基于计算机断层扫描影像术前预测肝细胞癌微血管侵犯的研究进展.pdf

综述D O I:1 0.1 2 0 3 7/Y X Q Y.2 0 2 4.0 3-1 4牜基于计算机断层扫描影像术前预测肝细胞癌微血管侵犯的研究进展王粟1,张雷2,李淑文1,寇文豪1,杨世忠3(1.青海大学附属医院 肝胆胰外科,青海 西宁 8 1 0 0 0 0;2.清华大学附属北京清华长庚医院 超声科,北京 1 0 2 2 1 8;3.清华大学附属北京清华长庚医院 肝胆胰中心 清华大学精准医学研究院 清华大学临床医学院,北京 1 0 2 2 1 8)【摘要】微血管侵犯(m i c r o v a s c u l a r i n v a s i o n,MV I)是肝细胞癌患者根治术后近期复发和转移的重要危险因素,诊断MV I的金标准是术后病理学检查。建立术前无创评估MV I的方法,可以指导肝细胞癌患者术前治疗决策和确定手术方式,从而改善患者生存。本文针对术前计算机断层扫描影像预测肝细胞癌MV I的研究进展进行梳理,以期对肝细胞癌的临床治疗决策提供帮助。【关键词】肝细胞癌;微血管侵犯;影像学;复发;转移A d v a n c e s i n p r e o p e r a t i v e p r e d i c t i o n o f m i c r o v a s c u l a r i n v a s i o n i n h e p a t o c e l l u l a r c a r c i n o m a b a s e d o n C T i m a g i n gW a n g S u1,Z h a n g L e i2,L i S h u w e n1,K o u W e n h a o1,Y a n g S h i z h o n g3(1.H e p a t o p a n c r e a t o b i l i a r y S u r g e r y,A f f i l i a t e d H o s p i t a l o f Q i n g h a i U n i v e r s i t y,X i n i n g 8 1 0 0 0 0,Q i n g h a i,C h i n a;2.D e p a r t m e n t o f U l t r a s o u n d,T s i n g h u a C h a n g G u n g H o s p i t a l,B e i j i n g 1 0 2 2 1 8,C h i n a;3.H e p a t o b i l i a r y a n d P a n c r e a t i c C e n t e r,T s i n g h u a C h a n g G u n g H o s p i t a l,I n s t i t u t e o f P r e c i s i o n M e d i c i n e,S c h o o l o f C l i n i c a l M e d i c i n e,B e i j i n g 1 0 2 2 1 8,C h i n a)C o r r e s p o n d i n g a u t h o r:Y a n g S h i z h o n g,E-m a i l:y s z a 0 2 0 0 8b t c h.e d u.c n【A b s t r a c t】M i c r o v a s c u l a r i n v a s i o n(MV I)i s a n i m p o r t a n t r i s k f a c t o r f o r r e c e n t r e c u r r e n c e a n d m e t a s t a s i s a f t e r r a d i c a l s u r g e r y i n h e p a t o c e l l u l a r c a r c i n o m a(HC C)p a t i e n t s,a n d t h e g o l d s t a n d a r d f o r d i a g n o s i n g MV I i s p o s t o p e r a t i v e p a t h o l o g i c e x a m i n a t i o n.T h e e s t a b l i s h m e n t o f a p r e o p e r a t i v e n o n i n v a s i v e a s s e s s m e n t o f MV I c a n g u i d e p r e o p e r a t i v e t r e a t m e n t d e c i s i o n s a n d d e t e r m i n e t h e s u r g i c a l a p p r o a c h i n p a t i e n t s w i t