要点提示
- 基于治疗前 CT 扫描、融合全局肿瘤区域与肿瘤内异质性的综合放射组学生物标志物，可稳健预测不可切除肝细胞癌（HCC）患者经肝动脉化疗栓塞（TACE）联合免疫检查点抑制剂（immune checkpoint inhibitor，ICI）和靶向治疗（MTT）后的治疗反应。
- 该 GTR-ITH 放射组学评分在训练集、内部验证集及独立测试集中均表现出较高的预测准确性，并与客观治疗缓解和生存结局高度相关。
- 由该放射组学特征识别出的低风险患者呈现免疫炎症型肿瘤微环境，其特征为浆细胞和 M1 型巨噬细胞增多，提示该生物标志物具有明确的生物学相关性。
- 本研究支持将无创影像生物标志物作为个体化治疗策略和改善晚期 HCC 预后的有价值工具。
研究背景
肝细胞癌（hepatocellular carcinoma，HCC）是全球最常见且致死率最高的恶性肿瘤之一，常因基础肝病和肿瘤负荷较大而在不可切除阶段被诊断。经肝动脉化疗栓塞（transarterial chemoembolization，TACE）仍是中晚期 HCC 的标准局部区域治疗，而免疫检查点抑制剂（immune checkpoint inhibitor，ICI）联合分子靶向治疗（molecular targeted therapy，MTT）的出现，进一步拓展了全身治疗选择。将 TACE 与 ICI 和 MTT 联合应用（TACE-ICI-MTT）为一种前景良好的多模式治疗方案，但其治疗反应差异显著，部分原因在于肿瘤生物学具有高度异质性。
肿瘤异质性，尤其是肿瘤内异质性（intratumoral heterogeneity，ITH），对 HCC 的治疗疗效及耐药机制具有深远影响。然而，常规临床和病理参数缺乏足够精细度，难以捕捉这种复杂性。近年来，基于影像数据的放射组学分析作为一种无创方法，通过从计算机断层扫描（computed tomography，CT）等医学影像中提取高维特征，可对表型异质性进行定量解析。放射组学通过同时表征全局肿瘤区域（global tumor regions，GTR）和 ITH，为识别可预测 HCC 治疗反应与预后的影像生物标志物提供了可能。
研究设计
本研究（CHANCE2204）为一项大型多中心队列分析，共纳入 2018 年 1 月至 2022 年 12 月期间诊断为不可切除 HCC 的 742 例患者。所有患者均接受 TACE、免疫检查点抑制和分子靶向治疗的首线联合治疗。研究收集了治疗前 CT 影像，并提取涵盖全局肿瘤区域及肿瘤内异质性的放射组学特征。
研究采用主成分分析（principal component analysis，PCA）整合 17 项全局肿瘤区域特征和 27 项 ITH 相关特征，构建了复合 GTR-ITH 放射组学评分。随后使用集成机器学习算法评估该复合评分预测客观治疗缓解的能力；客观治疗缓解依据治疗后的影像学标准进行判定。模型性能通过受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）在训练集、内部验证集及独立测试集中进行评估。
此外，为探讨该放射组学特征的生物学基础，研究利用公共影像数据库中的批量 RNA 测序数据表征肿瘤内免疫浸润模式，并将免疫细胞群与放射组学风险分层进行相关分析。
主要结果
GTR-ITH 放射组学评分在各患者队列中均表现出优异的治疗反应预测能力，在训练集、内部验证集和独立测试集中的 AUC 分别为 0.94、0.82 和 0.83，提示该放射组学生物标志物具有较高的可靠性和可重复性。
一项重要发现是，该评分与临床结局具有显著相关性。GTR-ITH 低风险患者对 TACE-ICI-MTT 的客观缓解率明显更高，优势比（odds ratio，OR）为 34.39（p<0.001），显示出较强的预测价值。
生存分析显示，GTR-ITH 评分可独立预测总生存期（hazard ratio，HR = 0.63；p=0.004）；低风险患者的无进展生存期和总生存期均显著延长。这提示该评分不仅可用于预测治疗反应，也具有预后生物标志物价值。
免疫谱分析进一步证实了该放射组学特征的生物学相关性。按照 GTR-ITH 评分判定的低风险患者呈现免疫炎症型肿瘤微环境，浆细胞和 M1 型巨噬细胞浸润增多，而促肿瘤性的 M2 型巨噬细胞浸润减少。该微环境可能有助于提高对免疫调节药物和靶向药物的应答。
专家点评
本研究为精准肿瘤学的新兴策略提供了有力证据，即借助先进放射组学解析肿瘤异质性，以优化 HCC 的治疗选择。通过将全局肿瘤特征与肿瘤内异质性指标整合，复合放射组学评分超越了传统影像评估仅关注肿瘤大小或形态的局限。
其在不同队列中表现出的稳健预测准确性，以及与免疫表型的相关性，为临床转化提供了重要启示和路径。
本研究的局限性包括回顾性分析设计，以及对 CT 图像质量和标准化程度的依赖。该模型对其他治疗组合或更早期疾病的适用性仍需进一步前瞻性验证。此外，尽管批量 RNA 测序可提供免疫微环境构成的线索，但单细胞分型分析可能进一步细化与放射组学特征相关的微环境动态变化。
结论
CHANCE2204 研究识别出一种新型放射组学生物标志物，该标志物整合了治疗前 CT 扫描中的全局与肿瘤内异质性信息，可稳健预测接受 TACE 联合免疫检查点抑制剂和靶向治疗的不可切除 HCC 患者的治疗反应与生存结局。该生物标志物反映了潜在的免疫微环境表型，凸显了其在预后评估和生物学表征中的双重价值。
这些发现为无创、基于影像的精准医疗路径奠定了基础，可用于指导患者筛选与治疗强度选择，最终改善这一高难度恶性肿瘤的临床结局。未来开展前瞻性研究并将其纳入临床工作流程，对于推动该有前景的工具在常规实践中的应用至关重要。
资金资助与 Clinicaltrials.gov
本研究由多个机构资助及国家科研基金支持（具体情况见原始发表）。文献中未提供临床试验注册编号。
参考文献
1. Jin ZC, Wei J, Xiao YD, et al. Decoding tumor heterogeneity with imaging biomarkers predicts response to TACE plus immunotherapy and targeted therapy in HCC (CHANCE2204). Hepatology. 2025;84(5):1303-1316. doi:10.1002/hep.32145
2. Villanueva A. Hepatocellular carcinoma. N Engl J Med. 2019;380(15):1450-1462. doi:10.1056/NEJMra1713263
3. Sun J, Wang Z, Tian J, et al. Radiomics for the prediction of response and survival following immune checkpoint inhibitors in advanced hepatocellular carcinoma. Front Oncol. 2023;13:1122331. doi:10.3389/fonc.2023.1122331
4. Binnewies M, Roberts EW, Kersten K, et al. Understanding the tumor immune microenvironment (TIME) for effective therapy. Nat Med. 2018;24(5):541-550. doi:10.1038/s41591-018-0014-x
5. Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: extracting more information from medical images using advanced feature analysis. Eur J Cancer. 2012;48(4):441-446. doi:10.1016/j.ejca.2011.11.036
相关科室计算器
供临床参考，请结合专业判断使用。
