Перспективы и преимущества радиомического анализа при гепатоцеллюлярной карциноме (обзор литературы)

Введение: Гепатоцеллюлярная карцинома (ГЦК) отличается высокой летальностью из-за трудностей ранней диагностики, субъективности оценки визуализации и отсутствия надежных неинвазивных методов прогнозирования агрессивности и ответа на терапию.
Цель: Оценить возможности и доказательную базу радиомического анализа диагностических изображений для решения ключевых клинических задач при ГЦК.
Материалы и методы: Анализ современных научных данных (российские и зарубежные исследования 2023–2025 гг.). Рассмотрена методология радиомики и ее эффективность для: дифференциальной диагностики ГЦК; прогнозирования микрососудистой инвазии (МСИ); оценки/прогноза эффективности трансартериальной химиоэмболизации (ТАХЭ) и радиочастотной аблации (РЧА).
Результаты: Радиомические модели показали высокую точность (до 96 % чувствительности) в дифференциальной диагностике ГЦК. Интеграция 3D-радиомических признаков с клинико-лабораторными данными позволяет прогнозировать МСИ (чувствительность 76–82 %, специфичность 82–85 %). Комбинированные клинико-радиомические модели эффективнее предсказывают ответ на ТАХЭ (AUC до 0,92) и РЧА (AUC до 0,87), а также риск рецидива, чем традиционные подходы.
Заключение: Радиомический анализ — перспективный инструмент для неинвазивной оценки агрессивности ГЦК и выбора тактики лечения, превосходящий стандартную визуализацию в прогнозировании МСИ и ответа на локальную терапию (ТАХЭ, РЧА). Перспективы: стандартизация, 3D-анализ, мультимодальность, валидация в проспективных исследованиях для внедрения в клинические алгоритмы.

1. Bray F, Ferlay J, Soerjomataram I, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2018;68:394-424. https://doi.org/10.3322/caac.21492. PMID: 30207593.

2. Llovet JM, Kelley RK, Villanueva A, et al. Hepatocellular carcinoma. Nat Rev Dis Primers. 2021;7:6. https://doi.org/10.1038/s41572-020-00240-3. PMID: 33479224.

3. Singal AG, Kanwal F, Llovet JM. Global trends in hepatocellular carcinoma epidemiology: implications for screening, prevention and therapy. Nat Rev Clin Oncol. 2023. https://doi.org/10.1038/s41571-023-00825-3. PMID: 37884736.

4. Jiang Y, Han Q, Zhao H, et al. The Mechanisms of HBV-Induced Hepatocellular Carcinoma. J Hepatocell Carcinoma. 2021;8:435-50. https://doi.org/10.2147/JHC.S307962. PMID: 34046368.

5. D’Ambrosio R, Lampertico P. Is it time to refine HCC surveillance strategies in HCV cured patients? Hepatology. 2022;76(1):9-11. https://doi.org/10.1002/hep.32430. PMID: 35218241.

6. Banini BA, Sanyal AJ. Chapter Four — NAFLD-related HCC. Adv Cancer Res. 2021;149:143-69. https://doi.org/10.1016/bs.acr.2020.11.001. PMID: 33579423.

7. Kim DY. Changing etiology and epidemiology of hepatocellular carcinoma: Asia and worldwide. Journal of Liver Cancer. 2024;24(1):62-70. https://doi.org/10.17998/jlc.2024.03.13. PMID: 38523466.

8. Matsumoto MM, Mouli S, Saxena P, et al. Comparing real world, personalized, multidisciplinary tumor board recommendations with BCLC algorithm: 321-patient analysis. Cardiovasc Intervent Radiol. 2021;44:1070-80. https://doi.org/10.1007/s00270-021-02810-8. PMID: 33825060.

9. American College of Radiology (US). LI-RADS: Liver Imaging Reporting and Data System [Internet]. Reston (VA): American College of Radiology; c2024 [updated 2024 May]. Available from: https://www.acr.org/Clinical-Resources/Clinical-Tools-and-Reference/Reporting-and-Data-Systems/LI-RADS.

10. Dumbadze, A Tavartkiladze, A Kutateladze, et al. Multi-modal assessment of LI-RADS 3 and 4 lesions: Integrating serum biomarkers, liquid biopsy, and imaging for early hepatocellular carcinoma detection and management. JJ Oncol Clin Res. 2024;5:1-25. https://doi.org/10.17303/jocr.2024.5.201.

11. Liang Y, Xu F, Guo Y, et al. Diagnostic performance of LI-RADS for MRI and CT detection of HCC: A systematic review and diagnostic meta-analysis. Eur J Radiol. 2021;134:1094-04. https://doi.org/10.1016/j.ejrad.2020.109404. PMID: 33276248.

12. Huang EP, O’Connor JPB, McShane LM, et al. Criteria for the translation of radiomics into clinically useful tests. Nat Rev Clin Oncol. 2023;20(2):69-82. https://doi.org/10.1038/s41571-022-00707-0. PMID: 36443594.

13. Bera K, Braman N, Gupta A, et al. Predicting cancer outcomes with radiomics and artificial intelligence in radiology. Nat Rev Clin Oncol. 2022;19(2):132-46. https://doi.org/10.1038/s41571-021-00560-7. PMID: 34663898.

