Những điểm nổi bật
- Delta radiomic (thay đổi động trong đặc trưng) vượt trội đáng kể so với các đặc trưng MRI tĩnh cơ bản hoặc tiền phẫu thuật trong việc dự đoán phản ứng hoàn toàn bệnh lý (pCR) cho HCC.
- Sự tích hợp của động học radiomic thời gian với phản ứng alpha-fetoprotein (AFP) trong huyết thanh đạt AUC vượt trội là 0.920 trong các nhóm thử nghiệm.
- Các mô hình học máy sử dụng lựa chọn đặc trưng được hỗ trợ bởi học sâu cung cấp một giải pháp không xâm lấn, mạnh mẽ thay thế cho việc phân loại phẫu thuật truyền thống.
- Đánh giá radiomic động có thể hướng dẫn việc chọn bệnh nhân cho cắt gan sau khi điều trị chuyển đổi thành công trong các trường hợp ban đầu không thể cắt bỏ.
Nền tảng
Ung thư gan tế bào (HCC) vẫn là một trong những khối u ác tính gây tử vong hàng đầu trên thế giới, thường xuất hiện ở giai đoạn không thể cắt bỏ (uHCC). Trong những năm gần đây, cảnh quan điều trị đã thay đổi đáng kể với sự ra đời của điều trị chuyển đổi—thường là sự kết hợp của chất ức chế kiểm tra miễn dịch (ICIs) và chất ức chế kinase tyrosine (TKIs). Mục tiêu chính của điều trị chuyển đổi là giảm giai đoạn khối u, cho phép cắt gan có ý định chữa khỏi. Trong con đường lâm sàng này, đạt được phản ứng hoàn toàn bệnh lý (pCR) là một chỉ số thay thế quan trọng cho sự sống còn dài hạn. Tuy nhiên, xác định pCR trước phẫu thuật vẫn là một thách thức lớn, vì các tiêu chí chẩn đoán hình ảnh thông thường như RECIST 1.1 hoặc mRECIST thường không phân biệt được giữa khối u có khả năng sống sót và mô hoại tử/xơ hóa do điều trị miễn dịch.
Có nhu cầu lâm sàng cấp bách về các dấu hiệu sinh học không xâm lấn có thể dự đoán chính xác pCR. Mặc dù các xét nghiệm sinh hóa gan và chức năng gan (ALT, AST, bilirubin) là thiết yếu để theo dõi độc tính gan—đặc biệt trong bối cảnh điều trị ICI—we thiếu độ cụ thể cần thiết để đánh giá đáp ứng ung thư (PMID: 41831501). Radiomic, quá trình trích xuất định lượng các đặc trưng từ hình ảnh y tế với tốc độ cao, kết hợp với học sâu, cung cấp một giải pháp tiềm năng bằng cách bắt lấy sự không đồng nhất của khối u dưới mức thị giác và sự tiến triển thời gian của nó.
Nội dung chính
Tiến bộ Phương pháp trong Động học Radiomic
Tâm điểm của các đột phá gần đây trong lĩnh vực này nằm ở việc chuyển đổi từ phân tích hình ảnh tĩnh sang động. Radiomic truyền thống tập trung vào một thời điểm duy nhất (ví dụ, cơ bản), cung cấp một bức tranh tổng quan về sinh học khối u nhưng bỏ qua phản ứng sinh học đối với áp lực hệ thống. Nghiên cứu đa trung tâm gần đây của Zhou et al. (2026) nhấn mạnh sự hữu ích của “delta radiomic”—sự thay đổi định lượng trong đặc trưng giữa MRI cơ bản và MRI sau điều trị/trước phẫu thuật (PMID: 41746634).
Trong khung này, các đặc trưng radiomic thời gian được trích xuất và xử lý thông qua các đường ống học máy tinh vi. Việc lựa chọn đặc trưng thường bao gồm phân tích đơn biến, đánh giá cộng tuyến và hồi quy LASSO. So sánh qua nhiều mô hình học máy (bao gồm rừng ngẫu nhiên và kiến trúc học sâu) đã cho thấy rằng các đặc trưng delta bắt lấy “trajec-tory radiomic” của khối u, đại diện hơn cho độ nhạy cảm điều trị so với bất kỳ đo lường tại một thời điểm nào.
Kết quả Lâm sàng: Mô hình Delta so với Mô hình Cơ bản
Bằng chứng cho thấy một thứ bậc rõ ràng trong hiệu suất dự đoán. Trong các nhóm xác nhận cho bệnh nhân uHCC không thể cắt bỏ đang trải qua điều trị chuyển đổi, các mô hình radiomic delta đạt AUC khoảng 0.783 đến 0.835. Trái ngược rõ rệt, các mô hình cơ bản (AUC ~0.434–0.483) và các mô hình tiền phẫu thuật (AUC ~0.506–0.685) hoạt động kém, thường chỉ hơi tốt hơn ngẫu nhiên. Điều này cho thấy trạng thái ban đầu của khối u là một dự đoán kém về cách nó sẽ phản ứng cuối cùng với điều trị miễn dịch, và hình ảnh trước phẫu thuật có thể bị che khuất bởi các thay đổi viêm do điều trị gây ra.
