0 引言

       肝细胞癌（hepatocellular carcinoma, HCC）的微血管侵犯（microvascular invasion, MVI）被定义为在显微镜下观察到的、存在于覆衬有内皮细胞的微小血管腔内的癌细胞巢团，通常见于肿瘤包膜内及癌旁肝组织的门静脉微小分支^[1]。MVI不仅是影响HCC患者手术方式的重要因素^[2]，更是评估HCC侵袭性、术后复发及预后分层^{[3, 4, 5, 6]}的重要指标，其分级越高，患者的总生存期（overall survival, OS）和无复发生存期（recurrence-free survival, RFS）越短^[7]。在针对MVI阳性患者的治疗上，行解剖性肝切除术或保证切缘≥1 cm，可减少术后复发并改善预后^{[8, 9, 10, 11]}。MVI目前只能通过具有侵入性、耗时且结果滞后于临床决策时机的病理分析来证实，使得其在术前评估面临挑战。由此可见，术前无创、准确、可重复评估MVI极其重要。某些传统的MRI形态学特征，如肿瘤大小、肿瘤边缘不规则、肿瘤边缘强化等^{[12, 13, 14]}被认为是MVI的预测因子，但预测MVI的受试者工作特征曲线下面积（area under the curve, AUC）范围在0.60到0.74之间，一定程度上存在观察者主观因素干扰的问题，其准确性与术后病理结果仍有一定差距。近年来，深度学习（deep learning, DL）迅速发展。DL通过自动化特征学习和高效模式识别，可显著提升影像评估效率与精度，尤其在影像分割^{[15, 16, 17, 18]}、信息分类^{[19, 20]}和预测研究^[21]等方面的应用中展现出卓越的性能，为MRI数据深度挖掘以及术前MVI的准确预测带来了更多可能。

       近年来，已有多篇综述关注人工智能（artificial intelligence, AI）在术前MVI预测中的潜力与挑战。刘洋等^[22]综述了AI在多模态影像（CT、MRI、超声）基础上的建模方法，覆盖面广，但主要从应用层面进行归纳，缺乏对DL模型在MRI特定场景下演进路径的系统分析，尤其在结构优化、信息融合策略等方面未展开深入探讨。李捷等^[23]则从影像组学与DL角度回顾相关进展，但DL方法仅作简要介绍。ZHANG等^[24]通过Meta分析比较了DL与传统方法在MVI预测中的诊断效能，JIANG等^[25]则归纳了AI在多模态影像中的预测表现，然而二者均偏重性能总结，对DL模型本身的技术细节、关键建模路径、泛化与可解释性问题等讨论较少。仍存在DL技术归纳不足、缺乏MRI特异性视角、未能系统分析结构策略与挑战趋势等问题。为此，本文拟围绕MRI影像基础上DL模型在MVI术前预测中的研究路径展开系统梳理，重点讨论2D与3D结构优化、模态融合机制、临床特征协同建模、可解释性提升与实际部署可行性等发展趋势，期望为后续构建高效、稳健、可推广的智能预测工具提供参考依据。

1 DL概述

       DL是一种由多个处理层组成的计算模型，能够通过多层非线性模块的堆叠，自动学习数据的分层抽象表示。其核心优势在于无需人工干预，能直接从原始数据中自动提取有用的特征^[26]。DL的网络类型主要包括卷积神经网络（convolutional neural network, CNN）、循环神经网络、长短记忆网络、生成对抗网络以及Transformer等。这些框架在提升模型表达能力、计算效率和泛化性能方面不断创新。其中，CNN因其在图像识别中的优异性能，成为医学影像分析中最为常用的网络架构，CNN通过局部感知机制和参数共享策略，能够有效提取病灶纹理、边缘形态和强化模式等关键局部特征，广泛用于MVI相关特征提取、风险分层与预后评估任务^{[27, 28, 29, 30]}。CNN经典结构变体如ResNet的相关模型可通过梯度定位方法实现注意力热图可视化，标记MVI高风险区域^[31]。Transformer是一种基于自注意力机制的DL模型，被广泛应用于自然语言任务，并催生了许多重要的变体，扩展到计算机视觉（如Vision Transformer）等领域，也被应用于HCC影像分析^[32]和肿瘤分割^[33]等任务中。但其对计算资源和训练数据量要求更高，细节识别方面仍存在一定不足。

