分享:
分享到微信朋友圈
X
专家论坛
肝癌影像学机遇与挑战——中国十年来发展成果及展望
陈钇地 蒋涵羽 陈婕 曲亚莉 叶铮 魏毅 魏鸿 盛流吉 宋彬

Cite this article as: Chen YD, Jiang HY, Chen J, et al. Opportunities and challenges of liver cancer imaging: Achievements and prospects over the past decade in China[J]. Chin J Magn Reson Imaging, 2022, 13(10): 71-78.本文引用格式:陈钇地, 蒋涵羽, 陈婕, 等. 肝癌影像学机遇与挑战——中国十年来发展成果及展望[J]. 磁共振成像, 2022, 13(10): 71-78. DOI:10.12015/issn.1674-8034.2022.10.010.


[摘要] 原发性肝癌是我国常见高发恶性肿瘤,严重威胁人民的生命健康。医学影像学在肝癌的诊疗过程中发挥着重要作用,近十年来中国肝癌影像研究发展取得了显著成效,以人工智能(artificial intelligence, AI)为代表的现代科技的迅猛发展以及超高磁场、多核MRI、光子CT等影像新技术的不断涌现为肝癌患者的早筛、早诊、早治和全程优化管理提供了可靠的技术保障。运用AI结合多维度组学(影像组学、基因组学、蛋白组学等)将会进一步揭示肝癌的“临床-影像-病理-分子”核心关联机制,为无创性评估肝癌的病理特点、基因特征、免疫表型、分子亚型、疗效及预后带来新的机遇,为肝癌患者更加精细化和个体化的临床管理提供技术支持。本文以影像技术为脉络主线,归纳总结了近年来MRI肝脏影像报告和数据系统(Liver Imaging Reporting and Data System, LI-RADS)的应用及肝胆特异性对比剂使用、扩散MRI技术、功能MRI技术、影像组学与AI、CT影像等在中国的临床研究与转化应用成果,展现了这些年我国肝癌影像领域的蓬勃发展和辉煌成就,同时也提出了当前肝癌影像研究的局限性,未来需要根据国内患者的发病特点及人群特征进行有针对性的研究设计,建立涵盖人群广、代表性强的多中心研究队列,建设同质化、高质量的全国肝癌影像数据库;同时需要注重原创性影像新技术的开发和应用,未来将运用AI结合影像组学、基因组学、蛋白组学深入研究肝癌的病理特征、基因表型和预后转归,促进医学影像深度参与肝癌患者的全流程临床管理,为精准医疗提供技术支持,助力实现国民大健康的战略目标。
[Abstract] Primary liver cancer is a prevalent and lethal malignancy in China, constituting a major public health problem. Noninvasive imaging techniques play an important role throughout the entire clinical workflow of liver cancer. Remarkable achievements have been made by Chinese scholars in liver cancer imaging research over the past decade. The rapid advancements in artificial intelligence (AI), ultra-high magnetic field and hyperpolarized MRI, spectral CT provide reliable technical support for screening, diagnosis, and treatment decision-making of liver cancer patients. Furthermore, the fusion of multi-omics techniques (radiomics, genomics, and proteomics) further reveals the correlations between key clinical, radiological, pathological, and molecular alterations in liver cancer. This paper summarizes major achievements by Chinese scholars in liver cancer imaging over the last ten years, primarily focusing on MRI-based Liver Imaging Reporting and Data System (LI-RADS) modification, hepatobiliary contrast agent application, advancements in diffusion-MRI, functional MRI and CT technologies, and radiomics and AI. We also reflect on limitations of existing works in this field.In the future, it is necessary to carry out targeted research design according to the characteristics of domestic patients and population features, establish multi-center study cohort covering a wide range of populations and strong representation, and build homogeneous and high-quality national imagedatabaseof liver cancer. Furthermore, we should pay attention to the development and application of new imaging technology, scholars can use AI combined with radiomics, genomics and proteomics to in-depth study the pathological characteristics, gene phenotype and prognosis of liver cancer, deeply participate in the whole process of clinical management of liver cancer patients, provide technical support for precision medicine, and help achieve the strategic goal of national health.
[关键词] 原发性肝癌;肝细胞癌;基因特征;免疫表型;分子亚型;疗效;预后;医学影像学;医学影像技术;磁共振成像;计算机断层成像;影像组学;人工智能;深度学习;精准医疗;述评
[Keywords] primary liver cancer;hepatocellular carcinoma;genetic characteristics;immunophenotype;molecular subtype;efficacy;prognosis;medical imaging;medical imaging technology;magnetic resonance imaging;computed tomography;radiomics;artificial intelligence;deep learning;precision medicine;review

