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( 二 )

肿瘤分化程度、微血管侵犯等生物学指标对肝癌预后和治疗决策具有重要价值,但其依赖于术后病理诊断。利用术前影像学资料结合人工智能技术预测肝癌病理学特征是近年来研究的热点[13] 。 Chen等[14]利用CT影像组学结合SVM(支持向量机)机器学习方法构建肝细胞癌分化程度预测模型,可在术前将患者预测为高分化或低分化。 Zhou等[15]利用MRI检查的DWI期图像结合CNN深度学习算法同样可实现术前高分化与低分化的准确预测。微血管侵犯(MVI)是影响肝癌根治性切除术后预后不良的独立危险因素,术前明确MVI状态及分类有利于制订合理的手术规划。本团队[16]前期基于影像学特征联合检验指标等临床资料,利用轻量级梯度提升机(LightGBM)等机器学习算法构建MVI术前预测模型,模型准确率高且具有可解释性。 Jiang等[17]比较XGBoost与深度学习算法模型在MVI预测中的应用价值,结果发现,基于影像组学-影像学特征-临床指标的机器学习模型与3D-CNN模型均具有良好的预测准确率,AUC分别为0.887(95%CI：0.797~0.947)和0.906(95%CI：0.821~0.960) 。 Zhou等[18]综合利用增强MRI平扫期、动脉期及门静脉期的图像与3DCNN深度学习算法构建术前MVI模型,预测准确率高于传统CNN模型。此外,有学者通过增强MRI影像组学技术可实现肝细胞癌GPC3[19]、CK19[20]水平的术前预测,其验证组C指数分别达0.914和0.846 。
此外,术后生活质量是影响患者手术意愿的重要因素。 Chiu等[21]通过健康调查简表及肝胆肿瘤治疗功能评定量表等评价肝癌患者术后生活质量,并通过敏感性分析筛选出术前功能状态、年龄及查尔森合并症指数等指标是影响术后生活质量的重要因素,最终应用人工神经网络构建肝癌术后生活质量预测模型,结果表明该模型可在术前对生活质量进行较为准确的预测。
3人工智能在肝切除术中的应用
【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】随着肝脏外科技术的发展,肝脏手术的规范化和精细化日益受到重视。然而,肝内解剖结构不仅复杂并且因人而异,实现精准肝切除仍是挑战性难题。近年来,术前三维可视化技术、术中超声及循肝静脉等解剖标志是实现解剖性肝切除的主要技术手段。此外,ICG荧光引导[22-23]技术在小病灶检出、显示解剖断面、实现解剖性切除等方面具有积极意义,目前也已广泛应用于解剖性肝切除术中。
增强现实(AR)是将虚拟的场景融合到真实场景中,实现对现实世界增强的混合技术。目前,AR技术在腹腔镜肝切除、机器人肝切除等手术中已得到初步应用,研究结果提示AR技术可实时显示肝内管道结构与肿瘤位置,实时监控并引导手术的进行[24-25] 。方驰华教授团队[26]对AR导航组与非AR导航组患者腹腔镜肝切除术的术中和术后情况进行比较,结果发现,腹腔镜肝切除术应用AR导航有助于减少术中出血量、降低术中输液率并显著减少住院时间。此外,实现肿瘤切缘阴性是保证原发性肝癌肝切除术疗效的关键。目前,冰冻切片病理检查是术中明确切缘状态的主要手段,但其检测费时且需要经验丰富的病理医师进行诊断。 Giordano等[27]基于质谱检查与支持向量机、随机森林等机器学习算法,可在术中对肝细胞癌、肝内胆管癌及癌旁组织进行快速鉴别,该技术可能有助于术中快速决策并改善患者远期预后。
4人工智能在肝癌术后管理中的应用
复杂性肝癌切除术后可能会出现腹腔出血、腹腔感染、肝功能不全等并发症,对术后并发症进行预测对患者术后管理具有重要意义。 Merath等[28]基于美国外科医师学会国家外科质量提升计划数据库临床资料,应用决策树算法构建肝切除术后并发症预测模型,结果发现该模型在预测中风、切口裂开、心脏骤停、肾功能衰竭、肺栓塞及感染性休克等多种并发症方面具有较好的一致性。