0 引言

       肝细胞癌（hepatocellular carcinoma, HCC）是全球癌症相关死亡的主要原因之一，其高侵袭性和易转移特性导致患者5年生存率不足20%^[1]。近年来，血管包绕肿瘤团簇（vascular encroachment of tumor clusters, VETC）作为一种独特的肿瘤血管模式，因其与早期复发和不良预后的强相关性成为研究热点，VETC模式以窦状血管网络包裹肿瘤细胞簇为特征，通过非侵袭性途径促进肿瘤血行转移^[2]，显著影响患者的复发率及生存期。自2015年FANG等首次提出VETC概念以来，多项最新研究进一步证实了其作为独立预后因子的价值^[3]。然而，VETC的临床评估仍主要依赖有创性病理学检查（如CD34免疫组化），这限制了其临床应用^[4]。随着影像技术的革新，尤其是影像组学与人工智能（artificial intelligence, AI）的深度融合，基于超声造影（contrast-enhanced ultrasound, CEUS）、计算机断层扫描（computed tomography, CT）及磁共振成像（magnetic resonance imaging, MRI）的无创性VETC预测模型逐渐崭露头角，为HCC的精准诊疗提供了新思路。既往关于VETC的综述多聚焦于组织学特征及传统影像学表现，而本文创新性地深入探讨VETC与微血管状态的内在联系，全面剖析其与微血管侵犯（microvascular invasion, MVI）、微血管密度（microvascular density, MVD）的交互作用机制。同时，系统梳理基于CEUS、MRI发展而来的影像组学前沿成果，通过多维度视角揭示多模态影像技术在VETC可视化评估中的独特优势与巨大潜力，深度探讨其临床转化进程中亟待解决的关键问题，前瞻性展望未来研究方向，为该领域发展提供新思路与新视角。

1 VETC的组织学研究进展

       2015年，FANG等^[3]首次提出了VETC的概念，最初的VETC观察来自病理切片，其定义是：窦状血管成蛛网状，将癌细胞分离成独立的肿瘤细胞簇，肿瘤细胞簇完全被CD34阳性内皮细胞包围，组织切片染色可见明确且连续的CD34阳性内皮细胞。SUGINO等^[5]也提出一种新的肿瘤非侵袭依赖性血行转移途径，即由主瘤灶脱落的癌细胞经过血管内皮细胞包裹形成VETC进入外周血液循环后，更易于在远处器官成功“种植”并形成新的转移灶。在血行转移过程中，这种模式下的肿瘤内血管壁并未受到肿瘤细胞的侵袭和渗入，并且被包裹的癌细胞团在肝和肺等具有丰富毛细血管丛的器官中更易被“卡住”成为转移灶。RENNE等^[4]通过使用CD34免疫染色>55%的肿瘤面积临界值来定义VETC阳性的个体。VETC的形成机制在HCC中特别依赖于血管生成素2（angiopoietin-2, Ang2），这种因子通常由非癌组织中的内皮细胞分泌，但在HCC中，癌细胞也能分泌Ang2^[6]。

2 VETC与微血管状态

       大多数HCC表现为富血供^[7]。1970年，FOLKMAN等^[8]认识到限制血管生成可以改善肿瘤治疗结果，深入了解肿瘤内部的血管模式显得格外重要。上皮间质转化（epithelial-mesenchymal transition, EMT）作为一种传统经典的转移模式，与肿瘤的复发、转移及患者的生存期长短密切相关，它是通过失去上皮肿瘤细胞之间的黏附，获得迁移和侵入的能力，并且从原发肿瘤中分离出来，穿过血管壁，最终进入血液循环^[9]，在这过程中就包含了肿瘤内微血管状态的改变，其中包括了MVI与MVD。