       总体而言，CNN与Transformer各具优势。CNN模型（如U-Net、DeepLabv3+）擅长提取局部纹理和边缘特征，计算成本低，对小样本研究适应能力较强，但其全局建模能力相对受限，易出现小肿瘤漏检的情况。相比之下，Transformer通过自注意力机制建立图像的全局上下文关系，在全局表征方面（如肿瘤结构完整性）具有优势。近期研究^[34]尝试结合两类架构优势提升肝肿瘤分割精度，为构建混合模型以实现局部与全局特征的协同提取提供研究方向，有望提升相关图像分割的精度或预测研究的准度。在未来，随着模型优化、数据集扩充及跨学科合作的深入，不同DL网络模型的融合策略有望加速医学影像分析在临床中的应用，推动HCC以及其他疾病的精准诊断和个性化治疗方案的发展。

2 MVI的预测进展

2.1 基于常规MRI形态学预测MVI

       常规MRI影像依靠肿瘤形态学或MRI相关功能成像序列及其衍生参数预测MVI已在国内外众多研究中被广泛开展^[35]。但单靠这一类特征进行MVI预测的准确性仍有限。在一项术前预测小肝癌（直径≤3.0 cm）的研究中，所构建的仅基于形态学的模型在测试集的AUC为0.629，显著低于放射组学模型（AUC：0.879）和联合模型（AUC：0.968）^[36]。由此推断，MVI相关的内在联系无法仅通过常规形态学充分反映，结合影像组学特征补充形态学的局限性可提升诊断效能。然而，影像组学依赖放射医生手工提取特征，易受医生主观经验的限制，且耗费大量时间和精力。在这样的背景下，DL的自学习特性避免了这一问题，可直接从原始图像中提取更深层次的特征，减少了人工干预可能引入的偏差。

2.2 基于MRI的DL模型预测MVI

2.2.1 序列利用策略：非增强MRI建模与多序列融合探索

       在DL方法应用于MRI图像的研究初期，部分工作聚焦于单一序列的深度特征提取，尝试简化建模流程。非增强序列，尤其是扩散加权成像（diffusion weighted imaging, DWI）及其衍生图[如表观扩散系数（apparent diffusion coefficient, ADC）图、体素内不相干运动（intravoxel incoherent motion, IVIM）参数图]，因其无需对比剂、获取便捷等优势，成为DL模型探索MVI预测可行性的起点。WANG等^[37]基于术前高b值（b=600 s/mm²）图像的深度特征和ADC图，提出CNN融合模型，首次实现非增强MRI的MVI预测，AUC达0.79。LIU等^[38]基于IVIM的CNN可直接从多b值图像中提取深度特征，其预测MVI的AUC达0.810，验证了非增强MRI方案预测潜力。上述研究展示了DL在非增强影像下的应用场景，但大多集中于单一或局部序列的建模，可能遗漏MVI的复杂影像表征。因此，多序列的融合策略可为优化DL模型预测MVI提供方向，以丰富模型的图像信息与特征表达力。ZHANG等^[39]开发了基于多序列MRI的3D卷积神经网络融合模型，验证了术前MVI无创预测的可行性，该研究开发了四个DL模型，其中融合模型（结合T2WI、T2-SPIR和PVP三个MRI序列）在训练集和验证集的AUC分别达到0.81和0.72，均优于单序列模型。ZHOU等^[30]进一步构建了融合平扫、动脉期及门静脉期三期增强MRI序列的3D CNN模型，并引入深度监督损失函数以增强特征融合能力。在简单拼接三期图像特征的基础上，模型AUC已达0.906；而引入深度监督机制后，预测性能进一步提升至0.926。该研究显示，在多序列输入的基础上结合结构优化方法，可显著增强DL模型对MVI的判别性能。由此可见，多序列融合能够整合不同序列的互补信息，提升模型预测MVI的效能。

