文献速递腹部US

常规超声、Sonazoid增强超声与生化指标预测肝细胞癌微血管侵犯:一项多中心研究

Prediction of microvascular invasion in hepatocellular carcinoma with conventional ultrasound, Sonazoid-enhanced ultrasound, and biochemical indicator: a multicenter study.
PubMed 文献 · Insights Imaging · 2024-10-28

该多中心研究纳入318例单发且直径≤5 cm的肝细胞癌患者,基于常规超声、Sonazoid增强超声及血清PIVKA-II构建术前预测微血管侵犯的联合模型。联合模型在验证集和测试集的AUC分别为0.937和0.893,校准良好,在不同肝背景和肿瘤大小亚组中表现无显著差异。

要点

  • 肿瘤边界模糊、瘤内动脉、Kupffer期对比剂完全廓清及PIVKA-II是MVI的独立预测因素。
  • 联合模型在验证集AUC为0.937、测试集为0.893,优于仅用超声特征的模型。
  • 非肝硬化与肝硬化亚组、肿瘤<3 cm与3–5 cm亚组间AUC无显著差异。

核心结论

  • 联合生化指标、常规超声和Sonazoid增强超声特征有助于单发且直径≤5 cm肝细胞癌患者的术前MVI预测。

研究设计与样本

  • 该研究为结合回顾性与前瞻性的多中心研究,共纳入3家机构318例经病理确诊的单发且直径≤5 cm肝细胞癌患者。
  • 训练集172例、验证集74例来自机构1(复旦大学附属中山医院),于2022年5月至2023年4月回顾性纳入。
  • 独立外部测试集72例来自机构2(中山大学肿瘤防治中心)和机构3(南京鼓楼医院),于2023年5月至2023年11月前瞻性纳入。
  • 所有患者术前接受生化、常规超声及Sonazoid增强超声检查(Sonazoid 0.6 mL团注),以术后病理MVI状态为参考标准。

关键影像表现/征象

  • B型超声上肿瘤边界模糊、脉冲波多普勒显示瘤内动脉、Sonazoid增强超声Kupffer期对比剂完全廓清与MVI阳性独立相关。
  • Kupffer期对比剂完全廓清指肿瘤内几乎无对比剂滞留,否则为部分廓清。
  • 联合模型正确诊断的示例包括MVI阴性患者表现为边界清晰和Kupffer期部分廓清,MVI阳性患者表现为边界模糊、瘤内动脉和Kupffer期完全廓清。

诊断标准与关键数值

  • 多因素分析显示血清PIVKA-II、肿瘤边界、瘤内动脉和Kupffer期对比剂廓清模式为MVI的独立预测因素(均p<0.05)。
  • BD-US模型(肿瘤边界+瘤内动脉)在训练集、验证集、测试集的AUC分别为0.853、0.899、未报告。
  • BDS-US模型(BD-US+Kupffer期廓清)在训练集、验证集、测试集的AUC分别为0.919、0.763、未报告。
  • 联合模型(超声特征+PIVKA-II)在训练集、验证集、测试集的AUC分别为0.940、0.937、0.893。
  • PIVKA-II预测MVI的截断值为38.5 mAU/mL,敏感度94.0–100.0%,特异度36.2–53.5%。

临床应用与阅片要点

  • 作者认为基于常规超声、Sonazoid增强超声和PIVKA-II的联合模型是一种无创、易于理解且稳健的术前MVI风险评估方法。
  • 亚组分析中联合模型在非肝硬化组(n=140)AUC 0.952、敏感度1.000、特异度0.847,肝硬化组(n=178)AUC 0.904、敏感度0.891、特异度0.848。
  • 肿瘤直径<3 cm组(n=131)联合模型AUC 0.927、敏感度0.909、特异度0.881,3–5 cm组(n=187)AUC 0.926、敏感度0.925、特异度0.836。
  • 不同肝背景(p=0.089)和肿瘤大小(p=0.984)亚组间AUC无显著差异。

局限性

  • 原文未报告局限性。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2024 Oct 28;15:261. doi: 10.1186/s13244-024-01743-3