       MVI是指在显微镜下观察到门静脉为主（含包膜内血管）的内皮细胞衬覆的血管腔内见到癌细胞巢团，是肿瘤细胞出现早期侵犯的过程，也是细胞恶性程度逐渐增加并在局部破坏周围组织的过程^[10]。VETC阳性肿瘤的转移机制与常规不同，整个肿瘤巢被血管包裹进入血液并转移到靶器官，而不是通过EMT过程转移^[11]。但VETC与MVI都有一个共同特征：血管生成，即肿瘤生长诱导新血管形成^[12]。肝脏中的小血管有内皮细胞内层，周围有基底膜，主要成分包括纤维连接蛋白和纤维蛋白原。当肿瘤细胞获得产生某些蛋白酶（如组织蛋白酶H）的能力时，细胞外基质降解，肿瘤细胞进入由内皮细胞衬覆的静脉管腔内^[13]。MVI的机制是细胞黏附蛋白丧失和细胞迁移及细胞外间质降解相关基因表达增加的去分化过程。EMT转录程序的激活是MVI发展过程中重要的一步。肿瘤转移是个复杂的过程，VETC不依赖EMT的外周循环肿瘤细胞簇的转移，不只是单个肿瘤细胞的转移。因此，有学者在HCC的研究中提出，VETC和MVI的作用可能是互补的^[14]。ZHANG等^[15]研究两者对HCC不良预后发现有协同作用，MVI阳性同时伴有VETC阳性表达的HCC患者长期预后最差。

       MVD在趋化性方面与血管生成有关，肿瘤内的MVD可以根据肿瘤样本中的CD34阳性内皮细胞来量化，并且经常被用作肿瘤血管生成活性的替代指标。高的肿瘤内MVD可能与血管生成和侵袭性肿瘤行为有关^[16]。HUANG等^[17]研究中发现VETC阳性组肿瘤内MVD显著高于VETC阴性组（P<0.001），而非肿瘤部分，VETC阳性组与VETC阴性组MVD差异无统计学意义（P=0.096），当肿瘤内MVD的临界值为40 支/mm²时，VETC阳性HCC的敏感度和特异度分别为86.3%和46.1%。Ang-2是VETC模式发展的关键分子，也与缺氧条件下MVD增加有关^[18]，此外，VETC与MVD和血管生成增加也密切相关。

       通过对VETC与其他微血管状态的认识，可以进一步明确它们与肿瘤之间的关系，加深对肿瘤转移异质性的认识，为患者制订诊疗计划、预后预测及风险分层提供依据。

3 VETC阳性HCC的影像学特征

3.1 CEUS

       CEUS以检查成本低、时间短、没有幽闭恐惧症和金属植入物等众多禁忌证等特点，成为更广泛的临床场景中更容易获得和通用的成像选择。CEUS能够在VETC阳性HCC影像学上有特定的影像学表现，LAN等^[19]分析HCC患者的CEUS资料，比较VETC阳性和VETC阴性HCC的CEUS表现特点，结果发现64例HCC标本中，VETC阳性27例（42.18%），典型表现为球状血管内皮细胞包绕的肿瘤细胞团，VETC阴性HCC在CEUS动脉期多表现为大片状、弥漫性强化，而VETC阳性HCC则更倾向于呈现裂隙状或条索状的向心性强化。VETC阳性HCC的单位直径充盈时间长于VETC阴性HCC。VETC阳性HCC癌巢间的力学变化而互相挤压导致癌巢间的血管间隙变得狭窄，甚至消失，使得对比剂进入的时间被延长，血液灌注的速度被降低^[20]。XU等^[21]使用术前对比超声图像建立深度学习（deep learning, DL）模型预测HCC中VETC，其中纳入242例患者，训练组195例，试验组47例，建立的DL模型在训练队列（AUC=0.92）和测试队列（AUC=0.90）都取得了良好的表现，且分层分析显示，无论肿瘤大小如何，DL特征都具有良好的辨别能力。此外，还发现DL特征与术后早期复发独立相关，当DL特征结合甲胎蛋白（alpha-fetoprotein, AFP）水平、边缘增强和局部不增强等独立预测因素预测早期复发时，C指数分别为0.70和0.73。XU等^[22]通过一项纳入273例HCC患者的研究对比分析了CEUS与生物标志物对HCC亚型的诊断及预后评估价值，其中训练队列182例，验证队列91例，研究结果显示，AFP水平、瘤内增强表现以及CEUS动脉期灌注模式是VETC阳性HCC的独立预测因子。基于这些指标构建的列线图模型证实，VETC阳性HCC患者具有显著更高的早期复发率（log-rank检验，P<0.001）。进一步的Cox回归分析表明，VETC阳性状态与HCC早期复发风险独立相关（P=0.011）。