陈钇地 1   蒋涵羽 1   陈婕 1   曲亚莉 1   叶铮 1   魏毅 1   魏鸿 1   盛流吉 1   宋彬 1, 2*  

1 四川大学华西医院放射科,成都 610041

2 三亚市人民医院放射科,三亚 572022

宋彬,E-mail:cjr.songbin@vip.163.com

作者利益冲突声明:全部作者均声明无利益冲突。


        
        宋彬,四川大学华西医院放射科教授、博士生导师,三亚市人民医院/四川大学华西三亚医院党委书记;长期从事腹部疾病的影像学研究。现任中华医学会放射学分会副主任委员、中国医师协会放射医师分会副会长、中国医学影像技术研究会副会长、中国医院协会医学影像中心分会副主任委员、中国医疗保健国际交流促进会影像医学分会副主任委员、亚洲腹部放射学会执委会委员、《Abdominal Radiology》及《Annals of Translational Medicine》副主编。以负责人身份在肝癌影像学研究方面主持及完成了国家自然科学基金面上项目5项、国家重点研发计划1项。近年来以主要作者身份在腹部影像研究领域内的重要学术期刊发表高水平学术论文近200篇,参与制订5项国际和国内肝癌相关诊断标准及专家共识。

基金项目: 国家自然科学基金 82101997,81971571 四川省科技计划项目 2022YFS0071,2021YFS0021,2021YFS0141 四川大学华西医院学科卓越发展1·3·5工程项目 ZYGD22004
收稿日期:2022-09-09
接受日期:2022-10-14
中图分类号:R445.2  R735.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.10.010
本文引用格式:陈钇地, 蒋涵羽, 陈婕, 等. 肝癌影像学机遇与挑战——中国十年来发展成果及展望[J]. 磁共振成像, 2022, 13(10): 71-78. DOI:10.12015/issn.1674-8034.2022.10.010

       随着现代科技和生物医学的发展,临床医学领域的诊疗和技术也获得了全面进步,逐渐改变了依赖于直觉和经验进行疾病诊断和治疗的传统模式,从而推动了临床实践理念的革新和医疗水平的提升;装备制造业和以人工智能(artificial intelligence, AI)为代表的计算机科学的进一步发展使疾病的影像诊断技术取得了巨大进步。近年来医学MRI的硬件设备获得了迅速发展,7.0 T超高场MRI已经从科研走向了临床,3.0 T MRI在我国各市级甚至县级医院已经普及应用,同时各种成像序列的开发和应用,特别是与AI的结合,进一步提升了MRI的图像质量、缩短了成像时间、减少了图像伪影,从而使得MRI在消化系统,特别是肝脏疾病的诊断中得到了更广泛的应用,为肝脏疾病的诊断、治疗方案的制订,以及疗效评估和预后分析提供了客观、准确、科学的依据。