引言

肝细胞癌(HCC)是第六大常见癌症,也是癌症死亡的第三大原因,相对5年生存率为18%[1]。尽管手术是患者主要的治愈性治疗选择,但肝切除术后肿瘤复发率仍然很高,高达80%[2]。微血管侵犯(MVI)是一种组织学特征,定义为病灶邻近正常肝组织血管内存在微转移。据报道,MVI是术后肿瘤复发和临床预后不良的独立因素[3, 4]。对于早期和中早期HCC患者(例如,单个肿瘤≤ 5 cm),术前准确识别MVI状态可为选择更合适的治愈性治疗提供临床决策支持,以根除潜在的MVI并改善长期生存[5, 6]。

已有研究致力于探索术前参数与MVI状态之间的关系。一些血清生物标志物据报道在预测MVI状态方面显示出巨大潜力,如甲胎蛋白(AFP)和维生素K缺乏诱导蛋白-II(PIVKA-II)[7, 8]。然而,此类生物标志物在某些良性肝病中也可能升高,且截断值可能在不同检测人群中有所差异[9]。除血清生物标志物外,一些常规超声(US)影像学表现被认为在术前预测MVI状态方面具有前景。一些研究发现,多结节肿瘤形态、肿瘤大小和肿瘤边界模糊已被证实与MVI阳性相关[10–12]。

对比增强超声(CEUS)因其无辐射、实时扫描、可重复性和便捷性,是临床实践中最常用于局灶性肝病灶的影像学检查方法之一。作为第二代微泡超声造影剂,Sonazoid的血管后期相引起了广泛关注。与纯血池造影剂相比,Sonazoid具有独特的Kupffer相模式,具有持久和稳定的特征[13]。既往研究表明,Kupffer相模式有助于在B型超声上检测隐匿性HCC和早期HCC[14, 15],并且与HCC的组织学分级具有相关性[16]。

据我们所知,关于Sonazoid-CEUS在预测MVI状态方面价值的研究较少,且仅限于少量病例或单一影像学检查[17, 18]。将Sonazoid-CEUS加入常规超声和生物医学指标中以预测MVI状态值得探索。因此,本研究旨在基于常规超声、Sonazoid-CEUS和生物医学指标构建术前预测模型,用于术前预测单个HCC ≤ 5 cm患者的MVI状态。

方法

本回顾性及前瞻性联合研究经复旦大学附属中山医院机构临床研究伦理委员会批准(编号:B2022-569R),并豁免患者的书面知情同意。所有操作均按照《赫尔辛基宣言》的原则进行。

患者

从2022年5月至2023年4月,回顾性纳入在机构1(复旦大学附属中山医院)接受常规超声和Sonazoid增强CEUS检查的246例HCC患者作为模型开发数据集,纳入标准如下:(a)组织学确诊的HCC患者;(b)术前一周内接受Sonazoid增强CEUS检查。排除标准如下:(a)良性病变或非HCC恶性病变(n = 416);(b)临床或病理信息不完整或未明确的HCC病变(n = 5);(b)术前有既往辅助治疗史的HCC病变(n = 21);(c)多发HCC病变(n = 43)或直径 > 5 cm的单发HCC病变(n = 23);(d)图像质量差影响病变特征判读(n = 6)。

按照与模型开发数据集相同的标准,于2023年5月至2023年11月前瞻性纳入来自机构2(中山大学肿瘤防治中心)和机构3(南京鼓楼医院)的72例HCC患者作为独立外部测试集。

根据术后病理将患者分为MVI阳性组和MVI阴性组。患者选择的详细流程图见图1。

从电子病历系统获取临床信息和实验室指标,包括性别、年龄、酒精因素、HBV和HCV感染状态以及血清AFP和PIVKA-II水平。

图1 本研究的参与者流程图 查看原图 ↗

MVI状态的组织学评估

手术病理检查包括评估HCC病变的MVI状态和肝硬化状态。采用“7点”采样法,即沿癌与邻近非肿瘤肝组织交界处的12点、3点、6点和9点位置以1:1比例采集标本。从肿瘤内部至少采集一份组织样本。还从距肿瘤边界≤ 10 mm(近端)和 > 10 mm(远端)的邻近非肿瘤区域肝组织各采集一份样本[19]。MVI是指在内皮细胞衬覆的血管内存在癌细胞簇,仅在显微镜下可检出。所有肝脏标本均由一位在肝脏病理学方面具有超过15年经验、且不知晓临床信息和术前多模态超声影像表现的经验丰富的病理学家进行评估。