       以上研究表明以CEUS为影像基础的研究可以无创地预测VETC阳性HCC，并有助于术前识别早期复发高危患者，但CEUS图像分辨率相对较低，检查结果高度依赖操作者的经验和技术水平，且研究对象多为单中心数据，限制了结果的普适性，今后的研究应该朝着优化CEUS技术，提高VETC的识别能力，结合其他影像技术进行多模态分析，开展多中心验证等方面继续努力。

3.2 CT

       CT可以更精确地观察肿瘤的大小、数目、包膜、边界等情况。FENG等^[23]评估了术前CT对粗粱-团块型肝细胞癌（macrotrabecular-massive hepatocellular carcinoma, MTM-HCC）及VETC模式的预测价值，肿瘤>5 cm和肿瘤内坏死是VETC模式的独立预测因子，术前CT特征可用于判断HCC患者的MTM型和VETC。WANG等^[24]用术前CT影像特征预测84例HCC患者中VETC表达，结果谷草转氨酶（aspartate aminotransferase, AST）/谷丙转氨酶（alanine aminotransferase, ALT）>1.07，瘤内坏死和边缘增强为VETC阳性的独立预测因子，肿瘤内坏死与VETC独立相关，这也与以往的研究相契合，AST/ALT>1.07与边缘增强也显著相关，这可能是由于VETC阳性HCC肿瘤细胞恶性程度高、增殖迅速，导致肿瘤及邻近肝细胞缺氧，造成癌细胞及正常肝细胞坏死，使AST升高，而缺氧和细胞坏死可引起肿瘤周围纤维组织增生，形成肿瘤新生血管，因此肿瘤周围形成增强。LIU等^[25]的研究在243例HCC中VETC的术前CT特征中发现，总胆红素（total bilirubin, TBil）>17.1 μmol/L，AFP>100 ng/mL，肿瘤内动脉（intratumoral artery, IA）和动脉肿瘤周围增强是VETC阳性的独立危险因素，HCC是一种高血管肿瘤，病变内动脉的存在很常见，VETC阳性HCC中这种血管生成并激活，作为促进聚集癌细胞形成和释放到血液中的血管基础，表明更具侵袭性的肿瘤生物学特性。PAN等^[26]的研究结果中还发现，CT上肿瘤与肝脏在动脉期强化程度CT值比>1.2、肿瘤边缘不光滑、靶样外观、不均匀强化并分隔或不规则环状结构是VETC阳性HCC的独立预测因子，在肝脏影像报告和数据系统（Liver Imaging Reporting And Data System, LI-RADS）分类中，VETC阳性HCC因为更容易存在边缘动脉期高强化（arterial phase hyperEnhancement, APHE），所以常被归类为LR-M。

       CT作为临床广泛应用的影像学检查技术，凭借高空间分辨率及快速扫描优势，在HCC VETC的无创评估中展现出重要价值。现有研究表明，CT影像特征（如肿瘤最大径>5 cm、瘤内坏死、动脉期肿瘤/肝脏强化比值>1.2）及强化模式（如边缘动脉期高强化）与VETC阳性HCC相关^{[23, 24, 25, 26]}，为术前风险分层提供了可视化标志物。部分研究通过整合CT形态特征与血清学指标，构建了多维预测模型，提升了诊断特异性^{[24, 25]}。然而，现有研究存在以下局限性：CT扫描参数（对比剂剂量、动脉期时相）缺乏标准化，影响特征可重复性；CT检查软组织分辨率低，对主观判读依赖性强，缺乏自动化定量工具；未深入验证CT特征与VETC关键分子标志物（如Ang-2、CD34）的直接关联。未来研究需聚焦于建立多中心标准化CT扫描流程，提升数据一致性；开发基于DL的CT定量算法，实现坏死体积、强化比等参数的智能测量；融合CT、MRI影像组学及分子标志物，构建VETC多模态预测体系；通过类器官模型或动物实验，验证CT特征与VETC分子通路的因果关系，最终推动HCC精准诊疗的临床转化。