h HC C,t h e r e b y i m p r o v i n g p a t i e n t s u r v i v a l.I n t h i s a r t i c l e,w e s u mm a r i z e t h e r e s e a r c h p r o g r e s s o f p r e o p e r a t i v e c o m p u t e d t o m o g r a p h y i m a g i n g f o r p r e d i c t i n g MV I i n HC C,w i t h t h e a i m o f h e l p i n g o p t i m i z e c l i n i c a l d e c i s i o n s f o r HC C t r e a t m e n t.【K e y w o r d s】H e p a t o c e l l u l a r c a r c i n o m a;M i c r o v a s c u l a r i n v a s i o n;I m a g i n g;R e c u r r e n c e;M e t a s t a s i sF u n d P r o g r a m s:N a t i o n a l N a t u r a l S c i e n c e F o u n d a t i o n o f C h i n a M a j o r P r o j e c t(8 2 0 9 0 0 5 2),T s i n g h u a U n i v e r s i t y P r e c i s i o n M e d i c i n e R e s e a r c h P r o j e c t(2 0 2 2 Z L A 0 0 7)肝细胞癌(h e p a t o c e l l u l a r c a r c i n o m a,HC C)是全球最常见和高度致命的恶性肿瘤之一,在肿瘤新发病例中排名第四1-2。肝切除是HC C最常用的根治性治疗手段,但根治性切除术后5年内患者复发率高达5 0%7 0%3-5。影像学可见的门静脉和肝静脉等大血管癌栓已经被证实与患者术后复发显著相关。近年来研究表明,常规影像不可见的微血管侵犯(m i c r o v a s c u l a r i n v a s i o n,MV I)也是导致HC C患者术后早期复发和预后不良的重要危险因素5-6。因此,术前准确预测和评估HC C患者的MV I状态对于临床医生优化治疗计划和提高长期生 存 率 至 关 重 要。鉴 于 计 算 机 断 层 扫 描(c o m p u t e d t o m o g r a p h y,C T)是HC C患者最常用的影像学检查手段,本文梳理了近年来国内外基于C T影像在术前预测肝细胞癌MV I的研究,期待能对HC C的临床治疗决策提供帮助。1 微血管侵犯概况1.1 微血管侵犯定义中国病理生理学会在整合了国际和国内HC C研究的数据后,提出了 原发性肝癌标准化病理7 7 中国医学前沿杂志(电子版)2 0 2 4年第1 6卷第3期基金项目:国家自然科学基金重大项目(8 2 0 9 0 0 5 2);清华大学精准医学科研项目(2 0 2 2 Z L A 0 0 7)通信作者:杨世忠 E-m a i l:y s z a 0 2 0 0 8b t c h.e d u.c n综述诊断指南(2 0 1 5年版)7,该指南将MV I定义为在显微镜下于肝内静脉、门静脉或其他血管内皮细胞衬 覆 的 血 管 腔 内 见 到 癌 细 胞 巢 团。根 据MV I的分布和数量对风险进行分层,如下所示:M 0(无风险,不存在 MV I)、M 1(低风险,确定 5个MV I 位点,位于邻近肝组织距离肿瘤 1 c m)和M 2(高风险,5个MV I位点被识别或位于距离肿瘤1 c m的相邻肝组织中)。中国肝癌病理组(L i v e r C a n c e r P a t h o l o g y G r o u p o f C h i n a,L C P G C)进行了一项全国性多中心研究,验证了七点 采 样 方 案(s e v e n-p o i n t s a m p l i n g p r o t o c o l,S P S P)和三级MV I分级(t h r e e-t i e r e d MV I g r a d-i n g s y s t e m,MV I-T T G)方案在诊断中的有效性和准 确 性8。C h e n等9研 究 表 明,采 样 位 点 数(n u m b e r o f s a m p l i n g s i t e s,N u S S)和采样位置会对MV I的检出率产生影响,充分的N u S S与更高的MV I检出率和更好的H C C患者生存相关。在单发肿瘤(1.0 3.0 c m、3.14.9 c m和5.0 c m)和多发肿瘤亚组中,分别推荐4、6、8、8个采样点数作为评估MV I取样质量和患者预后分层的切点,并通过前瞻性研究验证了这一结论。