常规超声和Sonozoid-CEUS检查方案

所有常规超声和Sonozoid-CEUS检查均由六位具有超过10年经验的放射科医师之一使用以下设备完成:配备CA1-7A凸阵探头(频率1.0–7.0 MHz)的三星RS80A(Samsung Ultrasound System,首尔,韩国)、配备5C1凸阵探头(频率2.0–5.0 MHz)的Acuson Sequoia系统(Siemens Medical Solutions,山景城,加利福尼亚州)或配备C1-5-D凸阵探头(频率1.0–5.0 MHz)的LOGIQ E9设备(GE Healthcare,密尔沃基,威斯康星州,美国)。

在超声造影(CEUS)之前,进行B模式和彩色多普勒超声检查,以识别目标病灶并评估其特征。在机械指数(0.18–0.20)下进行实时动态CEUS。B模式和造影模式图像在双屏显示器上查看,并使用扫描仪计时器记录从造影剂注射开始的时间。每位患者通过手动团注注射约0.6 mL Sonozoid造影剂(GE Healthcare,Waukesha,WI,USA),随后用5 mL 0.9%生理盐水冲洗。计时器在注射造影剂的同时启动。基于肿瘤最大切面,对整个肿瘤进行动态扫描,并存储动态图像以供后续分析。血管期图像在动脉期(AP;注射造影剂后10–45 s)、门静脉期(PVP;注射造影剂后45–120 s)和延迟期(DP;注射造影剂后2–6分钟)采集。血管后期(Kupffer期,KP)图像从6分钟开始获取,持续约30分钟。所有多模态超声成像数据导出至硬盘以供后续分析。

常规超声和Sonozoid-CEUS特征的评估

为确保结果的可靠性,所有常规超声图像和Sonozoid-CEUS视频由两位在肝脏CEUS方面具有5年以上经验的放射科医师独立解读。除HCC诊断外,两人对临床和病理信息均不知情。若两位读者之间存在分歧,他们协商并决定最终结果。定性特征的观察者间一致性通过Cohen kappa系数分析。组内相关系数(ICC)用于评估定量特征的观察者间一致性。

收集以下常规超声特征:(a)肿瘤最大直径;(b)肿瘤边界,肿瘤与肝实质之间边界清晰定义为肿瘤边界清晰,否则为肿瘤边界模糊;(c)瘤内动脉,定义为脉冲多普勒超声检测到动脉血流;同时,还收集以下Sonozoid-CEUS特征:(a)增强起始时间,定义为造影剂到达时间;(b)达峰时间,定义为造影剂浓度达到最大的时间;(c)廓清时间,定义为病灶开始显示与周围肝实质相比低增强的时间;(d)AP增强模式(均匀/不均匀);(e)肿瘤坏死,定义为AP图像上肿瘤内部存在无增强区域;(f)包膜增强,定义为PVP或DP图像上周边光滑高增强环;(g)KP大体形态(单结节型/灶性结节外型);(h)KP造影剂清除模式,肿瘤内几乎无造影剂滞留定义为完全清除,否则为部分清除(图2)。

图2 肝细胞癌(HCC)病灶的一些常规超声和Sonazoid超声造影(CEUS)特征示意图(白色箭头)。a 肿瘤边界清晰。b 肿瘤边界模糊。c 瘤内动脉(黄色箭头)。d 均匀的动脉期(AP)增强模式。e 不均匀的动脉期增强模式。f 肿瘤坏死(肿瘤内部无增强区域,用红线勾画)。g 门静脉期(PVP)或延迟期(DP)包膜增强(用红色箭头勾画)。h 单结节型Kupffer期(KP)大体形态,伴部分造影剂廓清。i 灶性结节外Kupffer期大体形态,伴造影剂完全廓清。CEUS,超声造影;AP,动脉期;PVP,门静脉期;DP,延迟期;KP,Kupffer期 查看原图 ↗

术前预测模型的建立与验证

基于对所有变量(包括临床、常规超声和Sonazoid超声造影特征)的单因素分析,将p值< 0.05的变量纳入多因素回归分析以预测微血管侵犯(MVI)。根据多因素回归分析结果建立术前预测模型。此外,基于独立预测因素构建列线图以实现模型可视化。列线图由R软件(版本4.2.3)使用开源“rms”程序包生成。

