对于肝细胞癌（HCC）患者来说，微血管侵犯（MVI）的存在是最重要的预后因素之一。已浸润到附近血管的肿瘤细胞会显著增加手术切除或消融后复发的风险。但MVI目前只能在手术后通过显微镜检查切除组织来确认——这已太晚，无法为初始治疗决策提供依据。
在中国23家医院开发的一种深度学习模型可能改变这一现状。该模型名为MAPUSE（MVI AI Prediction via Contrast-enhanced Ultrasound with Explainability），通过术前造影超声（CEUS）视频预测MVI，在多个验证队列中实现了0.835至0.978的AUC值。
这项于7月10日发表在《自然·通讯》（Nature Communications）上的研究（DOI：10.1038/s41467-026-74985-y），由中国人民解放军总医院、中国科学院自动化研究所及其他21个中心的研究人员领导。
用于超声的Transformer
MAPUSE模型采用TimeSformer架构——一种完全基于Transformer、无卷积主干的视频模型——分析每段CEUS视频中的48帧图像，样本覆盖动脉期（0至45秒）、静脉期（45至120秒）和延迟期（180至190秒）。感兴趣区域包括肿瘤周围放大1.2倍的边界框及瘤周组织，其表现优于仅分析肿瘤区域。
研究团队从23家医院的1,716名HCC患者中收集了5,148段CEUS视频——这是为此目的收集的最大超声AI数据集之一。这些视频包含超过330万帧。训练使用了495名患者，内部验证使用了213名患者，保留测试使用了190名患者（使用两种不同的超声造影剂Sonovue和Sonazoid），并在两个独立队列中进行了前瞻性验证——一个在中国南方（广州），一个在中国北方（北京）。
各队列的表现
该模型的AUC范围从保留测试Sonovue组的0.835到训练集的0.986。在前瞻性验证中，南方队列的AUC为0.886，北方队列为0.847。
模型性能高度依赖于肿瘤大小。对于大于5厘米的肿瘤，AUC达到0.978。对于3至5厘米的肿瘤，AUC降至0.814，而对于小于3厘米的肿瘤——正是术前MVI评估临床价值最大的群体——AUC降至0.756。
生物学可解释性
该研究的重要贡献之一是其试图解释模型实际检测到的内容。超声热力图上的模型高注意力区域中，只有15%与微血管侵犯的实际物理位置重合——这意味着模型并非直接观察血管中的肿瘤栓子。相反，通过涉及批量RNA测序（203名患者）、单细胞RNA测序（12名患者，86,412个免疫细胞）和免疫组织化学（64名患者，160个注意力区域）的三重验证分析，研究团队证明高MVI风险评分与肿瘤微环境中CD8+ T细胞浸润减少相关。
“MVI高风险患者具有免疫荒漠表型，”作者写道。该模型似乎能检测到与免疫排斥相关的超声特征——对细胞毒性T细胞不利的肿瘤微环境——而这又与更高的血管侵犯可能性相关。
临床意义
在568名消融患者的独立队列中，被MAPUSE分类为MVI高风险并接受辅助免疫治疗的患者，其5年无病生存率显著优于未接受者（30.8%对14.6%；风险比0.61）。这表明该模型可能有助于识别消融后最有可能从免疫治疗中受益的患者——这一群体目前使用的筛选标准并不包括MVI状态。
作者强调，该模型并非旨在取代病理诊断，而是提供目前尚不存在的术前风险评估。MVI状态仍然是术后发现；MAPUSE在第一次切皮之前就提供了通往这一信息的窗口。
婷 翻译
来源： Pang, C., Ru, J., Liu, Y. 等。”Prediction of microvascular invasion in hepatocellular carcinoma using contrast-enhanced ultrasound and deep learning.”《自然·通讯》（2026）. DOI：10.1038/s41467-026-74985-y