因此,应根据肿 瘤 直 径 和 数 量 等 情 况,适 当 调 整N u S S和位置。1.2 微血管侵犯与肝细胞癌预后相关性存在MV I预示着肿瘤复发风险高,众多研究证实MV I是 导致HC C预后不佳 的独立危险 因素1 0-1 1。大量研究显示,MV I在HC C中的发生率介于3 4.6%7 0.4%之间1 2-1 3。由于存在多种共存的危险因素,预测HC C患者治疗后的长期生存并不能通过单一因素来进行独立预测。建立预后模型,如列线图或评分系统,可以提供更准确的预测或估计个体患者长期生存概率的合理方式。在现有的HC C术后复发预测模型中,MV I通常是一个重要因素。1.3 术前预测微血管侵犯的临床意义近年来,MV I的风险已经被广泛认知,术者如果能在术前准确预测出患者发生MV I的概率,就能根据发生率的大小选择适当的手术方案和相应的术前干预措施,从而更有效地降低术后肝癌复发风险,改善患者的长期生存。大量研究结果显示,宽的手术切缘、解剖性肝切除及术前规范的抗病毒治疗,都可以有效提高患者的长期生存率1 4-1 6,但是,由于技术上的局限,目前只能通过术后的组织病理学和免疫组化检测来确定是否存在MV I。因此,在术前早期、准确并可靠的预测MV I对于指导具体的治疗方案和最终改善患者预后生存非常重要。2 基于计算机断层扫描影像预测微血管侵犯2.1 肿瘤包膜形态肝癌的包膜是一种复杂的结构,病理学上是由一层纤维囊结构构成,完整的包膜可能会有效地阻止肿瘤的侵袭和扩散。C h o u等1 7研究结果显示,肝癌包膜的存在和完整性与MV I的发生有密切关联,不完整的包膜对于预测肝癌MV I起着关键的作用。一项纳入了1 1篇文章的M e t a分析1 8也证实了包膜不完整是MV I发生的危险因素。然而,有报道通过建立基于增强C T 的包膜缺失评分模型,发现肿瘤包膜与MV I之间没有相关性1 9。因此,肿瘤包膜与MV I的相关性存在争议,在临床实践中需谨慎预测MV I。2.2 肿瘤边缘形态肝癌边缘定义为HC C细胞与周围正常肝脏组织的交界。肿瘤边缘不光滑,通常被认为是HC C侵袭肿瘤包膜并向非肿瘤组织突出的标志,表明肿瘤更容易发 生门静脉侵 犯和肝内 转 移。C h o u等2 0研究证实了这一观点,通过对比分析1 0 2例行根治性肝切除术的HC C患者术前C T影像及术后病理进行分析,尽管单因素分析显示肿瘤大小、E d m o n d s o n-S t e i n e r分级和肿瘤边缘不光滑与MV I相关,但多 因 素 分 析 显 示 仅 肿 瘤 边 缘 不 光 滑 与HC C(P0.0 0 1)中MV I的存在相关。该结果证实,在多相C T上表现不光滑肿瘤边缘的影像学特征可以预测MV I,并且外生和多结节融合HC C的MV I发生率高于单结节HC C。Wu等2 1也证实了上述观点。此外,一篇纳入了1 1项研究的M e t a分析2 2将患者平均年龄大于6 0岁的进行亚组研究,也表明肿瘤边缘不光滑是一个HC C患者发生MV I的重要预测因素,其敏感度和特异度分别为7 5%和8 7%。由于肿瘤边缘不光滑具有较高的特异度,是临床预测MV I的可靠指标。通过构建基7 8 中国医学前沿杂志(电子版)2 0 2 4年第1 6卷第3期综述于非光滑 肿 瘤 边 缘 的 模 型,可 能 进 一 步 提 高 对MV I术前诊断的准确性。2.3 肿瘤大小及数量大量研究表明,H C C的MV I与肿瘤大小及数量有关。H i r o k a w a等2 3研究发现,MV I阳性的肿瘤大小截断值为3 c m。然而,X i a等2 4研究发现H C C 6.5 c m,MV I发生率分别为2 5%、4 0%、5 5%、6 3%。E s-n a o l a等2 5对2 4 5例行肝癌切除术的HC C患者研究表 明,肿 瘤4 c m与MV I有 较 强 的 相 关 性(O R=3.0)。王传铭等2 6对1 0 3 3例行根治性肝切除术的HC C患者进行研究,结果表明肿瘤总直径 5 c m是MV I的独立危险因素(O R=3.8 1)。此外,Z h a o等2 7通过对HC C患者回顾性分析发现,当肿瘤的大小超过8 c m时,MV I的阳性率就会提高(O R=5.5 4 5,P=0.0 1 0)。此外,肿瘤数目3个 也 被 证 实 是MV I的 独 立 危 险 因 素(O R=1 1.5 6 6,P=0.0 0 7)2 7。虽然通过肿瘤大小和数量预测MV I的标准没有统一性,但普遍认为较大和较多的肿瘤与MV I的发生呈正相关。2.4 定量参数能谱C T(d u a l-e n e r g y c o m p u t e d t o m o g r a p h y,D E C T)作为评估和预测肝硬化患者HC C的优良定性和定量工具,在预测MV I方面也引起学者的关注2 8。在增强扫描时,病灶碘吸收量的不同会形成不同形状的能谱线,能够间接呈现出病灶内的血液供给状况。