       值得注意的是在实际临床工作中，由于患者依从性、扫描时间限制或设备配置差异，部分关键MRI序列（如T2WI、门脉期或DWI）常存在获取失败或图像质量较差的情况，导致输入模态不全。模态缺失成为不可忽视的难题，虽然这一挑战不是由DL模型本身结构性带来，但影响了多序列或多模态融合模型的训练与应用。对此，已有研究提出模态合成、互学习和扩散生成等方法用于补全缺失模态，让模型在实际应用中面对不完整数据时仍能保持稳定表现，尤其在脑部图像分析中展现出一定成效^{[40, 41]}。虽然目前此类方法主要应用于颅脑图像合成等任务（如T1WI序列合成）中，但其在肝脏影像中的潜力值得关注。特别是在多期增强图像或扩散序列缺失频发的情况下，模态合成技术有望为多模态DL模型提供更具适应性的输入结构，提升其在真实场景中的稳定性与推广性。

2.2.2 结构优化策略：2D与3D CNN的选择与平衡

       CNN中所采用的卷积结构类型，会直接影响模型的预测效果以及对计算资源的需求，这是研究者们在研究开展时需要考虑到的实际问题。2D模型具有计算效率高、模型规模小、对硬件要求低的特点，但仅能捕捉单层图像特征，无法利用三维空间信息；3D模型可整合多层连续图像的三维上下文信息而处理整个肿瘤体积的信息，但需要更多训练数据，计算成本大，对硬件要求较高。WANG等^[42]比较了三种基于ResNet18结构的DL模型（即2D、2D扩展和3D CNN）在术前Gd-EOB-DTPA增强MRI图像上的MVI预测性能。结果显示，2D扩展模型在保持较高预测能力的同时（AUC=0.70），计算效率高于3D模型，且对硬件资源的依赖更小。这提示，DL模型的应用需结合具体临床数据的特性，并非维度越高越好，应依据临床图像特性与资源条件进行灵活选择。当高维数据存在质量限制时，通过算法优化的低维模型可能更符合实际需求。针对3D卷积计算效率相对低下的困境，LI等^[29]采用注意力引导的特征聚合策略。首先以2D卷积网络分层提取病灶切片特征，显著降低计算复杂度，继而通过模态注意力模块和双流多实例聚合器模拟医师诊断时对关键模态和重要切片的关注机制，不仅保留全病灶上下文信息，更通过可解释的注意力权重分配，提供了一种既能有效提取病变信息，又能平衡计算效率的DL模型。

2.2.3 特征融合策略：影像模态与临床指标的协同建模

       上述研究均展示了基于MRI的DL模型术前预测MVI状况的可行性，但多数研究局限于图像数据本身，可能无法全面反映肿瘤的生物学特性。事实上，已有研究指出，甲胎蛋白（alpha-fetal protein, AFP）≥20 ng/mL的患者发生MVI的风险是AFP正常患者的1.96倍^[43]。结合其他临床指标（如纤维化-4指数、α-L-岩藻糖苷酶、肝硬化等）可有效预测MVI风险^{[44, 45]}，临床指标能够提供与影像特征互补的关键信息。为进一步提升预测性能，部分研究尝试将影像特征与临床参数（如AFP水平）相结合。SONG等^[46]构建了一个包含八个CNN分支的DL模型，不仅处理多参数动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）图像，还将AFP等临床数据融合进预测模型中。结果显示，仅基于图像的模型AUC为0.915，而融合临床参数后AUC提升至0.931。可见单纯依赖影像学相关特征可能无法全面反映肿瘤微环境的表征。临床参数在提高MVI预测准确性上的增益作用使AUC提升0.016，尽管提升幅度很小，但在MVI术前预测这一对模型判别力要求较高的任务中，结果仍表明，适当引入结构化临床信息有助于增强模型对MVI风险特征的识别能力。该策略为后续多模态联合建模提供了有益的方向性启发，也提示构建融合临床-影像信息的结构化建模架构在提升模型泛化能力方面具有探索价值。

