重磅研究！解放軍總醫院梁萍/于杰&中國科學院王坤團隊成功開發AI模型：實現肝癌微血管侵犯術前無創預測

近日，解放軍總醫院梁萍/于杰&中國科學院王坤團隊在國際知名學術期刊《Nature Communications》發表一項重要研究成果：成功開發了一種名為MAPUSE的深度學習模型，能夠通過分析肝細胞癌患者的超聲造影視頻，在手術前無創、準確地預測腫瘤是否存在微血管侵犯（MVI），并在多場景獨立隊列中驗證了其穩健性，為肝癌患者的精準治療決策提供了全新工具。

研究概述

研究背景：破解微血管侵犯臨床難題

微血管侵犯（MVI）是肝細胞癌復發和預后不良的關鍵風險因素。然而長期以來，MVI只能通過手術后病理標本的顯微鏡檢查才能確診，術前影像學手段難以直接觀察到這種存在于微小血管腔內的腫瘤細胞侵襲。

能否在手術前就知道MVI的狀態，對制定手術方案、判斷預后以及指導后續治療至關重要。傳統影像學方法如CT、MRI甚至常規超聲，都很難直接顯示MVI的存在。超聲造影技術因其高時空分辨率，能夠實時追蹤2-5微米微泡的運動軌跡，從而清晰顯示腫瘤區域的微循環血流信息。然而，要從海量的動態視頻中人工捕捉MVI相關的特征，尤其是動態變化特征，幾乎是不可能的任務。

研究亮點：大數據訓練出的火眼金睛

研究團隊基于Transformer架構的TimeSformer網絡，構建了名為MAPUSE的深度學習模型。該模型具有獨特的時空自注意力機制，能夠高效地從超聲造影視頻中提取與MVI相關的時空特征。

研究納入了2017年7月至2024年5月期間，來自全國23家醫院的1716例肝細胞癌患者的5148段超聲造影視頻，超過330萬幀圖像。這是迄今為止基于超聲造影視頻進行MVI診斷的最大樣本量研究。

結果顯示，MAPUSE模型在訓練集和內部驗證集中的曲線下面積（AUC）分別達到了0.986和0.955，準確率均超過92%。更令人振奮的是，無論使用哪種主流超聲造影劑，模型都表現出穩定且優異的預測性能。

機制解析：不僅“看得準”，還能“講得清”

深度學習模型常被詬病為“黑箱”，缺乏生物學可解釋性。該研究在這方面取得了重要突破。通過對203例患者的轉錄組數據分析，研究團隊發現MAPUSE模型的風險評分與CD8+ T細胞的免疫浸潤程度存在顯著負相關——即模型預測為MVI高風險的患者，其腫瘤微環境中CD8+ T細胞數量明顯減少，呈現出免疫抑制狀態。這一發現在單細胞RNA測序數據和免疫組化染色結果中也得到了相互印證。

這意味著MAPUSE模型并不是簡單地猜答案，而是真正學習到了與MVI相關的宏觀影像特征與微觀生物學活動之間的內在關聯。即使超聲造影沒有直接捕捉到MVI的位置，模型也可以通過評估腫瘤周邊區域CD8+ T細胞的富集程度來實現準確診斷。

臨床轉化：指導術后免疫治療決策

研究進一步探討了MAPUSE模型的臨床實用價值。在納入568例接受根治性消融治療的肝癌患者隊列中，由于消融治療后無法獲得病理MVI診斷，MAPUSE模型成為評估MVI狀態的唯一手段。研究發現，被MAPUSE預測為MVI高風險的患者，術后接受免疫治療后，5年無病生存率顯著提升，而MVI低風險患者是否使用免疫治療，生存率則無明顯差異。這一發現與已發表的隨機對照試驗結果高度一致，表明MAPUSE模型能夠幫助那些無法獲得病理MVI診斷的患者篩選出可能從免疫治療中獲益的人群。

研究意義與未來展望

值得一提的是，MAPUSE模型的使用非常簡便。超聲醫生只需在超聲造影視頻中選擇一幀圖像勾畫病灶范圍，模型即可自動完成后續分析和預測。整個計算過程僅需約0.5秒，對常規超聲檢查流程幾乎沒有影響。傳統的影像組學方法往往依賴于精確的病灶分割和復雜的人工特征提取，難以在超聲檢查過程中即時應用。MAPUSE模型大大降低了人力和算力成本，任何能夠開展超聲造影檢查的醫院都可以輕松部署。

https://www.nature.com/articles/s41467-026-74985-y

【關于投稿】

轉化醫學網（360zhyx.com）是轉化醫學核心門戶，旨在推動基礎研究、臨床診療和產業的發展，核心內容涵蓋組學、檢驗、免疫、腫瘤、心血管、糖尿病等。如您有最新的研究內容發表，歡迎聯系我們進行免費報道（公眾號菜單欄-在線客服聯系），我們的理念：內容創造價值，轉化鑄就未來！

轉化醫學網（360zhyx.com）發布的文章旨在介紹前沿醫學研究進展，不能作為治療方案使用；如需獲得健康指導，請至正規醫院就診。

責任聲明：本稿件如有錯誤之處，敬請聯系轉化醫學網客服進行修改事宜！

微信號：zhuanhuayixue

★ 5月份熱門內容 ★

01

02

03

04

05

06