亚组分析

为探究预测模型在不同肝脏背景(无肝硬化或肝硬化)和肿瘤大小(< 3 cm或3–5 cm)的HCC患者中的性能,通过bootstrap重采样方法(1000次)进行进一步的亚组分析。3 cm是HCC研究的基石性界值之一;大多数分类标准或系统均基于此阈值(巴塞罗那临床肝癌分期、米兰标准)。

统计分析

采用SPSS(版本26.0)和R(版本4.2.3)软件进行数据分析。正态性采用Kolmogorov–Smirnov检验评估。连续变量以均值±标准差描述。连续变量的差异采用t检验分析。分类变量比较采用卡方检验。采用受试者工作特征曲线分析计算最佳截断值,该值通过最大化约登指数(即灵敏度+特异度−1)确定。采用DeLong检验比较曲线下面积(AUC)。校准能力通过Hosmer-Lemeshow拟合优度检验和校准曲线分析确定。决策曲线分析通过量化不同阈值概率下的净获益进行,由R软件使用“ggscidca”程序包生成。p < 0.05时认为差异具有统计学意义。

结果

临床和多模态超声影像特征

最终,训练队列、验证队列和测试队列分别有172、74和72例患者。基线特征总结于表1。本研究共纳入318例合格患者,平均年龄57.90 ± 11.12岁(范围27–83岁),包括250例男性和68例女性。训练队列、验证队列和测试队列中MVI阳性分别占26.2%(45/172)、23.0%(17/74)和8.1%(13/72),三个队列间无显著差异(均p > 0.05)。此外,HCC < 3 cm的患者中MVI阳性占16.8%(22/131),HCC 3–5 cm的患者中MVI阳性占28.3%(53/187)。

定性超声成像特征之间的观察者间一致性列于表S1,不同观察者之间的一致性超过0.85。对于定量多模态超声成像特征,ICC > 0.90被认为一致性极好(表S2)。

表1 单个HCC ≤ 5 cm的HCC患者的基线特征 查看原表 ↗

基于单因素和多因素分析的MVI存在的术前预测因素

训练队列中临床和多模态超声成像特征的单因素和多因素分析结果列于表2。

单因素分析显示,血清AFP和PIVKA-II水平、肿瘤大小、肿瘤边界、瘤内动脉、坏死、KP大体形态和KP清除模式与MVI阳性显著相关(均p < 0.05)。

多因素分析显示,血清PIVKA-II水平、肿瘤边界、瘤内动脉和KP清除模式与MVI的存在独立相关(均p < 0.05)。肿瘤边界模糊、存在瘤内动脉和KP完全清除模式的OR值均 > 1,表明这些超声成像特征与MVI的发生呈正相关。

表2 训练队列中微血管侵犯的临床和多模态超声成像特征影响因素 查看原表 ↗

预测模型的构建与验证

基于多因素分析结果,构建了三个用于HCC患者MVI的预测模型。(a) BD-US模型,包括从B型和多普勒超声获取的两个预测因素:肿瘤边界和瘤内动脉。(b) BDS-US模型,在BD-US模型中加入Sonazoid-CEUS上观察到的KP清除预测因素。(c) 联合模型,结合了上述所有超声成像特征和血清PIVKA-II。

在训练队列中,BD-US模型、BDS-US模型和联合模型的AUC分别为0.853、0.919和0.940(图3a和表3)。在训练队列中,联合模型的预测性能优于BD-US模型(p < 0.001)。绘制了列线图以图形化表示联合模型的预测结果(图3b)。在验证队列中,联合模型表现出更好的性能,AUC为0.937,优于BD-US模型(p = 0.003)和BDS-US模型(p = 0.031)(表3)。在测试队列中,联合模型保持更好的性能,AUC为0.893,优于BD-US模型和BDS-US模型(均p < 0.05)。联合模型正确诊断的示例见图4。

联合模型采用bootstrap验证法进行验证。在验证队列(图5a)和测试队列(图5b)中均观察到良好的校准,C指数分别为0.937和0.893。Hosmer-Lemeshow检验显示,在验证队列和测试队列中,MVI预测的预测校准曲线与理想曲线之间均无显著差异(p值分别为0.670和0.502)。预测模型的决策曲线见图5c和d。在验证队列中,联合模型的获益值始终高于假设所有患者均为MVI阳性(图5c)。在测试队列中,决策曲线的阈值概率为3%,相应的净获益为0.486(图5d)。决策曲线分析表明,使用该模型进行术前MVI预测具有更大的获益。

