JCTH | 基于CT影像和临床特征的肝癌风险分层新工具：aMAP-CT模型

摘要：Fan R, Shi YR, Chen L, Wang CX, Qian YS, Gao YH, et al. HepatoCellular Carcinoma Risk Stratification for Cirrhosis Patients: Integ

本文由论文原创团队投稿

引用本文

Fan R, Shi YR, Chen L, Wang CX, Qian YS, Gao YH, et al. HepatoCellular Carcinoma Risk Stratification for Cirrhosis Patients: Integrating Radiomics and Deep Learning Computed Tomography Signatures of the Liver and Spleen into a Clinical Model. J Clin Transl Hepatol. Published online: Aug 1, 2025. doi: 10.14218/JCTH.2025.00091.

研究背景及目的

肝细胞癌（Hepatocellular carcinoma，HCC）在全球范围内仍具有显著的疾病负担。HCC的早期筛查与诊断是改善预后的关键环节。肝硬化仍是HCC发生发展的关键环节和超高危因素。因此，针对肝硬化患者，开发兼具可及性和准确性的HCC风险分层模型，是HCC早筛早诊进而改善预后的重要基础。

虽然包括团队前期开发的aMAP评分在内的现有模型在慢性肝病人群中表现良好，但在肝硬化人群中区分高低风险的能力仍有限；而团队此前构建的aMAP-2及aMAP-2 plus虽在肝硬化亚群中取得了AUC 0.86的优异表现，但依赖cfDNA这一暂时未被普及的生物标志物，限制了其广泛应用。

近年来，影像组学和深度学习技术的发展为无创风险预测带来了新的可能。基于全国多中心肝硬化前瞻性队列，我们开发并验证了一个新的aMAP-CT模型，融合了肝脏与脾脏的CT影像特征和临床指标，有望为肝癌风险分层提供更加精准的工具。

研究方法和结果

研究基于中国多中心、前瞻性、观察性队列——PreCar队列开展，从中排除了失访、影像质量差等患者，最终2,411例肝硬化患者纳入研究。为提高模型的泛化能力，研究采用7:3的比例将来自多个中心的患者随机分为训练集和验证集，并将样本量最大中心的患者作为测试集。

患者中位随访时间为42.7个月。其中，以乙型肝炎为病因的患者占比91.6%。随访过程中，共有118名患者进展为HCC，3年累积发病率为3.59%。所有患者基线时均接受三期增强腹部CT扫描。

研究采用nnU-Net模型进行器官的半自动分割，获得优异的Dice评分（肝脏：0.974，脾脏：0.979）。在此基础上，利用ResNet-18模型提取深度学习特征，Pyradiomics获取放射组学特征，经最小绝对收缩和选择算子回归（Least Absolute Shrinkage and Selection Operator，LASSO）筛选关键变量后，利用逻辑回归构建影像评分。最终将影像评分与经过充分外部验证的aMAP评分通过逻辑回归整合，得到最终模型：aMAP-CT模型。

研究进一步对模型效果进行评估：

（1）预测效能：aMAP-CT在训练集、验证集和测试集三个队列中均表现出色（AUC：0.81-0.87）；且脾脏特征的引入有效缓解了模型的过拟合（图1）。此外，与多个模型相比，aMAP-CT展现出更优的判别性能；并且，其AUC与aMAP-2 Plus相当（表1）。

图1：在训练集、验证集和测试集中，aMAP-CT模型、aMAP联合肝脏影像特征模型（aMAP+liver）以及aMAP评分预测HCC发生风险的ROC曲线。

表1：比较aMAP-CT模型与其他现有HCC风险评分在预测各数据集HCC发生的AUC值。

（2）风险分层效能：aMAP-CT有效将肝硬化患者划分为高低风险组（cut-off=0.37）（图2）。更重要的是，通过从aMAP到aMAP-CT（aMAP→aMAP-CT）的序贯分析（图3），可进一步排除年发病率仅0.8%的低危人群，同时识别出年转癌率高达13.2%的极高危亚群，该结果同样与aMAP系列评分（aMAP→aMAP-2→aMAP 2 Plus）的序贯应用效果相当。

