European Radiology：肝细胞癌患者肝切除术后肝功能衰竭的MRI列线图预测

肝切除术是诊断为极早期或早期肝细胞癌（HCC）且肝功能完好的患者的主要治疗方法。随着手术技术的不断进步和围手术期护理的改善，对于那些不能严格满足传统理想手术候选者标准的患者，肝切除术被认为是一种可行的选择。尽管肝切除术的安全性有所提高，但肝切除术后肝功能衰竭（PHLF）仍然是一个严重的并发症，导致术后死亡率、发病率和住院时间延长。这种担忧在HCC患者中尤为明显，因为HCC患者经常同时伴有肝硬化或慢性肝病，从而增加了PHLF的风险。

为了优化HCC患者的选择和改进手术决定，临床上已经实施了各种方法。门脉高压和Child-Pugh分级的存在是选择肝切除术候选人的关键限制性标准。在亚洲国家，吲哚菁绿试验已被用于评估功能性肝储备。

此外，终末期肝病模型（MELD）和白蛋白-胆红素（ALBI）等指标也在预测手术风险方面发挥了作用。此外，利用CT或MRI体积测量预测术后残肝体积有助于精确的手术计划。

加氧酸MRI (Eovist或Primovist)是一种肝细胞特异性造影剂，由于其在HCC检测中的高度敏感性，已被广泛用于HCC的诊断和分期。此外，加氧酸增强MRI显示出评估肝功能的潜力，因为肝胆期（HBP）图像上的肝脏增强程度反映了肝细胞摄取功能。因此，加氧酸增强MRI能够评估肝功能和体积，具有估计PHLF风险的潜力。值得注意的是，最近深度学习算法的进步使得使用加氧酸增强HBP图像全自动测量肝脏和脾脏体积和信号强度成为可能，从而简化了功能性肝脏体积测量的临床应用。虽然先前的研究已经探索了加氧酸增强MRI预测PHLF的潜力，但它们受到局限性的限制，如样本量小、基于有限肝脏区域测量的肝功能评估[、以及没有充分考虑临床因素。

最近，发表在European Radiology 上的一篇文章通过对加氧酸增强肝胆（HBP） MRI的深度学习分析，开发了一项预测肝切除后肝衰竭（PHLF）的列线图模型。

本项回顾性研究分析了2016年至2020年间在两个转诊中心接受加氧酸增强MRI和肝切除术的HCC患者。采用深度学习算法，在HBP图像上测量非肿瘤全肝、预期残肝和脾脏的体积和信号强度。制定了两个多变量逻辑回归模型来预测PHLF，由国际肝脏外科研究小组定义和分级：一个基于全无肿瘤肝脏测量（全肝模型），另一个基于预期残肝测量（残肝模型）。这些模型以图和基于网络的计算器的形式呈现。识别性能评估使用面积下的接收者工作曲线（AUC），并通过1000倍的bootstrapping内部验证。

研究共纳入1760例患者(男性1395例；平均年龄±标准差（60±10岁），其中137例（7.8%）发生PHLF。列线图模型预测因子包括性别、γ -谷氨酰转肽酶、凝血酶原时间国际标准化比、血小板、肝切除程度以及由肝体积、肝脾信号强度比和脾体积得出的MRI变量。全肝和残肝形态图对PHLF（AUC分别为0.78和0.81）和症状性（B级和C级）PHLF（AUC分别为0.81和0.84）具有很强的预测能力。

表 主要和次要结果根据危险组使用列线图模型分层

本项研究表明，基于深度学习分析的加氧酸增强HBP图像能准确地对PHLF的风险进行分层。

原始出处：

Boryeong Jeong,Subin Heo,Seung Soo Lee,et al.Predicting post-hepatectomy liver failure in patients with hepatocellular carcinoma: nomograms based on deep learning analysis of gadoxetic acid-enhanced MRI.DOI:10.1007/s00330-024-11173-w