测模型，用于评估肝内胆管癌（ICC）患者的微血管侵犯（MVI）状态。该模型在多个中心的数据中表现出良好的预测性能，并能有效指导手术方式的选择：对于高MVI风险患者，推荐大范围肝切除（尤其肿瘤位于肝包膜下）；对于低MVI风险患者，推荐小范围肝切除（尤其肿瘤≤5cm）。
创新点：①首次基于MVI风险分层指导手术切除范围 ，而非仅预测MVI存在，明确推荐大/小肝切除 适应症。②联合瘤周区域（10mm）影像组学特征 ，20个特征中14个来自瘤周，揭示肿瘤-肝脏界面微环境关键作用。③多中心外部验证+SHAP可视化，模型AUC达0.844-0.938，提供个体化预测解释，增强临床可操作性。
临床价值：①高MVI风险患者推荐大范围肝切除 ，尤其肝包膜下肿瘤 ，2年无复发生存率显著提高（p=0.005）。②低MVI风险患者推荐小范围肝切除 ，尤其肿瘤≤5cm ，避免过度手术（p=0.011）。③术前无创精准预测MVI，弥补术后病理依赖，辅助个体化手术决策，降低复发风险。
图 1：研究整体分析流程
A模块：模型构建与验证
输入：术前增强CT图像（动脉期+门脉期）
步骤：图像预处理→肿瘤+瘤周VOI分割 →影像组学特征提取→四步特征筛选（ICC分析、单因素统计、Spearman相关性、弹性逻辑回归）→筛选20个核心组学特征→融合3个临床放射学特征→构建联合预测模型→训练/测试/外部验证集验证
B模块：模型可解释性
方法：SHAP值分析
内容：可视化Top-4影像组学特征、展示特征对预测结果的正负向影响、实现个体化预测解读
C模块：手术决策指导
步骤：联合模型输出MVI风险评分→高低风险分层→手术方式亚组分析（解剖/非解剖切除、大范围/小范围切除）→结合肿瘤位置/大小→给出手术决策建议
02
研究背景和目的
研究背景
肝内胆管癌（ICC）是一种高度恶性的原发性肝脏肿瘤，患者预后极差。尽管手术切除是主要的根治性手段，但术后复发率仍高达50%~70% ，其中约50%的复发发生在术后2年内。微血管侵犯（MVI） 已被证实是ICC患者术后早期复发和总体生存率降低的最关键预后因素之一 。MVI反映了肿瘤的局部侵袭性，其存在通常提示需要更广泛的切除范围（如解剖性切除或大范围肝切除）以改善预后。然而，目前MVI的诊断完全依赖于术后病理显微检查，无法在术前获得 ，这严重限制了其在个体化手术方案制定中的指导价值。近年来，基于CT或MRI的影像组学方法显示出术前预测MVI的潜力，但现有研究多为单中心、缺乏外部验证，且尚未有研究探讨如何根据术前MVI风险分层来指导不同肝切除类型（解剖性 vs 非解剖性）或切除范围（大范围 vs 小范围）的选择。因此，建立一个经过多中心验证的、可靠的术前MVI预测模型，并明确其在不同手术策略中的临床决策价值，具有重要的现实意义。
研究目的
本研究旨在开发并多中心验证一个基于CT影像组学联合临床-影像学特征的术前预测模型 ，用于准确识别ICC患者的MVI状态。在此基础上，进一步评估该模型能否辅助临床手术决策 ，具体目标包括：根据模型预测的MVI风险（高风险 vs 低风险），比较不同手术方式对患者2年无复发生存（RFS） 的影响，包括解剖性切除与非解剖性切除、大范围肝切除（>2个肝段）与小范围肝切除（≤2个肝段）。通过亚组分析，明确在高MVI风险患者中，大范围肝切除 是否能显著提高RFS，特别是对于包膜下肿瘤 ；以及在低MVI风险患者中，小范围肝切除 是否更具优势，尤其是对于直径≤5cm的肿瘤。最终，研究期望为临床提供一种术前可用的MVI风险分层工具，从而指导个体化的手术切除范围，以期降低术后复发率，改善ICC患者的总体预后。
03
数据和方法
研究数据
总样本量：292例经病理确诊的ICC患者（2012年1月至2023年5月）
数据来源：4家医疗机构
分组：
训练集：141例（机构I、II）
测试集：60例（机构I、II）
外部验证集：91例（机构III、IV）
MVI阳性率：总体38.7%（113/292），外部验证集最高（50.5%）
图 2：患者筛选流程图
技术方法
影像组学特征提取：
从CT动脉期和门静脉期提取肿瘤及瘤周（10mm）区域特征，共3776个特征/病灶。
使用Pyradiomics工具包。
特征筛选：
ICC分析、Mann-Whitney U检验、Spearman相关分析、Elastic-net逻辑回归。
模型构建：
机器学习算法：LR、SVM、DT、XGBoost、ANN（ANN表现最优）。
构建三种模型：临床-影像模型、影像组学模型、联合模型。
模型评估：
AUC、准确率、敏感度、特异度、决策曲线分析（DCA）。
临床决策分析：
使用SHAP算法进行模型解释。
根据风险分层（cutoff=0.42）比较不同手术方式的2年RFS（Kaplan-Meier + log-rank检验）。
04
实验结果
独立预测因子：
肝硬化（OR=2.23）、华支睾吸虫感染（OR=2.35）、卫星结节（OR=2.14）
模型性能：
联合模型AUC：训练集0.938、测试集0.889、外部验证集0.844
优于单一临床-影像模型或影像组学模型
风险分层与手术决策：
高MVI风险组：大范围肝切除 → 2年RFS显著更高（p=0.007），尤其肝包膜下肿瘤（p=0.005）
低MVI风险组：小范围肝切除 → 2年RFS显著更高（p=0.033），尤其肿瘤≤5cm（p=0.011）
图 3：模型个体化应用案例
图 4：2年无复发生存（RFS）Kaplan--Meier曲线
图 5：肿瘤位置与大小的进一步亚组分析
05
研究结论
该研究通过多中心回顾性分析，开发并验证了一个结合CT放射组学特征与临床影像特征的组合模型 ，用于术前准确预测肝内胆管癌（ICC）患者的微血管侵犯（MVI）状态。模型在训练集、测试集及外部验证集中的AUC分别达到0.938、0.889和0.844，具有良好的稳定性和泛化能力。基于该模型的风险分层，研究进一步提出了个体化的手术策略 ：对于低MVI风险 的患者，推荐行小范围肝切除术 ，特别是当肿瘤直径≤5 cm 时获益更显著；而对于高MVI风险 的患者，则推荐大范围肝切除术 ，尤其当肿瘤位于肝包膜下 时预后改善更为明显。此外，手术类型（解剖性与非解剖性切除）对复发的影响未达统计学差异，提示手术切缘范围而非切除方式可能是更关键的预后因素。该模型不仅能够有效预测MVI，还能为临床手术决策提供直观、可量化的依据，推动个体化治疗。
参考文献：Liu Z, Chen H, Yang S, Zhang R, Yang F, Feng J, Xu K, Tan Z, Feng Y, Ouyang F, Li X, Chen X, Chen Y, Cai Z, Guan X, Luo C, Guo B, Hu Q. Preoperative prediction model of microvascular invasion in intrahepatic cholangiocarcinoma patients based on CT radiomics can assist clinical surgical decision-making: a multicenter study. Eur Radiol. 2026 Feb;36(2):1395-1408. doi: 10.1007/s00330-025-11900-x.