导语：“下一个复发的人，会是谁？”——微波消融把肝癌烧得干干净净，可50-70%的患者仍在5年内被同一个“幽灵”缠上。
没有辐射的超声每天守在床边，却只会说“这里黑了一块”；CT/MRI能掐会算，却带不来、带不起、也带不动。当“谁该被提前拦截”成为临床每天都要做的赌局，一场让“最便宜的黑白片”开口讲出复发密码的实验，悄悄推开了另一扇门。
图源：CMT
“微波消融后复发预测缺‘眼’：超声影像组学能否补上这最后一环？”肝细胞癌（HCC）“治愈性”微波消融（MWA）后5年内仍有50–70%患者复发，影像学界却长期拿不出一张“术后天气预报图”。CT/MRI radiomics虽能掐指算命，却受限于辐射、费用和肝肾毒性，难以反复“掐”；常规灰阶超声（US）便宜、实时、无辐射，却被贴上“肉眼诊断”标签，被认为“看不清”肿瘤微环境。
于是，临床陷入尴尬：术后随访最常用的是US，可预测复发最不被看好的也是US。2022年4月17日，International Journal of Hyperthermia在线发表了一篇题为“Radiomics analysis of ultrasound to predict recurrence of hepatocellular carcinoma after microwave ablation”的文章，作者脑洞大开：把深度学习ResNet18和开源Pyradiomics同时塞进灰阶US，让“小透明”超声摇身一变，成为无活检即可预测复发、还能顺带读出病理分化级的“多面间谍”。
当“辐射-free”遇上“AI-feature”，一条低成本、可重复、床边化的HCC复发预警链由此浮出水面，填补了“MWA后影像组学无US立锥之地”的空白，也为“术后随访-风险分层-个体化干预”提供了一把新钥匙。
本研究是一项回顾性影像-临床混合验证研究，旨在开发并验证基于灰阶超声的影像组学模型，预测MWA后HCC复发及病理分化程度。
作者从2009–2017年单中心1880例MWA患者中，按“单瘤≤5 cm或多瘤≤3且最大≤3 cm、术前2周内有清晰灰阶US”等硬杠杆，层层筛出513例，随机4:1拆成训练组（413例）与验证组（100例）；其中270例有明确病理分化记录，再按同比例拆成197与73例亚组。
干预措施即“影像采集”：两位10年+年资US医师用LiverSketch逐帧勾画瘤体及外扩40 pixel瘤周ROI，15年+资深医师再审；随后一路数据增强（翻转、平移），一路ResNet18深度卷取，一路Pyradiomics手工提取1400+特征并LASSO降维，最终分别联合临床指标（AFP、ALBI、AST、TBIL等）构建混合模型。主要终点：无复发生存（RFS）；次要终点：2年内早期复发（ER）、5年内晚期复发（LR）；另设病理分化预测副目标。
评价指标：C-index、ROC-AUC、Kaplan–Meier组间差异。
图1：研究设计
ResNet18一骑绝尘：验证队列C-index 0.721，AUC 0.855读懂分化，超声组学首次跑赢临床模型”对复发预测
纯影像模型：ResNet18验证队列AUC，ER 0.694、LR 0.653、RFS 0.614；Pyradiomics相应AUC均<0.62，深度学习完胜传统特征工程。
混合模型：加入临床指标后，ResNet18组验证C-index升至ER 0.695（95%CI 0.561–0.789）、LR 0.715（0.623–0.800）、RFS 0.721（0.647–0.795），显著高于单纯临床模型（C-index≈0.58–0.68，p<0.001）。
风险分层：以模型得分中位值为切点，高、低风险组Kaplan–Meier曲线在训练与验证队列均“劈叉”，三条曲线p<0.001，作者原话“high-risk group had a higher risk of recurrence than the low-risk group”。
病理分化预测
ResNet18（瘤+瘤周+临床）模型训练AUC 0.885，验证AUC 0.709；作者总结“could be used to determine the degree of differentiation of HCC before biopsy or surgery”。
瘤周价值
外加40 pixel瘤周信息后，ResNet18模型ER预测AUC由0.54→0.69，LR由0.59→0.65，差异p<0.01；Pyradiomics则未见提升，提示“CNN can extract more information thanPyradiomics”。
语义特征
6项传统US描述（回声、形态、晕环等）经Cox与Kaplan–Meier双重检验，无一与复发显著相关，作者直言“no relationship between US semantic features and the prognosis of HCC”，为“肉眼判读”敲响警钟。
图2：开发用于预测HCC预后和分化的CNN-ResNet 18模型和吡喃组学模型的工作流程
总结本文首次把“便宜的灰阶US”+“不便宜的深度学习”打包成HCC-MWA复发预测工具，验证C-index 0.72、分化AUC 0.71，性能媲美CT/MRI却零辐射、零造影剂、可床边反复使用；同时证实瘤周微环境是预测“隐藏宝库”，而传统语义特征彻底败北。
尽管单中心、回顾性、缺CEUS动态信息，其“AI赋能最朴实影像”的思路为资源受限地区提供了可复制模板，也为后续多中心、前瞻性、CEUS-动态序列研究埋下伏笔。一句话：让超声不只是“看得见的探头”，更是“算得出的水晶球”。
参考文献
Wu JP, Ding WZ, Wang YL, Liu S, Zhang XQ, Yang Q, Cai WJ, Yu XL, Liu FY, Kong D, Zhong H, Yu J, Liang P. Radiomics analysis of ultrasound to predict recurrence of hepatocellular carcinoma after microwave ablation. Int J Hyperthermia. 2022;39(1):595-604.doi: 10.1080/02656736.2022.2062463. PMID: 35435082.
“医学论坛网”发布医学领域研究成果和解读，供专业人员科研参考，不作为诊疗标准，使用需根据具体情况评估。
编辑：常寂光
审核：梨九
排版：蓝桉
封面图源：CMT