       肝脏是消化系统最重要的脏器之一,肝脏病变显著影响人民的生活质量。原发性肝癌目前是我国第4位常见恶性肿瘤,中国国家癌症中心最新发布的统计数据表明,恶性肿瘤死亡占居民死因的23.91%,近十几年来在我国城市和农村地区,肝癌均位居主要恶性肿瘤死亡原因的第二位,每年死亡人数约占全球肝癌总死亡人数的40%,所以原发性肝癌已经成为了一项严重的公共卫生问题,严重威胁着我国人民的生命和健康[1, 2],其中最常见的几种病理学类型是肝细胞癌(hepatocellular carcinoma, HCC)、胆管细胞癌(intrahepatic cholangiocarcinoma, ICC)和混合型肝细胞癌-胆管癌(combined hepatocellular-cholangiocarcinoma, cHCC-CCA),三者在发病机制、生物学行为、病理组织学、治疗方法以及预后等方面差异较大,其中HCC占75%~85%、ICC占10%~15%,因此常说的“肝癌”主要指HCC[3]。当前在MRI硬件不断升级、多参数成像的应用、健康大数据库的构建和AI的迅速发展背景之下,在肝癌MRI的研究过程中以系统医学的创新思想、方法和技术为基础,建立了跨领域多学科相互融通的研究模式[4],促进了疾病预防、诊治及患者管理的科学化、精准化和个性化,同时为新的药物及治疗方案的开发、应用和评估提供了客观的证据支持,将有力推动整个健康医疗产业的高质量发展,对实现“健康中国”宏伟战略目标具有重要意义。

       近十年来,我国学者联合国际顶尖团队致力于肝癌影像学研究,在肝癌MRI研究领域取得了一系列的丰硕成果,部分研究成果已经获得转化并且应用于临床,为保障人民群众的健康带来了新的技术手段及智慧化的解决方案,本文将重点介绍MRI肝脏影像报告及数据系统(Liver Imaging Reporting and Data System, LI-RADS)在中国的应用及肝胆特异性对比剂使用、扩散MRI技术、功能MRI技术、影像组学(radiomics)与AI、肝癌CT影像在中国的发展成果及总体展望,展现全面推进健康中国建设的光辉历程和辉煌成就。

1 LI-RADS的应用及肝胆特异性对比剂使用

       影像学检查技术在HCC筛查、诊断、分期、治疗、疗效评估及随访的全程中均发挥着核心的作用。然而,迅速发展的影像技术也为图像采集以及报告书写的标准化与规范化带来了前所未有的挑战。因此,为了规范高危患者肝脏病变的影像术语、图像采集、征象判读、报告书写及数据收集,实现肝脏病变的可靠分类,以更好地服务于临床、教学及科研需要,美国放射学院于2011年首次提出了LI-RADS,并根据临床实践反馈及研究证据,分别于2013、2014、2017及2018年对该系统进行了修订与更新[5]

       目前,LI-RADS已被全球广泛认可为高危患者肝硬化结节分类及HCC诊断的可靠标准,其在高危患者中对HCC的特异度高达92.8%[6]。然而,目前LI-RADS在以我国为代表的亚洲国家HCC的诊疗实践中仍存在诊断敏感性过低、临床应用的便捷性不高、与肝胆特异性对比剂增强的MRI适配性欠佳等显著问题。对此,我国学者结合本国国情及诊疗实践,基于肝胆特异性对比剂增强的MRI对LI-RADS进行了多项优化,主要包括:(1)将扩散受限、肝胆期低信号等影像特征提升至主要征象;(2)对现有辅助征象进行了简化;(3)通过组合关键影像征象发现肝胆期低信号与扩散加权高信号结合的新诊断标准,可以在不降低诊断特异性的情况下、显著提升诊断敏感性[7, 8, 9, 10]。此外,作为标准化的肝脏病变影像报告系统,LI-RADS除了对HCC的诊断具有重要作用之外,还能够为肿瘤侵袭性、生物学行为及预后提供重要信息。特别是肝胆特异性对比剂对HCC形态学进行分析的同时可以评估肝脏及肿瘤的部分代谢信息,不但提高了小病灶的检出率[11],而且对肿瘤生物学行为的评估开启了新的方式,对此我国学者揭示了结合肝胆特异性对比剂的LI-RADS分类或者MRI定量参数在微血管侵犯(microvascular invasion, MVI)[12]、肿瘤包绕型血管[13]、粗梁巨块亚型[14]、病理分期(T2和T1)[15]、Ki-67[16]及CK19表达[17]等HCC重要病理特征无创预测中的重要作用,同时阐明了LI-RADS在接受手术切除、肝移植及射频消融的HCC患者中的预后预测价值[18, 19]

