AI怎样走进肝癌冷冻消融全流程?

AI正把肝癌冷冻消融的关键步骤串成一条可量化的辅助链：识别病灶、规划探针、追踪冰球，再评估消融边界与复发风险。综述所引增强CT独立测试中，肝脏分割DSC达到0.95–0.96；机器人穿刺和影像组学研究也展示了流程自动化与风险评估的可行方向。论文来自广西医科大学附属肿瘤医院介入治疗科。

冷冻消融的关键，是让“可见冰球”变成“可确认的有效边界”

冷冻消融是HCC局部治疗的重要手段之一。它可在影像引导下实施，支持多探针协同，且具有疼痛较轻等特点。临床评估需要把可见冰球范围与真正有效的治疗边界结合起来判断，因此计划覆盖、边界量化和术后确认都是流程中的关键环节。

文章特别强调最小消融边界（MAM）。综述引用的肝脏经皮消融研究将≥5 mm列为控制局部肿瘤进展的重要技术目标。围绕边界这一核心问题，AI可把三维影像、探针位置、冻结范围和术后评估放在同一条工作流中思考。

术前规划：让病灶、边界与穿刺路径更早进入三维视野

第一步是识别病灶。综述引述的增强CT深度学习研究中，模型在独立测试集对肝脏分割的DSC为0.95–0.96；肝癌病灶检出敏感度为71%–82%，病灶分割DSC为0.64–0.73。对体积大于0.5 cm³的病灶，检出敏感度为79%–86%。这些结果显示，自动分割可为后续三维规划提供基础影像轮廓。

DSC用于衡量模型勾画区域与人工标注区域的空间重叠程度；病灶检出敏感度则反映实际病灶中有多少被模型识别。两类指标回答不同问题，合起来看，能帮助团队分别判断轮廓质量与漏检风险。

这组指标依次覆盖整体肝脏、肿瘤病灶和消融范围，为后续三维规划、探针布置及治疗后范围对照提供分层影像输入。不同任务分别评估，可让模型开发与临床使用按环节逐步对齐。

第二步是规划。作者将AI辅助计划归纳为冰球三维等温线预测、自动规划安全穿刺路径，以及针对较大或形态不规则病灶的多针布局优化。规划时需要综合考虑肋骨、血管、胆道与邻近脏器，并使目标低温区域覆盖病灶和计划安全边界。

编辑解读病灶分割只是起点。若能进一步把个体解剖、路径约束和预期冰球形态一起纳入计划，影像信息就有机会从“辅助观察”走向“辅助决策”。

术中导航：融合影像与机器人协作，提升复杂穿刺的可重复性

治疗前CT/MRI与术中超声融合，有助于在呼吸运动和体位变化中追踪针尖。综述介绍的系统覆盖三维重建、路径规划、体表与影像配准、立体定向导航以及治疗前后边界对照等环节，目标是让术前计划与术中实时影像更顺畅衔接。

机器人穿刺研究提供了早期可行性信号：一项EPIONE前瞻性试点纳入21名患者、24个肝肿瘤（其中6个HCC、18个转移瘤）；排除1个方案偏离病灶后，按方案集23个病灶中22个成功完成定位，比例为22/23（95.7%），平均每个病灶调整穿刺针0.4次/病灶；研究未报告不良事件。该结果支持机器人用于肝肿瘤热消融穿刺的可行性，为复杂进针角度下的操作提供支持。

AI治疗计划也有来自微波消融的临床证据。一项四中心前瞻性队列纳入388例，在中位随访15.3个月时，AI计划系统组局部肿瘤进展率为4.7%，低于低经验医生组的11.6%（P=0.041），与经验医生组的5.5%接近（P=0.770）。这项研究说明，影像分析与参数建议有望帮助医生形成稳定的治疗计划；其技术路径面向微波消融，为冷冻消融规划研究提供可借鉴的临床设计思路。

编辑解读融合导航与机器人各有分工：前者帮助术者理解针尖与靶区的空间关系，后者帮助执行预设路径。两者结合，有望让复杂穿刺逐步形成“计划清楚、定位可复现、操作可反馈”的协作模式。

实时监测与术后确认：把冰球生长、实际范围和安全边界连起来

冷冻过程中，冰球持续生长，探针位置与低温区域共同影响覆盖范围。AI可结合实时影像、温度分布估计、非刚性配准和三维重建，协助比较当前冻结范围与拟定安全边界，并为调整探针位置或消融时间提供信息。

消融完成后，术前与术后影像配准可进一步量化残余病灶和边界。对大于3 cm的HCC，这类流程有望帮助术者更及时地识别覆盖不足区域，并把即刻评估结果带入随访管理。

这条评估链让术后判断更接近可复核的量化记录：病灶轮廓、计划边界、实际消融区和残余区域可以在配准影像中逐一对照，为追加处理决策和后续随访建立更清晰的影像基线。

对复发风险的量化也展现出潜力。一项纳入184例的CT影像组学研究中，临床模型验证集C-index为0.556，临床-影像组学联合模型为0.755。联合模型表现出更好的区分能力，为消融后早期复发风险分层提供了一个研究方向。

证据范围说明：这项复发预测研究以热消融为主要治疗手段；文中机器人、实时冰球预测等证据也包括其他消融技术或器官。相关成果为冷冻消融流程设计提供了方法学线索，后续研究可进一步在HCC冷冻消融人群中验证。

从工具走向常规流程：标准化、多中心验证与人机协作

综述认为，数据标准化是扩大模型适用范围的基础：统一影像采集和DICOM标签、标注方式、消融设备信息及疗效定义，有助于提升跨中心可比性。前瞻性多中心注册数据库可进一步支持模型外部验证与临床结局评估。

作者展望的下一步包括：大语言模型协助生成治疗计划与沟通解释；增强现实辅助三维导航、虚拟现实支持培训；机器人逐步发展为由医生监督的智能协作系统；以及融合影像、病理、基因组和临床信息的多模态模型。

编辑部延伸更值得期待的是形成可追溯的人机闭环——AI提出影像量化结果和方案选项，术者结合解剖与患者情况作出判断，系统再记录执行偏差及结局。这样的设计既有助于提升流程一致性，也能为后续算法改进留下高质量临床数据。

编辑解读整体来看，AI正为HCC冷冻消融提供从规划到评估的一套新型工具箱。现阶段最有价值的推进路径，是围绕病灶识别、MAM量化、复杂穿刺和消融后确认开展规范化临床验证，让每一项算法能力都能逐步对应到清晰的临床问题与患者获益。

独立解读与评论声明：本文为达医界围绕该研究所作的独立医学解读与评论，研究事实依据依据论文全文（《中国介入影像与治疗学》2026年第23卷第7期，页428–432）及其参考文献表；研究事实与编辑观点分层呈现，不代表原作者、研究机构、期刊或相关企业立场。

资助与利益冲突：本综述获国家重点研发计划（2023YFC2414002）资助；论文作者声明无利益冲突。

医学免责声明：本文采用AI辅助资料整理，经医学编辑审核后发布。编辑解读和编辑部延伸已单独标明，不等同于指南、原始论文原文或监管批准结论。本文不构成对任何患者的诊断、处方、用药或其他治疗决策建议；具体方案应由具备资质的医师结合患者个体情况制定。

版权及免责声明：本公众号旨在搭建医学领域学术传播的平台，所有经本公众号发布的文章，文内信息版权属于持有人，我们只提供传递信息之用。针对无法确认出处的内容，若涉及版权、争议问题，无意侵犯到您的权益，请及时联系我们，给出内容所在网址并提供相关证明资料，我们通过核实后会立即更正或者删除有关内容。