14. Miranda J, Horvat N, Fonseca GM, et al. Current status and future perspectives of radiomics in hepatocellular carcinoma. World J Gastroenterol. 2023;29(1):43-60. https://doi.org/10.3748/wjg.v29.i1.43. PMID: 36683711.

15. Nie P, Wang N, Pang J, et al. CT-based radiomics nomogram: a potential tool for differentiating hepatocellular adenoma from hepatocellular carcinoma in the noncirrhotic liver. Acad Radiol. 2021;28(6):799-807. https://doi.org/10.1016/j.acra.2020.04.027. PMID: 32386828.

16. Nie P, Yang G, Guo J, et al. A CT-based radiomics nomogram for differentiation of focal nodular hyperplasia from hepatocellular carcinoma in the non-cirrhotic liver. Cancer Imaging. 2020 Feb 24;20(1):20. https://doi.org/10.1186/s40644-020-00297-z. PMID: 32093786.

17. Wu J, Liu A, Cui J, et al. Radiomics-based classification of hepatocellular carcinoma and hepatic haemangioma on precontrast magnetic resonance images. BMC Med Imaging. 2019;19:23. https://doi.org/10.1186/s12880-019-0321-9. PMID: 30866850.

18. Васильев ЮА, Савкина ЕФ, Борисов АА, и др. Использование радиомических признаков для классификации новообразований печени различной этиологии по данным компьютерной томографии. Диагностическая и интервенционная радиология. 2024;18(2.1):79-86.

19. Молостова ЮВ, Медведева БМ, Кондратьев ЕВ, и др. Возможности текстурного анализа и машинного обучения в МРТ-диагностике раннего ГЦР. Онкологический журнал: лучевая диагностика, лучевая терапия. 2024;7(4):68-73. https://doi.org/10.37174/2587‑7593‑2024‑7‑4‑68‑73.

20. Xu X, Zhang HL, Liu QP, et al. Radiomic analysis of contrast-enhanced CT predicts microvascular invasion and outcome in hepatocellular carcinoma. J Hepatol. 2019;70(6):1133- 44. https://doi.org/10.1016/j.jhep.2019.02.023. PMID: 30876945.

21. Zhang Z, Jia X-F, Chen X-Y, et al. Radiomics-based prediction of microvascular invasion grade in nodular hepatocellular carcinoma using contrast-enhanced magnetic resonance imaging. J Hepatocell Carcinoma. 2024;11:1185-92. https://doi.org/10.2147/JHC.S461420. PMID: 38933179.

22. Zhong H, Zhang Y, Zhu G, et al. Preoperative prediction of microvascular invasion and relapse-free survival in hepatocellular Carcinoma ≥3 cm using CT radiomics: Development and external validation. BMC Med Imaging. 2025;25:141. https://doi.org/10.1186/s12880-025-01677-2. PMID: 40312321.

23. Li J, Liu Y, Zheng R, et al. Molecular mechanisms of TACE refractoriness: Directions for improvement of the TACE procedure. Life Sci. 2024;42. Art. 122540. https://doi.org/10.1016/j.lfs.2024.122540. PMID: 38428568.

24. Masthoff M, Irle M, Kaldewey D, et al. Integrating CT Radiomics and Clinical Features to Optimize TACE Technique Decision-Making in Hepatocellular Carcinoma. Cancers. 2025;17(5):893. https://doi.org/10.3390/cancers17050893. PMID: 40075740.

25. Guo X, Song J, Zhu L, et al. Multiparametric MRI-based radiomics and clinical nomogram predicts the recurrence of hepatocellular carcinoma after postoperative adjuvant transarterial chemoembolization. BMC Cancer. 2025;25(1):683. https://doi.org/10.1186/s12885-025-14079-y. PMID: 40229712.

26. Zhao KF, Xie CB, Wu Y. Prediction of the efficacy of first transarterial chemoembolization for advanced hepatocellular carcinoma via a clinical-radiomics model. World J Clin Cases. 2025;13(23):101742. https://doi.org/10.12998/wjcc.v13.i23.101742.

27. Tabari A, D’Amore B, Cox, M, et al. Machine Learning-Based Radiomic Features on Pre-Ablation MRI as Predictors of Pathologic Response in Patients with Hepatocellular Carcinoma Who Underwent Hepatic Transplant. Cancers. 2023;15(7), 2058. https://doi.org/10.3390/cancers15072058. PMID: 37046718.

28. Zhang X, Wang C, Zheng D, et al. Radiomics nomogram based on multi-parametric magnetic resonance imaging for predicting early recurrence in small hepatocellular carcinoma after radiofrequency ablation. Front Oncol. 2022;12:1013770. https://doi.org/10.3389/fonc.2022.1013770. PMID: 36439458.

29. Zhao L, Wang J, Song J, et al. Combining serum biomarkers and MRI radiomics to predict treatment outcome after thermal ablation in hepatocellular carcinoma. Am J Transl Res. 2025;17(3):2031-43. https://doi.org/10.62347/TFRF1430. PMID: 4022601.

30. Сакибов БИ, Подлужный ДВ, Патютко ЮИ и др. Отдаленные результаты хирургического лечения больных гепатоцеллюлярным раком промежуточной стадии (CLC): одноцентровое ретроспективное исследование. Хирургия и онкология. 2025;15(2):62-73. https://doi.org/10.17650/2949-5857-2025-15-2-62-73