能谱线在评估病损、同质性以及血液供给的不同方面,具有相同的医学价值。K i m等2 9的研究通过对A P中瘤周和瘤内区域以及混合能量C T衰减值进行三维测量,证实距肿瘤边缘2 mm的瘤周区域的碘浓度(n o r m a l i z e d i o d i n e c o n c e n t r a t i o n,N I C)预 测MV I,AU C值高达0.7 4 7,临界值为0.8 2时,敏感度为7 8.6%,特异度为6 8.2%。但在另一项研究中3 0,当N I C的截断值为0.1 8 8时,预测MV I状态的AU C值达到0.8 7,敏感度为8 1.3%,特异度为7 9.6%。此外,李大铭等3 1也得出了同样的结论,并且使用3.2 4 5作为动脉期的能谱曲线的斜率的阈值,在受试者操作特征曲线(r e c e i v e r o p e r a t o r c h a r a c t e r-i s t i c c u r v e,R O C曲线)分析中获得0.8 0 6的曲线下面积(a r e a u n d e r t h e c u r v e,AU C)值来区分是否存在MV I。肝脏的灌注C T成像是通过在注射对比剂后捕获连续图像,并能够分析肿瘤血流动力学和血管衰减的时间变化,功能性 3 2 0排肝灌注C T成像能够提供正常肝组织和HC C的准确血流值,并定量评估与 疾 病 相 关 的 肝 动 脉 血 流(h e p a t i c a r t e r y f l o w,HA F)和 门 静 脉 血 流(p o r t a l v e i n f l o w,P V F)变化,为预测MV I提供了一种非侵入性的定量方法。Wu等3 2研究者回顾性收集5 6例因小HC C(3 c m)接受肝切除术的患者,术前使用螺旋C T灌注成像,得出3个灌注参数有显著差异,分别 是:P V Ft u m o r(肿瘤 组 织 内 门 静 脉 血 流量),P V F(肿瘤组织内与正常肝组织内门静脉血流量差值)和r P V F(门静脉血流相对变化量,P V F/P V Fl i v e r)。结 果 表 明 这3个 灌 注 参 数 在MV I阳 性 组 显 著 高 于MV I阴 性 组(P分 别 为0.0 0 9 4、0.0 0 1 8 和0.0 0 0 7)。这项研究的优势在于,它提出 一 种 非 侵 入 性 且 可 量 化 的 方 式 预 测MV I,使得研究结果更加客观。目前仍需要大样本多中心研究来验证这两种技术在术前预测MV I方面的实用性。3 基于增强计算机断层扫描影像组学及人工智能预测微血管侵犯影像组学是通过计算机技术从医学影像图像中提取出大量人眼无法观察到的形态及纹理特征,将图像矩阵数据进一步转换为定量数据,以便更准确地描述感兴趣区(r e g i o n o f i n t e r e s t,R O I)的特征。其定量分析具有非侵入性的特点,可对HC C病理特征进行评估,从而指导临床围手术期管理。M a等3 3通过对增强C T的动脉期(a r t e r i a l p h a s e,A P)、门 静 脉 期(p o r t a l v e n o u s p h a s e,P V P)和延迟期(d e l a y e d p h a s e,D P)多个放射组学特征进行分析,结果显示P V P表现出更好的性能,AU C为0.7 9 3。Y a o等3 4研究结果与前者一致。此外,Z h a n g等3 5基于增强C T分析肿瘤图像纹理特征评估MV I。在该研究中,6 3 7例患者通过随机方式被分配,其中4 5 1例为训练队列,1 1 1例为测试队列,7 5例为验证队列。研究结果表明,在训练、测试和独立验证队列中,预测MV I的7 9 中国医学前沿杂志(电子版)2 0 2 4年第1 6卷第3期综述AU C分别为0.7 8 0、0.7 7 6、0.7 4 3。另外,Z h e n g等3 6的研究发现,在肿瘤5 c m的患者中,基于角度共生矩阵的定量特征 预测MV I的AU C为0.8 0,阳性预测值为6 3%,阴性预测值为8 5%。而在肿瘤5 c m的患者中,影像学指标与MV I无关。R e n z u l l i等3 7从肿瘤和过渡区(z o n e o f t r a n-s i t i o n,Z OT)中提取影像组学特征,跨越肿瘤和瘤周,使用基于局部图像梯度分析的标准化程序自适应检测。在测试队列,AU C为0.8 6(9 5%C I为0.7 00.9 3),敏感度为7 9%,特异度为8 2%。影像组学技术可以提供比传统影像学更加精细的内部纹理信息,使得我们可以更全面地分析病变特征,为MV I的诊断预测提供了新的工具。但是影像组学的推广应用目前还存在不少局限性。例如:不同成像设备带来的图像质量参差不齐;勾画R O I的人力、时间成本高等。深度学习使得机器学习能够实现众多的应用,并拓展了人工智能的领域范围。它是机器学习研究中的一个新的领域,其目的在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像、声音和文本。