图3 a 训练队列中BD-US模型、BDS-US模型和联合模型的受试者工作特征(ROC)曲线。b 预测HCC患者MVI概率的列线图。MVI,微血管侵犯。(BD-US模型,基于B超和多普勒超声中肿瘤边界及瘤内动脉特征的模型。BDS-US模型,基于常规超声和Sonazoid超声造影中肿瘤边界、瘤内动脉及Kupffer期造影剂廓清模式特征的模型。联合模型,基于超声特征与血清PIVKA-II水平联合的模型) 查看原图 ↗
表3 BD-US模型、BDS-US模型和联合模型的性能 查看原表 ↗
图4 联合模型正确诊断的病例示例。一例MVI阴性的46岁男性,肿瘤边界清晰(a),Kupffer期造影剂部分廓清(b)。一例MVI阳性的77岁男性,常规超声显示肿瘤边界不清及瘤内动脉(c),超声造影显示Kupffer期造影剂完全廓清(d) 查看原图 ↗
图5 预测模型在验证队列(a)和测试队列(b)中的校准曲线。预测模型在验证队列(c)和测试队列(d)中的决策曲线。MVI,微血管侵犯 查看原图 ↗

亚组分析

在非肝硬化队列(n = 140)中,联合模型的AUC、灵敏度和特异度分别为0.952、1.000和0.847(图6a)。在肝硬化队列(n = 178)中,联合模型的AUC、灵敏度和特异度分别为0.904、0.891和0.848(图6b)。在肿瘤直径< 3 cm队列(n = 131)中,联合模型的AUC、灵敏度和特异度分别为0.927、0.909和0.881(图6c)。在肿瘤直径3至5 cm队列(n = 187)中,联合模型的AUC、灵敏度和特异度分别为0.926、0.925和0.836(图6d)。不同肝脏背景(p = 0.089)和肿瘤大小(p = 0.984)患者的AUC之间未发现显著差异。

图6 联合模型在各亚组中的MVI预测性能。联合模型在非肝硬化肝脏背景(a)、肝硬化肝脏背景(b)、肿瘤直径< 3 cm(c)和肿瘤直径3至5 cm(d)患者中的ROC曲线。MVI,微血管侵犯 查看原图 ↗

讨论

在本研究中,我们发现血清PIVKA-II水平、B型超声中肿瘤边界模糊、彩色多普勒超声中瘤内动脉以及超声造影(CEUS)中库普弗相(KP)完全廓清是单个≤5 cm的肝细胞癌(HCC)患者微血管侵犯(MVI)的独立因素。此外,我们通过多中心研究开发并验证了一个基于临床-超声特征整合的预测模型。在验证队列中,联合模型的曲线下面积(AUC)高于BD-US和BDS-US模型(0.937 vs. 0.899和0.763,均p < 0.05)。在测试队列中,联合模型仍保持较好的性能,AUC为0.893,优于BD-US和BDS-US模型(均p < 0.05)。在训练队列和验证队列中均实现了良好的校准和显著的净获益。在针对不同肝脏背景和肿瘤大小患者的亚组分析中,联合模型的AUC均高于0.90,且不同组间未发现显著差异。因此,我们提出的预测模型是一种无创、易于理解且稳健的方法,用于确定单个≤5 cm的HCC患者MVI的风险。

为了术前识别高复发风险的HCC患者,大量研究致力于探索可靠且便捷的MVI预测方法。血清肿瘤标志物作为经济且高度特异的手段,常规应用于肿瘤筛查和监测。在本研究中,PIVKA-II是血清标志物中唯一的MVI独立因素。PIVKA-II的血清半衰期远短于AFP,这使得其在HCC诊断中具有更好的敏感性,并在疾病监测中表现更佳[20, 21]。已证实血清PIVKA-II水平升高与肿瘤抑制因子p53的缺失密切相关,后者加速癌细胞的生长[22, 23]。PIVKA-II预测MVI的截断值为38.5 mAU/mL,具有极高的敏感性(94.0–100.0%)。然而,不可忽视的是,许多MVI阴性患者也可检测到PIVKA-II > 38.5 mAU/mL。其较差的特异性(36.2–53.5%)需要结合其他指标加以改善。