3.3 MRI

       MRI增强检查中，使用的对比剂主要包括细胞外对比剂（extracellular contrast agents, ECAs）和肝胆特异性对比剂（hepatobiliary specific contrast agent, HSCA）^[27]，研究报道钆塞酸二钠（gadoxetate disodium, Gd-EOB-DTPA）增强MRI更能反映HCC的生物学特征，包括组织学分级与微血管状态^{[28, 29]}。Gd-EOB-DTPA增强MRI的定性和定量成像特征在识别VETC阳性HCC上有潜在的应用价值。FAN等^[30]在一项109例Gd-EOB-DTPA增强MRI和CD34免疫化学染色HCC患者的回顾性研究中，通过MRI的定性和定量成像特征发现血清AST水平>40 U/L（P=0.007）、非边缘弥漫性和异质性动脉期过度增强（P=0.035）、动脉期图像上肿瘤与肝脏信号强度（signal intensity, SI）比为1.135或更高（P=0.001），以及肝胆期图像上肿瘤与肝脏SI比为0.585或更低（P=0.002）是VETC阳性HCC的重要预测因子。QU等^[31]用术前Gd-EOB-DTPA增强MRI征象来评估HCC中VETC表达，结果血清PIVKA-Ⅱ水平>40 mAU/mL（OR=2.981）、动脉期≥50%的低强化区域（OR=3.751）、肝胆期图像上的肿瘤周围低信号（OR=5.362）和肝胆期图像上肿瘤与肝脏SI较低比值（OR=0.009）均独立与VETC-HCC有关，基于上述四个预测因子构建的VETC-HCC联合诊断模型展现出良好的预测效能：在训练队列中，AUC为0.848（95% CI：0.789~0.908），敏感度、特异度和准确度分别为79.7%、79.8%和79.8%；在验证队列中，AUC为0.810（95% CI：0.712~0.909），敏感度，特异度和准确度分别为87.1%、63.4%和73.6%。RHEE等^[32]使用Gd-EOB-DTPA增强MRI后根据动脉期增强程度对84例患者分组，动脉期不规则环形强化（irregular rim-like arterial phase enhancement, IRE）组VETC阳性的比例较高，且5年无病生存率较低，IRE反映了VETC阳性HCC更具侵袭性的病理特征。LI等^[33]还比较单指数模型的常规表观扩散系数（apparent diffusion coefficient, ADC）和四个非高斯模型（扩散峰度成像、拉伸指数模型、分度阶微积分模型和连续时间随机游走模型）的各种扩散参数，结果只有扩散峰度成像-峰度参数和连续时间随机游走-反常扩散指数组间差异具有统计学意义，且在预测HCC的VETC方面优于传统ADC。在MRI基础上延伸出的影像组学的优势在于通过图像中提取大量、定量、高通量的特征信息作为研究对象，并进一步采用多样化的统计分析和数据挖掘方法从大批量信息中提取出真正起作用的关键信息，最终用于疾病辅助诊断分类与分级，影像组学也能揭示更深层次的信息，使用机器学习算法构建模型，这些模型比基本征象的模型具有更高的敏感性和特异性^{[34, 35]}。YU等^[36]使用Gd-EOB-DTPA增强MRI建立的影像组学模型预测VETC，结果显示瘤周影像组学模型曲线下面积（area under the curve, AUC）为0.972，高于瘤内模型（AUC=0.919）。同样，DONG等^[37]也发现基于门静脉期的肿瘤周围深部放射组学模型在评估VETC方面表现最佳。这可能是因为超过85%的MVI位于瘤周区域，而VETC与MVI相互补充又显著相关，所以肿瘤周围区域更易检测到VETC。基于VETC与MVI这种密切关系，YANG等^[38]将HCC患者分为两组：VM-HCC阳性组（VETC阳性/MVI阳性或VETC阴性/MVI阳性或VETC阳性/MVI阴性）和VM-HCC阴性组（VETC阴性/MVI阴性），在动态对比增强MRI的动脉期、门静脉期和延迟期手工分割肿瘤内和肿瘤周围区域并建立了六种放射组学模型和一种临床模型来评估VM-HCC，结果门静脉期-周围模型与临床模型组成的联合模型的AUC为0.85（95% CI：0.76~0.93），在外部验证中，联合模型的AUC达到0.75（95% CI：0.66~0.85），特异性更高（0.88）。FAN等^[39]回顾性分析81例VETC阴性HCC和52例VETC阳性HCC患者在行根治性肝部分切除术前行Gd-EOB-DTPA增强MRI，对动脉期和肝胆期图像进行纹理分析，得出由动脉期图像获得的纹理特征和由肝胆期图像获得的一阶统计特征能够反映VETC阳性HCC复杂的内部结构，且有助于识别VETC阳性HCC，可以为临床的治疗决策提供更有价值的信息。部分研究想将基础影像征象的宏观观察与影像组学的微观观察相结合，但这种尝试受到了影像组学复杂性以及缺乏算法标准化的限制^{[40, 41, 42]}。相比主观的视觉判读，影像组学呈现出更好的预测效果，结合VETC提取的影像特征可以表现出更好的性能，当然也不能避免由于不同序列、不同阶段及肿瘤范围的影响出现不同的结果^{[43, 44]}。

