影像组学在肝细胞癌病理边界量化中的算法演进与模型优化研究进展

摘要

肝细胞癌(hepatocellular carcinoma, HCC)作为全球第六大常见恶性肿瘤和第三大癌症致死原因，其术后高复发率(5年达70%)与病理边界不清密切相关。微血管侵犯(microvascular invasion, MVI)作为HCC侵袭性的核心病理学标志，被定义为“内皮细胞衬覆的血管腔内出现的癌细胞巢团”,已成为早期复发和预后不良的独立预测因子。传统病理诊断方法存在术前评估局限性和观察者间变异性的双重挑战。影像组学技术通过高通量提取医学影像中的定量特征，为HCC病理边界量化提供了创新解决方案。本文系统回顾了影像组学在HCC病理边界量化领域的算法演进历程，详细剖析了从手工特征提取到深度学习的三代技术跨越，深入探讨了多模态数据融合、瘤周区域精确定义、模型可解释性增强和流程标准化建设等关键优化路径。同时，本文全面分析了当前面临的技术瓶颈和临床转化障碍，并展望了时空动态建模、多组学整合和术中实时导航等前沿发展方向，为推进HCC精准外科治疗提供理论依据和技术参考。

关键词

肝细胞癌 / 影像组学 / 病理边界 / 微血管侵犯 / 深度学习 / 多模态融合

基金资助

北京研究型病房卓越计划(BRWEP2024W032240102)