编者按：靶向联合免疫治疗已经成为中晚期肝癌治疗的标准选择方案之一。随着循证医学证据的不断涌现，此类方案用药线序逐渐前移，为肝癌转化治疗带来了更多机会。为了有效遴选靶免治疗优势人群，孙惠川教授携手全国多中心学者开发了通过MRI影像组学方式预测晚期HCC患者使用仑伐替尼联合PD-1疗效的方法，并于2022年底刊发于《Liver Cancer》。该研究是我国首次在肝癌领域使用影像组学预测疗效的探索，为肝癌诊疗带来了全新的思路。“肿瘤瞭望”特邀复旦大学附属中山医院孙惠川教授与浙江大学医学院附属第一医院白雪莉教授从研究者的角度解读该研究，开拓肝癌诊疗新方向。

 

孙惠川教授：目前晚期肝癌的一线治疗选择较多，我国临床研究常用的有“可乐组合（仑伐替尼+PD-1）”、阿替利珠单抗+贝伐珠单抗、信迪利单坑+贝伐珠单抗、“双艾组合（卡瑞利珠单抗+阿帕替尼）”、双免疫组合、仑伐替尼、多纳非尼、索拉非尼等，如何选择一款适合患者的方案尤为重要。另外我国肝癌患者多为晚期，肿瘤负荷较大，经不起一次治疗失败，可能一旦治疗无效就再也没有二线治疗的机会了，因此一线治疗成功率极为重要。我们可以通过多种维度选择合适的方案，包括疗效、不良反应、医保、可及性、医生经验等等，其中疗效是最重要的指标，但在预测疗效方面却没有可参考的信息。目前我们常见的探索是从患者组织或血液中寻找生物标志物，通过生物标志物筛选和预测疗效，为肝癌患者选择高水平个体化治疗，但囿于该领域进展缓慢，建立起临床可用的方案还需要很长时间探索。

 

于是我们采取了不同的策略，临床中几乎每个患者都会使用的CT、MRI等影像检查，那么我们是否能够从中分析出对某种治疗的有效性？基于这种假设，我们在一张MRI图像中可以提取出1000多个信息，极有可能反映出不同的肝癌特征。在本研究中，我们通过影像组学方法分析MRI信息，试图建立影像组学特征与疗效之间的关系。

 

白雪莉教授：本研究是由孙教授发起的在肝癌靶向免疫治疗方向的多中心临床研究。创新点之一就是在近年肝癌靶免治疗突破的基础上，发起了预测预后的探索，这样我们在患者治疗之前就能对所应用的方案更有底气。另一个创新点就是我们使用MRI影像组学工具来实现疗效预测，因为MRI对于肝癌治疗前以及治疗后疗效的评估占据绝对优势的地位，采用MRI影像组学进行预测非常重要。

 

孙惠川教授：本研究由复旦大学附属中山医院、浙江大学医学院附属第一医院、天津医科大学肿瘤医院、北京协和医院、中南大学湘雅医院、上海交通大学附属瑞金医院、上海东方肝胆外科医院、复旦大学附属中山医院厦门分院、广西医科大学第一附属医院9家单位合作完成。我们希望在中山医院接受仑伐替尼+PD-1抗体的患者中找到与疗效相关的影像组学特征，再将此类特征在其他8家中心的患者队列中验证。初步研究结果显示有些影像组学特征可以很好地预测参研单位患者应用仑伐替尼+PD-1抗体的疗效，在影像组学预测方面取得了进步，为此类患者或此类治疗方式疗效预测方法的建立带来了曙光。未来我们还有很长的路要走，一方面我们希望能够拓展更多的患者去验证并优化该模型；另一方面我还希望用该预测模型去检验其他治疗方式，进而为肝癌一线治疗建立起有效的预测模型，为未来患者接受系统治疗提供更优的策略。

 

白雪莉教授：多中心研究的最大难点就是在提取信息的过程中避免异质性，实现同质化、标准化。影像组学的异质性体现在以下几个方面：第一，不同单位MRI设备品牌不同，提取的信息可能不同；第二，同一家医院同一台设备抓取的影像不同也会造成提取的信息不同；第三，不同的医生勾勒出的影像范围不同也会提供不同的信息。在研究的过程中我们也感受到了异质性的问题，因此我们通过数学模型对大量的数据预处理避免了异质性、实现了同质化。因此，通过标准化的处理过程，可以助力本项研究结果推向全国乃至全世界。

 

白雪莉教授：近年，帕博利珠单抗联合仑伐替尼等靶免治疗在肝癌领域发挥了非常重要的作用，在晚期肿瘤ORR可达36%，为靶免方案的治疗线序提升到中期乃至早期给予了我们信心，临床中已然开启了肝癌靶免治疗术前应用、转化治疗的研究。目前转化治疗已经成为中晚期不可切除肝癌的主流治疗策略，转化手术也成为外科医生对此类患者的治疗目标。本研究带来的第一个启发就是尝试将晚期治疗效果较好的方案提前到中期乃至早期患者的术前治疗中，以提高手术效果、延长患者的无瘤生存时间，为转化治疗带来更多选择。第二个启发就是系统治疗提早到中期或者更早期之后，我们对其疗效的判断更加重要，因此亟需一个很好的疗效预测工具。本研究通过MRI影像组学的数学模型预测仑伐替尼联合免疫治疗疗效初步获得成功，为我们优选患者、优选方案提供了更清晰的目标，使我们更有信心实现患者的无瘤生存。

 

孙惠川教授：毕竟本研究样本量较小，目前下结论还为时尚早。第一，我们希望未来能够与更多的中心合作来继续验证这个模型。第二，我们需要进一步优化模型本身。第三，本研究数据采集过程也需要优化。未来我们希望与一些企业、科研单位、医院专家通力合作，建立起更为高效的影像组学特征提取工具，并与现有的影像学诊断软件或设备整合，从而实现在第一时间对某个治疗方案反馈推荐意见，这是我的最终想法。在此基础上，我相信这种预测模式将可以与未来治疗指南和规范整合在一起。

 

白雪莉教授：未来的拓展方向我认为有两点，一是寻求更好的治疗方案；二是在将来可能会借助影像组学、病理学或分子生物学等去寻找更完美的疗效预测方法。

 

孙惠川教授：肝癌的一线治疗方案已有数种，我相信将继续有新的武器逐渐进入到肝癌的治疗领域，所以我们要对每一种治疗方案都要建立起相应的疗效预测方法：或是对某一种类型的肝癌建立起影像组学分析方法去遴选优势肝癌患者，或是对不同方案的疗效予以区分，这两种不同的策略也许都可以尝试。本研究的好处就是获取影像组学数据的过程都是临床的常规方法，无需建立新的流程，假若这些分析方法能和获取影像学信号的方法相整合，那就成为临床易用的、实用性和可靠性、可能性都非常好的预测方法。我相信，这一天的到来将势必改变肝癌的诊疗模式。

 

 

▌参考文献：

 

Xu B，Dong S，Bai X L，et al.Tumor radiomic features on pretreatment MRI to predict response to lenvatinib plus an anti–PD-1 antibody in advanced hepatocellular carcinoma:a multicenter study[J].Liver Cancer，2022.