       以上研究显示，Gd-EOB-DTPA增强MRI在识别VETC阳性HCC方面有很大的潜力，通过动脉期和肝胆期双时相成像的信号强度比值（如动脉期肿瘤/肝脏SI比>1.135或更高、肝胆期SI比<0.585或更低）可预测VETC阳性HCC^[30]。同样，IRE与VETC阳性HCC患者的5年无病生存率直接相关，这也强化了MRI影像特征的临床价值，验证了病理-影像的关联性^[32]。在此基础上发展起来的影像组学更是具有高预测效能，基于瘤周区域的影像组学模型优于瘤内模型^{[36, 37]}，因为VETC与MVI共现率高，且瘤周区域更易捕获侵袭性的特征。部分研究结合动脉期和肝胆期纹理特征（如Log-sigma-4.0mm-3D峰度值），可量化肿瘤内部复杂性，有助于识别VETC阳性HCC，提升诊断特异性^[39]。然而，现有的研究仍有以下不足：多为单中心回顾性分析，结论外推性受限；影像组学纹理特征提取依赖手动分割和特定算法，缺乏跨平台、跨设备的标准化流程，模型可解释性差；高AUC值的影像组学模型多为“黑箱”，临床普适用性不高。未来科研方向包括：（1）建立多中心MRI协议，制定Gd-EOB-DTPA增强扫描的标准化流程，确保数据一致性；（2）开发全自动分割工具，利用DL实现肿瘤及瘤周区域的自动分割，减少人工误差；（3）联合MRI扩散参数、CT灌注成像，构建VETC多维度的预测模型；（4）将VETC预测模型整合至PACS系统，实现术前自动化风险评估并生成可视化报告，为HCC精准诊疗提供参考。

4 总结与展望

       肿瘤的转移是患者预后不良的主要原因，提前预测肿瘤的转移机制并实施有效干预能够大大提高患者的生存率。VETC不同于传统的EMT转移途径并广泛存在于各类肿瘤中。VETC阳性HCC在CEUS、CT和MRI上均具有一些典型的影像特征，在此基础上发展起来影像组学应用范围的不断扩大，不仅在肿瘤辅助诊断中发挥作用，在预后评估和疗效评估等领域也显示出其独特的优势，认识并掌握这些特征，将有助于提高HCC术前分层诊断的准确性，对指导HCC的治疗、减少术后复发及改善患者预后具有重要临床意义。在预测VETC阳性HCC方面，不同影像技术因成像原理、分辨率及临床应用场景等的差异而各具特点，表1基于当前研究的证据级别和数量，总结其适用范围，证据分级参照国际通用牛津循证医学中心（Center for Evidence-Based Medicine, CEBM）2011标准。

       但是在临床工作当中对VETC评估的主要手段还是依赖于组织病理学，虽然有一些典型的影像学特征和预测模型可以无创性诊断VETC，并且具有较高的准确性，但大多数的研究仍然存在样本量不足、单中心研究等问题。未来我们期待多模态联合、AI与组织芯片技术可以用于更好地预测VETC并替代有创的肝活检。有一些证据表明VETC阳性HCC存在免疫抑制肿瘤微环境，但这是基于简单的低维度评估，更复杂和全面的技术如成像细胞计数术、空间转录组学等将是我们充分研究VETC阳性肿瘤微环境和增强对肿瘤生物学的理解所必须的。

点击查看表格

表1  影像技术在VETC阳性HCC中的临床适用性分析
Tab. 1  Analysis of the clinical applicability of imaging techniques in VETC-positive HCC