重磅研究！解放军总医院梁萍/于杰&中国科学院王坤团队成功开发AI模型：实现肝癌微血管侵犯术前无创预测

近日，解放军总医院梁萍/于杰&中国科学院王坤团队在国际知名学术期刊《Nature Communications》发表一项重要研究成果：成功开发了一种名为MAPUSE的深度学习模型，能够通过分析肝细胞癌患者的超声造影视频，在手术前无创、准确地预测肿瘤是否存在微血管侵犯（MVI），并在多场景独立队列中验证了其稳健性，为肝癌患者的精准治疗决策提供了全新工具。

研究概述

研究背景：破解微血管侵犯临床难题

微血管侵犯（MVI）是肝细胞癌复发和预后不良的关键风险因素。然而长期以来，MVI只能通过手术后病理标本的显微镜检查才能确诊，术前影像学手段难以直接观察到这种存在于微小血管腔内的肿瘤细胞侵袭。

能否在手术前就知道MVI的状态，对制定手术方案、判断预后以及指导后续治疗至关重要。传统影像学方法如CT、MRI甚至常规超声，都很难直接显示MVI的存在。超声造影技术因其高时空分辨率，能够实时追踪2-5微米微泡的运动轨迹，从而清晰显示肿瘤区域的微循环血流信息。然而，要从海量的动态视频中人工捕捉MVI相关的特征，尤其是动态变化特征，几乎是不可能的任务。

研究亮点：大数据训练出的火眼金睛

研究团队基于Transformer架构的TimeSformer网络，构建了名为MAPUSE的深度学习模型。该模型具有独特的时空自注意力机制，能够高效地从超声造影视频中提取与MVI相关的时空特征。

研究纳入了2017年7月至2024年5月期间，来自全国23家医院的1716例肝细胞癌患者的5148段超声造影视频，超过330万帧图像。这是迄今为止基于超声造影视频进行MVI诊断的最大样本量研究。

结果显示，MAPUSE模型在训练集和内部验证集中的曲线下面积（AUC）分别达到了0.986和0.955，准确率均超过92%。更令人振奋的是，无论使用哪种主流超声造影剂，模型都表现出稳定且优异的预测性能。

机制解析：不仅“看得准”，还能“讲得清”

深度学习模型常被诟病为“黑箱”，缺乏生物学可解释性。该研究在这方面取得了重要突破。通过对203例患者的转录组数据分析，研究团队发现MAPUSE模型的风险评分与CD8+ T细胞的免疫浸润程度存在显著负相关——即模型预测为MVI高风险的患者，其肿瘤微环境中CD8+ T细胞数量明显减少，呈现出免疫抑制状态。这一发现在单细胞RNA测序数据和免疫组化染色结果中也得到了相互印证。

这意味着MAPUSE模型并不是简单地猜答案，而是真正学习到了与MVI相关的宏观影像特征与微观生物学活动之间的内在关联。即使超声造影没有直接捕捉到MVI的位置，模型也可以通过评估肿瘤周边区域CD8+ T细胞的富集程度来实现准确诊断。

临床转化：指导术后免疫治疗决策

研究进一步探讨了MAPUSE模型的临床实用价值。在纳入568例接受根治性消融治疗的肝癌患者队列中，由于消融治疗后无法获得病理MVI诊断，MAPUSE模型成为评估MVI状态的唯一手段。研究发现，被MAPUSE预测为MVI高风险的患者，术后接受免疫治疗后，5年无病生存率显著提升，而MVI低风险患者是否使用免疫治疗，生存率则无明显差异。这一发现与已发表的随机对照试验结果高度一致，表明MAPUSE模型能够帮助那些无法获得病理MVI诊断的患者筛选出可能从免疫治疗中获益的人群。

研究意义与未来展望

值得一提的是，MAPUSE模型的使用非常简便。超声医生只需在超声造影视频中选择一帧图像勾画病灶范围，模型即可自动完成后续分析和预测。整个计算过程仅需约0.5秒，对常规超声检查流程几乎没有影响。传统的影像组学方法往往依赖于精确的病灶分割和复杂的人工特征提取，难以在超声检查过程中即时应用。MAPUSE模型大大降低了人力和算力成本，任何能够开展超声造影检查的医院都可以轻松部署。

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

【关于投稿】

转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！

转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。

责任声明：本稿件如有错误之处，敬请联系转化医学网客服进行修改事宜！

微信号：zhuanhuayixue

★ 5月份热门内容 ★

01

02

03

04

05

06