卷积神经网络(c o n v o l u t i o n a l n e u r a l n e t w o r k,C NN)是最常用的深度学习网络,在图像的识别及分类中有较高的价值,常用于分析处理影像数据3 8。为了比较传统影像组学与深度学习在预测HC C的MV I中的价值,J i a n g等3 9发现基于传统影像组学联合临床特征 模 型 和 深 度 学 习 的 模 型,在 训 练 集 中AU C分别为0.9 5 2和0.9 8 0,而在训练集中AU C分别 达0.8 8 7,表 明 无 显 著 差 异。同 样,Y a n g等4 0的研究结果表明,深度学习的模型在测试队列中的AU C为0.9 0 9,准确率为9 6.4 7%,实现了对MV I状态的准确术前预测。4 基于增强计算机断层扫描预测微血管侵犯的建模预测模型是以已知的参数为基础,建立模型,用来预测相关事件发生的概率。通过利用临床及影像学的多变量所建立的预测模型,可以比单一变量更准确地估计出相关事件的发生概率,从而大大提高了预测的准确性和可靠性。由于预测MV I的因素众多且存在异质性,研究者们试图根据评分与MV I发生风险的相关性,构建一个评分系统来预测MV I的状态。例如,一项纳入3 0 9例肝癌患者的研究1 9,术前的增强C T特征如瘤内动脉、非结节型HC C以及包膜缺失等都被认为是MV I的独立预测因素,根据3个预测因子的系数,构建了一个MV I预测评分模型,并对每个预测因子赋予了相应的分数,评分模型的分数越高,MV I的 风险也 相 应 地 增 加。每 个HC C患者的总预测评分为每个有价值的预测因子的评分之和,范围为04.5分。经过R O C曲线分析,发 现AU C为0.8 7 2(9 5%C I:0.8 1 70.9 2 8)。根据评分,在低危组(评分3分)和高危组(评 分3分)中,MV I发 生 率 分 别 为1 7.6%和7 6.5%(P0.0 0 1)。同样,R y u等4 1基于临床因素(肿瘤直径、甲胎蛋白、异常凝血酶原)和影像学指标(肿瘤边缘不光滑)等变量建立了预测MV I的临床评分系统,MV I的发生率与评分等级呈正相关,3分和4分对应的MV I发生率分别为9 1.7%和1 0 0%,AU C为0.8 6 5(P0.0 5)。另外,列线图作为一种可视化的临床预测模型,也为临床医生的决策提供了依据,并在风险预测和诊断方面显示出很好的发展。一项研究4 2基于术前肝纤维化评分、-L-岩藻糖苷酶水平、甲胎蛋白水平、肝硬化、肿瘤边缘不平滑等特征构建的列线图预测模型,在训练集和验证集中的C指数分别为0.8 4 6和0.7 8 6,显示出良好的预测能力。同样,M a o等4 3提取了内脏脂肪组织密度、肌内脂肪组织指数、骨骼肌面积等影像学指标和临床变量相结合,列线图在训练和验证队列中分别取得了0.7 9(9 5%C I:0.7 20.8 6)和0.7 5(9 5%C I:0.6 20.8 9)的良好一致性指数(C指数)。总之,一些诊断性能较好的预测模型正在逐步建立。然而,预测模型中包含了难以相互比较的变量预测因子,并且一些成像参数的解释具有很强的主观性,难以标准化。W a n g等4 4的影像组学评分由4 5个选定的特征组成,其中年龄、肿瘤最大直径与最小直径的比值和氟代脱氧葡萄糖摄取状态是MV I的独立预测因素。临床-影像组学列线图对MV I预测A U C为 8 0 中国医学前沿杂志(电子版)2 0 2 4年第1 6卷第3期综述0.8 9 0(9 5%C I:0.8 5 40.9 2 7),其性能优于临床列 线 图,其A U C为 0.8 4 9(9 5%C I:0.8 0 40.8 9 3)(P0.0 5)。同样,M a等3 3成功地将放射组学和列线图进行了融合,他们从增强C T中分别提取了A P、P V P、D P的定量影像特征,构建了3种放射组学模型,并将这些模型与临床参数预测模型结合后的预测精度进行了对比。结果显示,将P V P的放射组学评分与临床参数预测模型相结合后,预测性能最佳。同样,最近的一篇纳入7 7 3例HC C患者的研究结果也证实了上述结论4 5,将最佳AU C影像组学模型与临床-影像特征相结合,构建混合模型。混合模型对MV I的预测性能最好,其内部及外部测试集的AU C分别为0.8 6和0.8 4。5 未来和展望MV I是临床H C C患者预后不良的最常见危险因素,在指导临床决策、预测复发和评估预后方面发挥着不可或缺的临床作用。MV I的早期预测对H C C患者治疗方式的选择及长期生存具有重要意义,研究人员在预测MV I方面也投入了很多精力,以期找到一种无创、高质的术前评估方法。影像学领域的研究已经不仅只从包膜形态、边缘形态、大小及数量等定性指标进行描述,而是开始向动脉期碘基值、微血管密度、门静脉血流量、影像组学及人工智能等客观量化的方向发展。然而,影像组学和人工智能技术的应用标准规范尚未建立、缺乏外部数据集的验证等原因,相关影像征象或模型的推广条件尚不成熟。