述评｜刘景丰：人工智能在原发性肝癌外科治疗中的应用现状与展望

文章图片

文章图片

原发性肝癌(肝癌)是最常见和最致命的恶性肿瘤之一,年新发病例数排名恶性肿瘤第6位,年致死病例数位居恶性肿瘤第3位[1] 。手术切除等外科治疗手段是肝癌最主要的根治性手段,然而其术后5年生存率仍仅为40%~60%,70%的患者在术后5年内复发[2] 。近年来,以机器学习、深度学习为代表的人工智能技术在肺癌、结直肠癌、乳腺癌、前列腺癌等多种疾病研究领域展现出较好的应用前景,已成为提高临床诊治水平和服务能力的重要支撑[3] 。目前,研究人员应用人工智能技术在原发性肝癌决策制订、术前评估、手术实施、术后辅助治疗及预后预测等领域进行了广泛探索,本研究对人工智能在原发性肝癌外科治疗的应用作一综述。
1人工智能在肝癌治疗决策中的应用
原发性肝癌具有发病隐匿、进展迅速等特点,约70%的患者诊断时为中晚期肝癌,常合并大血管侵犯、远处转移等复杂病情[4] 。同时,肝癌患者多数具有肝硬化背景,往往具有肝功能不全、门静脉高压等特殊情况。此外,随着肝癌治疗手段不断涌现,开展多学科诊治,选择个性化治疗方案成为肝癌治疗的第一步,也是影响患者预后的关键一步。但目前原发性肝癌治疗水平参差不齐,不同中心掌握的治疗手段各有局限,制订规范化、个性化治疗决策是提升肝癌远期预后的关键之一。
Choi等[5]收集1021例肝癌患者的治疗前参数、初次治疗措施及预后状态等指标,通过随机森林模型构建了肝癌临床决策治疗系统,该系统可为初诊为原发性肝癌的患者推荐最佳治疗措施并对该方案所对应的预后情况进行预测。 Liu等[6]收集射频消融或肝切除术治疗的单发小肝癌患者超声造影图像,提取其影像组学特征并结合临床指标构建2年无进展生存期预测模型,结果发现,部分患者如果调整治疗策略后有望进一步改善预后,这提示影像组学模型可为早期肝癌患者治疗决策提供参考。 Fu等[7]提取患者临床资料、影像学特征及影像组学特征,并构建列线图模型用于预测患者行肝切除术或经导管动脉化疗栓塞术后无进展生存期,该模型准确性高于ITA.LI.CA和CLIP等传统分期模型,可为患者个性化治疗决策提供参考。
2人工智能在肝癌术前评估中的应用
术前精准评估是肝切除术成功实施的关键,也是精准肝脏外科的要求。为保证手术的安全性与彻底性,临床医生需要精准地了解肿瘤大小、位置、肿瘤与周围血管的关系、残肝体积、肝功能情况等细节。近年来,随着人工智能在影像学领域的进展,越来越多的术前评估研究正推动精准肝脏外科进一步发展。
近年来,随着医学影像学、计算机和人工智能技术的飞速发展,三维可视化技术由于其良好的立体解剖和细节显示特点,在肝癌术前评估领域获得广泛认可。一项国内多中心回顾性研究[8]对1665例复杂性肝癌三维可视化结果进行分析,结果显示：三维可视化技术一方面可准确定位肿瘤部位与形态、清楚显示肝内血管变异,另一方面可实施虚拟肝切除并计算残肝体积,为手术安全开展提供精准指导。目前,中华医学会数字医学分会等已发布《复杂性肝脏肿瘤三维可视化精准诊治指南(2019版)》[9],进一步促进三维可视化技术在肝切除术前评估中规范应用。
此外,由于我国多数肝癌患者具有肝硬化背景,术前评估不仅需了解残肝体积,还需对肝功能情况进行准确评估,以减少术后肝衰竭等并发症,提升手术安全性。目前临床多采用Child-Pugh评分与吲哚菁绿15min滞留率进行肝功能评估。近年来,也有诸多新技术应用于肝功能评估领域。 Xie等[10]发现肝癌术前行二维剪切波弹性成像有助于区分肝纤维化程度,并且发现距离肿瘤边界2~5cm测定时准确度最高。 Lee等[11]应用深度卷积神经网络算法与超声检查相结合,结果发现该模型在内部和外部验证集预测肝硬化的曲线下面积达0.901和0.857 。 Wang等[12]通过多中心慢性乙型肝炎患者的超声弹性成像和穿刺病理结果开发了深度学习模型用于预测肝纤维化程度,其预测准确度显著高于临床常规方法。