<h4)Vai trò Đồng bộ của Phản ứng AFP
Bên cạnh hình ảnh, các dấu hiệu sinh hóa vẫn rất quan trọng. Alpha-fetoprotein (AFP) là dấu hiệu sinh học được sử dụng rộng rãi nhất cho HCC. Bằng cách tính toán phản ứng AFP dưới dạng tỷ lệ logarithmic giữa mức độ tiền phẫu thuật và cơ bản, các bác sĩ lâm sàng có thể tích hợp hoạt động sinh học với các thay đổi về hình thái. Sự tổng hợp của delta radiomic và phản ứng AFP đã cho thấy độ chính xác dự đoán cao nhất cho đến nay. Cụ thể, mô hình kết hợp đạt AUC 0.920 trong thử nghiệm nội bộ và 0.857 trong các nhóm xác nhận độc lập (PMID: 41746634). Sự đồng bộ này cho thấy rằng trong khi radiomic bắt lấy sự không đồng nhất về không gian, phản ứng AFP cung cấp một biện pháp toàn diện về hoạt động tiết của khối u, tạo ra một hồ sơ toàn diện về trạng thái bệnh lý.
Bối cảnh Dịch chuyển và So sánh
Mặc dù các mô hình chuột thí nghiệm (PMID: 41825745) tiếp tục cung cấp thông tin về các đặc điểm miễn dịch bệnh lý và phân tử của HCC liên quan đến virus, radiomic lâm sàng nối liền khoảng cách giữa các nghiên cứu cơ chế này và chăm sóc bệnh nhân thực tế. Khác với việc đánh giá độ cứng gan được sử dụng trong MASLD (PMID: 41831487), chủ yếu đánh giá xơ gan, radiomic khối u cụ thể hỏi về môi trường neoplastic. Hơn nữa, khi chúng ta chuyển sang giám sát HCC cá nhân hóa (PMID: 41813085), khả năng dự đoán pCR không xâm lấn có thể giúp một số bệnh nhân tránh được bệnh lý của phẫu thuật lớn nếu có thể xác nhận phản ứng hoàn toàn với gần như chắc chắn, hoặc ngược lại, xác định những người cần các chiến lược phụ trợ tích cực hơn.
Bình luận Chuyên gia
Sự chuyển đổi từ diễn giải hình ảnh định tính sang mô hình hóa radiomic định lượng đánh dấu một sự thay đổi quan điểm trong phẫu thuật ung thư. Từ góc độ lâm sàng, sự vượt trội của delta radiomic so với hình ảnh tĩnh tiền phẫu thuật là hợp lý; điều trị miễn dịch thường dẫn đến “tiến triển giả” hoặc kích thước hình ảnh ổn định mặc dù có sự hoại tử bệnh lý đáng kể. Do đó, sự thay đổi trong kết cấu nội bộ (chữ ký radiomic) là một báo cáo trung thực hơn về sự chết tế bào so với đường kính khối u.
Tuy nhiên, vẫn còn một số thách thức. Đầu tiên là tính chất “hộp đen” của học sâu; nhiều bác sĩ lâm sàng khó tin tưởng một mô hình mà không hiểu các đặc trưng sinh học mà AI đang nhận dạng. Thứ hai, radiomic rất nhạy cảm với các giao thức hình ảnh, đòi hỏi chuẩn hóa nghiêm ngặt giữa các máy chụp MRI khác nhau và các tổ chức. Nghiên cứu của Zhou et al. nổi bật nhờ thiết kế đa trung tâm, giải quyết một số lo ngại về tính tổng quát, nhưng cần xác nhận triển vọng hơn nữa trước khi các mô hình này có thể được tích hợp vào các hướng dẫn quốc gia (ví dụ, AASLD hoặc ESMO). Nghiên cứu trong tương lai cũng nên khám phá việc tích hợp radiomic với sinh thiết lỏng (ADN khối u tuần hoàn) để tăng cường độ cụ thể dự đoán.
Kết luận
Sự tích hợp của học sâu và phân tích động radiomic đánh dấu một bước tiến đáng kể trong quản lý uHCC không thể cắt bỏ. Bằng cách tập trung vào delta—thay đổi trong tính chất khối u trong suốt quá trình điều trị chuyển đổi—các bác sĩ lâm sàng có thể dự đoán pCR với độ chính xác cao (AUC > 0.90 khi kết hợp với AFP). Cách tiếp cận không xâm lấn này giúp đưa ra quyết định điều trị cá nhân hóa, có thể xác định những bệnh nhân đã đạt được phản ứng hoàn toàn trước khi có vết mổ đầu tiên. Khi các công cụ AI trở nên tinh vi và chuẩn hóa hơn, chúng sẽ có khả năng trở thành những phụ trợ không thể thiếu cho hình ảnh truyền thống trong lâm sàng ung thư.
Tài liệu tham khảo
- Zhou SQ, Wang LN, Wu LF, et al. Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy. Hepatology. 2026. PMID: 41746634.
- Evaluation of Abnormal Liver Biochemical Test Results. Gastroenterology. 2026. PMID: 41831501.
- An immunocompetent murine model of virus-elicited liver fibrosis and hepatocellular carcinoma. J Hepatol. 2026. PMID: 41825745.
- Steatosis severity and metabolic fingerprints after HCV eradication: toward an individualised approach to HCC surveillance after HCV cure. Gut. 2026. PMID: 41813085.