2.3 基于多任务DL的MVI预测与术后复发评估

       MVI是术后复发的重要风险因素，与RFS存在明确的病理生理关联，但现有的研究大多数将两者割裂分析，且大多基于单中心小样本数据，缺乏外部验证。基于此，WANG等^[47]研究团队采用多中心数据成功地开发并验证了一个基于MRI图像的多任务DL模型，同时预测MVI和RFS。在MVI预测性能方面：相较于单任务学习（AUC：0.619~0.752），多任务学习的性能显著提升（AUC：0.800~0.918）。在RFS预测性能方面：多任务学习亦显著优于单任务学习。该模型还通过多任务学习实现了对RFS的可靠预测。尽管如此，未来的研究仍可进一步优化模型：例如在进一步整合更多临床参数、提高模型可解释性以及探索数据标准化和跨中心数据共享机制等方面，均有望进一步提升模型在实际临床决策中的应用价值。总体来看，该多任务DL模型为HCC预后评估提供了重要工具，并为推动精准医疗实践奠定了基础。

3 总结与展望

       仅依赖单一MRI序列的DL模型，容易遗漏关键病灶信息，现有研究通过多模态影像数据融合、2D与3D卷积网络的灵活应用，以及多任务学习框架，不仅提高了MVI预测的准确性，而且实现了对RFS等预后指标的同步评估，为临床制订个体化治疗方案提供了有力的数据支持。与传统形态学分析相比，DL模型具备更强的客观性与实时处理能力；而相较于病理检测，DL方法则具有非侵入性、可重复性等显著优势。然而，当前的研究虽然取得了较高的预测性能，但在实际应用中仍面临一些关键问题。首先，虽然部分多中心研究已开始验证模型的泛化能力，但数据异质性、不同影像采集标准以及模态缺失仍对模型稳定性构成挑战；其次，尽管多任务学习能够实现不同预后指标的联合预测，但如何进一步整合更多临床参数、实现病理与影像特征的有效映射，仍需深入探索。此外，模型的可解释性和实时计算效率也是推动其临床转化必须解决的问题。未来，研究应在以下几个方面持续努力：第一，数据标准化与多中心验证：构建标准化的多中心协作平台，确保不同来源数据的兼容性和一致性，从而提升模型的泛化能力。第二，跨模态动态建模：深入开发结合影像和临床数据的跨模态模型，探索病理特征与影像信息之间的深层内在联系，提高模型的预测精度和解释性。第三，轻量化模型与实时应用：如何在保留关键特征表征能力的同时，最大程度压缩模型参数量与计算需求，实现模型在临床实时诊断系统中的落地与应用仍需深入探索。第四，增强模型的可解释性与因果推理能力：传统DL模型本质上是通过学习变量间的相关性进行预测，而不是理解它们之间的因果关系，因此难以识别变量之间的真实因果关系，影响其在高风险临床决策中的可信度。未来研究可尝试引入结构化因果建模框架，明确变量间的作用路径，例如探讨AFP等临床指标是否通过特定影像特征影响MVI风险，从而提升模型决策的透明度与医学逻辑一致性。以支撑模型的可解释性评估、外部验证与合规监管。相关工作仍需临床多中心长期验证。

       总体而言，基于MRI的DL技术正为MVI的术前无创评估开辟新途径。只有在数据共享、模型优化和临床验证等方面不断突破，才能真正实现从影像智能诊断向精准治疗决策系统的转化应用，为患者提供更可靠的预后评估和个体化治疗指导。