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( 三 )

肝切除术后肝衰竭是影响患者预后的严重并发症,在进行肝切除术前准确预测肝切除术后肝衰竭风险具有重要意义。目前临床上常用Child-Pugh评分、ICG及残余肝体积等预测术后肝功能衰竭,但总体准确率有限[29] 。 Cai等[30]首先应用CT影像组学构建原发性肝癌术后肝功能衰竭预测模型,该模型曲线下面积达0.762,预测价值显著高于传统Child-Pugh、MELD及ALBI等评分系统,具有较好的应用前景。 Zhu等[31]利用术前MRI影像组学预测肝硬化肝癌患者行大范围肝切除术后肝衰竭并发症,AUC为0.894 。 Mai等[32]通过多因素分析显示,PLT、PT、TBil、AST和残余肝体积是肝切除术后肝衰竭的重要预测因素,并利用以上因素构建人工神经网络预测模型,可准确预测肝细胞癌患者半肝切除术后发生肝衰竭的中高危风险患者,为早期干预提供指导。
5人工智能在肝癌辅助治疗中的应用
手术切除是肝癌最有效的治疗方法之一,但即便行根治性肿瘤切除,其术后5年复发率高达50%~70% 。肝癌术后复发是进一步提高肝癌疗效的瓶颈问题,探索肝癌术后复发危险因素并制订针对性抗复发治疗策略是进一步改善患者预后的关键。 Ji等[33]应用术前CT影像组学联合AFP、ALBI、肝硬化及肿瘤边界等临床资料构建肝癌术后复发预测模型,其准确性显著高于传统分期模型。 Zhang等[34]应用术前MRI影像组学联合临床指标构建术后复发模型,其AUC达0.884,显著高于单独的临床模型或影像组学模型。此外,早期复发和晚期复发等不同复发时段的患者复发危险因素并不相同,Kim等[35]分析不同复发时期患者MRI影像组学特征并分别构建术后早期及晚期复发预测模型。本团队[36]基于肝癌大数据资料,探索不同复发时段患者复发影响因素并利用随机生存森林、极限梯度提升(XGBoost)等机器学习算法构建肝切除术后复发预测模型,可针对肝癌术后不同时间复发风险进行预测,将患者分为高、中和低风险组,并用于指导辅助治疗。此外,也有研究者根据术后远处转移风险[37-38]、未来大血管侵犯发生风险[39]等预测模型用于个性化指导术后辅助治疗。
值得注意的是,肝癌是一种异质性程度非常高的肿瘤,即便同一个分期的肝癌患者可能预后并不相同。有必要根据患者临床特征进行个性化预后预测以进一步区分复发或死亡风险以指导辅助治疗。已有研究者构建肝癌合并门静脉癌栓[40]、肝癌合并下腔静脉癌栓[41]、多发肝癌[42]等术后预后预测模型用于辅助治疗决策。本团队根据病因、生物学特性、临床病理因素等特征构建多种特征肝癌患者预后预测模型,包括乙型肝炎肝癌[43]、非乙非丙型肝癌[44]、AFP阴性肝癌[45]、巨大肝癌[46]等预后预测模型,为精准化个性化辅助治疗决策提供依据。
6展望
近年来,互联网、大数据、云计算、人工智能、区块链等技术加速创新,日益融入经济社会发展各领域全过程,推动人工智能等新兴技术在丰富的医疗场景中落地应用对医疗行业智能化、高质量发展至关重要。目前,人工智能在原发性肝癌筛查、诊断、分期、治疗决策、预后评估等全诊疗流程中深度参与。本文对人工智能在原发性肝癌外科治疗中应用现状进行了总结,指出目前人工智能相关研究多集中于肝癌术前评估与预后预测等方面,尤其在术前微血管侵犯预测及术后复发预测等方面成果突出,在治疗决策及术中辅助方面也有初步应用。
现有研究提示：联合应用传统临床指标、影像学特征及影像组学等多维度信息,综合机器学习、深度学习技术有助于提升风险预测模型的准确性。此外,风险预测模型在复发预测、微血管侵犯预测等场景中应用落地将进一步提升治疗决策精准化、个性化,对精准肝脏外科发展具有积极且重要的意义。然而,尽管目前已研发众多人工智能应用工具,但落地应用较少,促进人工智能应用在临床诊疗中落地是未来需重点解决的问题。这既需要结合临床诊疗流程对人工智能进行前瞻性、多中心验证,提升模型的准确性和鲁棒性；也需要提升人工智能模型的可解释性,并明确人工智能在临床应用中的管理问题。总之,人工智能已在原发性肝癌外科治疗全流程中显示出巨大的应用前景,但如何促进其落地应用、真正提高临床服务能力并最终改善患者预后尚需更为深入的探索和努力。