为了提高可信度,未来还应该进行大样本、多因素、多参数的研究,以构建出临床可广泛推广应用的MV I术前预测模型。参考文献1X I A C,D ON G X,L I H,e t a l.C a n c e r s t a t i s t i c s i n c h i n a a n d u n i t e d s t a t e s,2 0 2 2:P r o f i l e s,t r e n d s,a n d d e t e r m i-n a n t sJ.CM J,2 0 2 2,1 3 5(5):5 8 4-5 9 0.2中华人民共和国国家卫生健康委员会.原发性肝癌诊疗指南(2 0 2 2年版)J/C D.肿瘤综合治疗电子杂志,2 0 2 2,8(2):1 6-5 3.3B RU I X J,R E I G M,S HE RMAN M.E v i d e n c e-b a s e d d i-a g n o s i s,s t a g i n g,a n d t r e a t m e n t o f p a t i e n t s w i t h h e p a t o c e l-l u l a r c a r c i n o m aJ.G a s t r o e n t e r o l o g y,2 0 1 6,1 5 0(4):8 3 5-8 5 3.4YANG J D,HA I NAUT P,GO R E S G J,e t a l.A g l o b a l v i e w o f h e p a t o c e l l u l a r c a r c i n o m a:T r e n d s,r i s k,p r e v e n-t i o n a n d m a n a g e m e n tJ.N a t R e v G a s t r o H e p a t,2 0 1 9,1 6(1 0):5 8 9-6 0 4.5XU X F,D I AO Y K,Z E N G Y Y,e t a l.A s s o c i a t i o n o f s e-v e r i t y i n t h e g r a d i n g o f m i c r o v a s c u l a r i n v a s i o n w i t h l o n g-t e r m o n c o l o g i c a l p r o g n o s i s a f t e r l i v e r r e s e c t i o n f o r e a r l y-s t a g e h e p a t o c e l l u l a r c a r c i n o m a:a m u l t i c e n t e r r e t r o s p e c t i v e c o h o r t s t u d y f r o m a h e p a t i t i s B v i r u s-e n d e m i c a r e aJ.I n t J S u r g,2 0 2 3,1 0 9(4):8 4 1-8 4 9.6MA S UD A Y,Y E O MHX,B UR D I O F,e t a l.F a c t o r s a f f e c t i n g o v e r a l l s u r v i v a l a n d d i s e a s e-f r e e s u r v i v a l a f t e r s u r-g e r y f o r h e p a t o c e l l u l a r c a r c i n o m a:a n o m o g r a m-b a s e d p r o g-n o s t i c m o d e la W e s t e r n E u r o p e a n m u l t i c e n t e r s t u d yJ.U p d a t e s S u r g,2 0 2 3:1-1 3.7中国抗癌协会肝癌专业委员会,中华医学会肝病学分会肝癌学组,中国抗癌协会病理专业委员会,等.原发性肝癌规范化病理诊断指南(2 0 1 5年版)J.临床肝胆病杂志,2 0 1 5,3 1(6):8 3 3-8 3 9.8F O R THE L I V E R C AN C E R P A THO L O G Y G ROU P O F C H I NA(L C P G C),S HE N G X,J I Y,e t a l.A s t a n d a r d-i z e d p a t h o l o g i c a l p r o p o s a l f o r e v a l u a t i n g m i c r o v a s c u l a r i n v a-s i o n o f h e p a t o c e l l u l a r c a r c i n o m a:a m u l t i c e n t e r s t u d