图2：根据aMAP-CT模型分层的训练、验证和测试集中的 HCC 累积发病率。

图3：aMAP→aMAP-CT序贯分析图

亮点解读

本研究是团队“数智化赋能肝癌早筛早诊”系列研究中的一项探索性工作，通过融合影像组学与人工智能技术，围绕高危人群智能化风险分层开展了方法路径的系统构建，为提升早筛效率与精准性提供了理论支撑。

区别于既往仅使用脾脏体积等常规变量的研究，本研究首次将脾脏的放射组学和深度学习影像特征引入HCC风险预测模型，这不仅提升了预测性能，缓解了模型的过拟合；也提升了风险分层性能。

该模型突破了既有方法在肝硬化患者中预测效能有限的瓶颈，精准捕捉人群内风险异质性。据此，本研究提出了一种潜在的序贯筛查方案（aMAP→aMAP-CT）：先应用aMAP评分进行初筛，将评分＜50分的低危人群（年HCC发生率

总结和展望

aMAP-CT模型是一种无创、实用、准确的工具，可作为现有评分系统的有效替代，为肝硬化患者制定个体化监测策略提供重要依据。

本文“Hepatocellular Carcinoma Risk Stratification for Cirrhosis Patients: Integrating Radiomics and Deep Learning Computed Tomography Signatures of the Liver and Spleen into a Clinical Model”在期刊Journal of Clinical and Translational Hepatology上发表。

投稿：2025年2月26日；修回：2025年5月30日；接受：2025年7月7日；上线：2025年8月1日

作者简介

第一&通讯作者

樊蓉

南方医科大学南方医院感染内科副主任，主任医师，教授，博士生导师，教育部青年长江学者；

长期从事乙肝、肝硬化和肝癌的临床和转化医学研究。以第一/通讯作者发表 SCI 论文40篇，总影响因子688.3，代表性成果发表于Lancet Infectious Disease、Journal of Hepatology、Gut等国际知名期刊。研究成果改写国内外乙肝和肝癌诊疗指南/共识，先后被指南/共识引用30余次；

授权国家发明专利7项，计算机软件著作权3项。主持国家自然科学基金4项，国家科技重大专项子课题1项。荣获广东省科技进步一等奖2项。

通讯作者

侯金林

南方医科大学南方医院感染内科主任、教授、主任医师，广东省肝脏疾病研究所所长；

国务院学位委员会学科评议组成员，国家杰出青年基金获得者（2003），曾任中华医学会感染病分会主任委员、亚太肝病学会（APASL）主席；

长期从事肝病的临床诊疗及转化医学研究。主持和参与临床研究100余项。在国内外杂志发表论文700余篇，包括The New England Journal of Medicine、Nature Medicine、Science、The Lancet子刊、Nature Review Drug Discovery、Journal of Hepatology、Hepatology、Gut和Cell Research等；

连续10年被评为爱思唯尔“中国高被引学者”。获国家科技进步二等奖2项、广东省科技进步一等奖4项。

王红阳

中国工程院院士，发展中国家科学院院士，国家基金委杰青，教育部长江特聘教授，主任医师，博士生导师；

国家肝癌科学中心创始主任、国际合作生物信号转导研究中心主任。兼任中国医师协会精准医学专业委员会主任委员等职务；

长期从事肿瘤的基础与临床研究，对肿瘤的炎-癌转化、信号网络调控和肝癌诊断试剂研发等有重要建树。在国际有影响的主流期刊发表SCI论文200余篇；

近五年申报发明专利30项，已获授权14项（国际专利2项），主持研发的Glypican-3肝癌诊断试剂获国家食品药品监督管理总局（CFDA）批复临床应用（是我国第一个具有完全自主产权获批的肝癌诊断试剂盒）。先后主持国家和省部级重大、重点科技攻关项目多项；

以第一完成人获首届国家科学技术进步奖一等奖创新团队奖、国家自然科学奖二等奖、上海市自然科学一等奖、上海医学科技一等奖等奖励，获全国三八红旗手标兵、总后勤部“科技金星”、上海市“十大科技精英”等称号，获首届“英雄杯”中国实验医学奖、韩国爱茉莉太平洋杰出女科学家奖、巾帼创新奖和首届“五洲女医师奖” 等。曾先后荣立一等功、二等功和三等功多次。

第一作者