CT影像语义及肿瘤异质性联合机器学习预测肝细胞癌脉管侵犯的价值

韦孟; 李光耀; 李庆祝

皖南医学院学报 ›› 2026, Vol. 45 ›› Issue (4) : 372 -376.

韦孟, 李光耀, 李庆祝

作者信息 +

Author information +

文章历史 +

摘要

目的:探讨CT影像语义特征与肿瘤异质性的机器学习模型在预测肝细胞癌(HCC)脉管侵犯(MVI)中的应用价值。方法:回顾性收集经手术病理确诊的182例HCC患者的临床资料及CT影像数据。依据术后病理结果，将患者分为MVI阳性组(n=54)与MVI阴性组(n=128),并按照7∶3比例随机分为训练组(n=127)和验证组(n=55)。对病灶CT影像进行语义特征分析，并分别测量平扫及对比增强三期肿瘤的不均匀度(HDT),以定量反映肿瘤异质性。通过多变量Logistic回归分析筛选出预测HCC-MVI状态的独立危险因素，进而利用支持向量机(SVM)构建风险预测模型。模型性能采用DeLong检验进行比较。结果:多因素分析显示，肿瘤边界、动脉期不均匀度(HDT-AP)、静脉期不均匀度(HDT-VP)及延迟期不均匀度(HDT-DP)均为预测HCC-MVI阳性状态的危险因素(P<0.05)。联合模型在训练组与验证组中的曲线下面积(AUC)分别为0.901和0.947,表明模型具有较高的效能。结论:融合CT语义特征与肿瘤异质性指标的机器学习模型能够有效预测HCC-MVI状态，为临床个体化风险评估提供了有力支持，并有望在术前制定治疗方案中发挥重要作用。