y b y L C P G CJ.H e p a t o l I n t,2 0 2 0,1 4(6):1 0 3 4-1 0 4 7.9C HE N L,C HE N S,Z HOU Q,e t a l.M i c r o v a s c u l a r i n-v a s i o n s t a t u s a n d i t s s u r v i v a l i m p a c t i n h e p a t o c e l l u l a r c a r c i-n o m a d e p e n d o n t i s s u e s a m p l i n g p r o t o c o lJ.A n n S u r g O n c o l,2 0 2 1,2 8:6 7 4 7-6 7 5 7.1 0R O D R G U E Z-P E R L V A R E Z M,L UO N G T V,A N D R E-A N A L,e t a l.A s y s t e m a t i c r e v i e w o f m i c r o v a s c u l a r i n v a s i o n i n h e p a t o c e l l u l a r c a r c i n o m a:d i a g n o s t i c a n d p r o g n o s t i c v a r i a b i l i-t yJ.A n n S u r g O n c o l,2 0 1 3,2 0(1):3 2 5-3 3 9.1 1F E NG LH,D ON G H,L AU WY,e t a l.N o v e l m i c r o v a s-c u l a r i n v a s i o n-b a s e d p r o g n o s t i c n o m o g r a m s t o p r e d i c t s u r-v i v a l o u t c o m e s i n p a t i e n t s a f t e r R 0 r e s e c t i o n f o r h e p a t o c e l l u-l a r c a r c i n o m aJ.J C a n c e r R e s C l i n O n c o l,2 0 1 7,1 4 3(2):2 9 3-3 0 3.1 2Z HAN G C,Z HAO R,C HE N F,e t a l.P r e o p e r a t i v e p r e-d i c t i o n o f m i c r o v a s c u l a r i n v a s i o n i n n o n-m e t a s t a t i c h e p a t o-c e l l u l a r c a r c i n o m a b a s e d o n n o m o g r a m a n a l y s i sJ.T r a n s l.O n c o l,2 0 2 1,1 4(1):1 0 0 8 7 5.1 3X I A F,Z HAN G Q,N DHL OVU E,e t a l.A n o m o g r a m f o r p r e o p e r a t i v e p r e d i c t i o n o f m i c r o v a s c u l a r i n v a s i o n i n r u p-t u r e d h e p a t o c e l l u l a r c a r c i n o m aJ.E u r J G a s t r o e n t e r o l H e p a t o l,2 0 2 3,3 5(5):5 9 1-5 9 9.1 4L I U J,Z HUAN G G,B A I S,e t a l.T h e c o m p a r i s o n o f s u r g i c a l m a r g i n s a n d t y p e o f h e p a t i c r e s e c t i o n f o r h e p a t o c e l-l u l a r c a r c i n o m a w i t h m i c r o v a s c u l a r i n v a s i o nJ.O n c o l o-g i s t,2 0 2 3,2 8(1 1):e 1 0 4 3-e 1 0 5 1.1 5L I N WD,Y E L N,S O N G Z S,e t a l.W i d e s u r g i c a l m a r g i n s i m p r o v e p r o g n o s i s f o r H C C w i t h m i c r o v a s c u l a r i n v a s i o nJ.E u r R e v M e d P h a r