至于常规超声成像特征,肿瘤边界模糊和瘤内动脉是MVI阳性的独立因素。肿瘤边界模糊的影像学特征可被大多数常规影像学方法观察到,并已在许多既往研究中被确定为MVI的潜在预测因子[24–26]。然而,无论在本研究还是既往研究中,仅肿瘤边界模糊的敏感性较高而特异性不理想(40.1–57.5%)。本研究中另一个常规超声特征——瘤内动脉——显示出中等敏感性(60.4–86.3%)和特异性(66.4–81.6%)。瘤内动脉的存在意味着肿瘤已建立自身的血供系统——即血管生成[27]。据报道,其与巨梁状-团块型肝细胞癌强烈相关,后者是一种预后不良的病理亚型[28]。肿瘤血管生成加速肿瘤生长,因此可以解释更具侵袭性的肿瘤行为如MVI的出现。

关于Sonazoid-CEUS特征,KP期造影剂完全廓清是MVI阳性的独立因素。既往许多研究探讨了血池造影剂Sonovue在MVI预测中的应用[29]。与Sonovue不同,Sonazoid可被Kupffer细胞吞噬,从而实现KP期成像。作为肝脏中的一种组织驻留巨噬细胞,Kupffer细胞能够通过吞噬功能从血液中清除外来抗原、抗原-抗体复合物和细胞碎片[30]。HCC中的巨噬细胞与正常肝组织相比具有极大的异质性。随着疾病进展,癌细胞大量消耗葡萄糖,导致肿瘤微环境中乳酸表达极高[31]。乳酸和肿瘤相关细胞因子有利于巨噬细胞向免疫抑制性M2样状态极化,其吞噬活性有限[32, 33]。因此,肿瘤中巨噬细胞的吞噬功能在一定程度上与肿瘤进展相关。在本研究中,发现KP期肿瘤内造影剂滞留与MVI呈负相关,与上述研究一致。KP期造影剂廓清的CEUS特征表现出相对平衡的灵敏度(68.3–91.7%)和特异度(70.7–85.2%)。这一独特特征首次在本研究中报道,并展现出作为MVI预测指标的巨大潜力。

既往研究已建立了若干基于影像学特征或生化指标的模型用于术前评估MVI,AUC达到0.60–0.82[34–36]。本研究的联合模型基于多模态超声影像特征与生化指标PIVKA-II的组合构建,表现出良好性能,AUC为0.879–0.917。尽管在基于两个常规特征的BD-US模型中加入KP期造影剂廓清使灵敏度和AUROC值显著提高,但也可发现特异度略有下降。PIVKA-II水平的纳入弥补了特异度的不足,进一步优化了模型性能,使联合模型在三个模型中具有最高的AUROC值。联合模型预测的MVI概率与实际概率一致性良好。联合模型可为术前预测MVI阳性患者的早期积极治疗提供可靠指导。在进一步的亚组分析中,联合模型的AUC值均高于0.90,且在不同肝脏背景和肿瘤大小的患者中未发现显著差异,表明其在MVI预测中具有稳定而强大的性能。

本研究存在若干局限性。首先,预测模型未进一步将MVI阳性患者分为轻度和重度。尽管重度MVI患者比例很小,但术前检出这些高风险患者可进一步有助于治疗策略的制定。其次,本研究纳入的影像学指标为放射科医师解读的主观特征。若能进一步纳入影像组学特征等客观指标,模型的泛化能力将得到增强。

总之,基于常规超声(US)、Sonazoid-超声造影(CEUS)和生化指标相结合的预测模型能够令人满意地预测单个≤ 5 cm的肝细胞癌(HCC)患者的微血管侵犯(MVI)阳性。它是术前预测MVI的一种有前景的工具,在应用于临床实践之前还需要进一步的外部验证。

补充信息

电子补充材料

引用

  1. Lu D, Wang LF, Han H, et al. Prediction of microvascular invasion in hepatocellular carcinoma with conventional ultrasound, Sonazoid-enhanced ultrasound, and biochemical indicator: a multicenter study. Insights Imaging. 2024. PMID: 39466459. doi:10.1186/s13244-024-01743-3
  2. 全文:PMC11519233(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519233/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。