人工智能联合多模态成像构建肝内胆管癌淋巴结转移精准外科诊疗新体系

王傅民; 任耀星; 韩大为; 陆镜明; 吕毅; 张谞丰

西安交通大学学报（医学版） ›› 2026, Vol. 47 ›› Issue (3) : 447 -454.

王傅民, 任耀星, 韩大为, 陆镜明, 吕毅, 张谞丰

作者信息 +

Author information +

文章历史 +

摘要

肝内胆管癌(intrahepatic cholangiocarcinoma, ICC)作为原发性肝脏恶性肿瘤，尽管发病率低于肝细胞癌(hepatocellular carcinoma, HCC),但其预后极差，根治性切除术后5年复发率高达60%以上，而淋巴结转移(lymph node metastasis, LNM)是导致复发和生存率低的关键因素。当前ICC术中淋巴结清扫(lymphadenectomy, LND)的临床应用存在显著争议：常规LND可能增加手术风险并影响免疫治疗效果，而选择性LND的实施亟需术前精准的LNM预测和术中淋巴结可视化技术的支持。然而，传统影像学手段(如CT、MRI)对LNM的敏感性和特异性不足(敏感性45%～50%,特异性86.4%～88%),难以满足精准诊疗需求。本文聚焦于整合人工智能与新型成像技术构建并解决这一难题的研究框架：在术前诊断中，通过影像组学(radiomics)、生境分析(habitat analysis)及深度学习模型(如CNN、Transformer),从多模态影像中提取肿瘤异质性特征和淋巴结转移风险标志物，构建高精度LNM预测系统。通过“术前AI预测-术中精准显影”的全流程技术整合，提出“选择性LND”策略，旨在为LNM高风险患者提供精准清扫依据，同时避免低风险患者过度手术损伤，最终优化ICC个体化治疗决策。