2 扩散MRI技术在肝癌研究领域的应用

       扩散加权成像(diffusion-weighted imaging, DWI)是一种不需要外源性对比剂的无创成像技术,通过评估组织内随机扩散的水分子自由运动的限制和阻碍程度,进而提供探测生物组织微结构的独特能力[20]。组织细胞中的水分子扩散速率由表观扩散系数(apparent diffusion coefficient, ADC)来描述,ADC取决于不同的组织学参数,在特定时间间隔内水分子扩散时遇到的膜屏障数可以影响其扩散系数,因此ADC可以反映所研究的生物组织内的微结构[21]。DWI技术在国内应用较早,目前已经应用于HCC临床诊断、疗效评估、预后分析等多方面[22, 23]

       扩散峰度成像(diffusion kurtosis imaging, DKI)和体素内不相干运动(intra-voxel incoherent motion, IVIM)技术是DWI的进一步衍生。DKI技术是通过多b值及超高b值扫描参数反映组织内水分子的非高斯分布,反映水分子扩散的不均匀性[24],该技术可以获得扩散峰度值和扩散系数值,前者是一个无单位量纲,量化真实非高斯的分子扩散位移与理想的高斯分布水分子扩散位移间的偏离程度;后者是对反映高斯分布DWI模型参数ADC值的一个校正值,理论上比ADC值更客观,研究显示DKI参数可以评估HCC的MVI等生物学行为[25]。IVIM扫描结果则包含了水分子的真性扩散及微循环灌注形成的假性扩散两部分内容,能够无创检测活体组织中水分子扩散运动过程中受限的程度和方向,从而间接反映组织微观结构的变化;Wei等[26]的研究指出IVIM的定量参数可用于术前无创性预测HCC的病理分级。此外Zheng等指出IVIM-DWI的定量参数可用于评估HCC中血管生成素-2(angiopoietin-2, Ang-2)和转酮酶(transketolase, TKT)的表达。因此在评估肝癌的微环境和相关病理分子标志物等方面,DKI和IVIM技术已经显示出了较好的应用价值。

       DWI的探测敏感度与扩散时间相关,较短的扩散时间可以大幅度提高对较小尺度结构的探测敏感度,然而目前临床常规DWI通常使用的是脉冲式梯度自旋回波(pulse gradient spin echo, PGSE)序列,该序列扩散时间相对较长,因此不能可靠且有效地提供细胞密度和尺寸的具体信息。为了克服这个瓶颈,Jiang等[27, 28]提出了基于振荡梯度自旋回波(oscillating gradient spin echo, OGSE)的DWI方法,该方法可突破常规DWI技术的限制实现更短的扩散时间,以评估肿瘤中细胞的平均大小,进而提供了一种潜在可行的方法来检测和评估肿瘤发生、发展过程中的细胞密度和大小变化,使得该技术在肝癌的生物学特点和疗效评估等方面具有较好的潜在应用前景[29]

3 功能MRI技术在肝癌研究领域的应用

       动态对比增强(dynamic contrast-enhanced, DCE)是腹部MRI检查的常规扫描方案,可根据不同病变的血供差异实现病灶的检出和鉴别诊断。随着快速薄层三维技术的发展,在注射对比剂前后对全肝进行动态数据采集,获得动脉早期、动脉晚期和门脉期等多期增强图像,可有效提高富血供HCC的检出及诊断准确率,常见采集序列包括快速梯度回波的三维容积式插入法屏气(three-dimensional volumetric interpolated breath-hold examination, 3D-VIBE)序列以及笛卡尔区别二次抽样(differential sub-sampling with cartesian ordering, DISCO)序列等。常规DCE-MRI可对病灶血供改变进行定性分析(如动脉期高强化、门脉期廓清、动脉期环形强化、动脉期瘤周强化)或半定量分析(如时间-信号强度曲线下面积、达峰时间、最大强化程度、平均通过时间、强化斜率以及局部肝组织血容量、局部肝组织血流量)[30]。肿瘤内新生血管的增多可使肿瘤内血流灌注增加,DCE-MRI检查还可在一定程度上反映肿瘤新生血管的状况,拟合药代动力学模型,可以计算血流灌注和血管渗透性参数,除用于临床诊断外,还可辅助肿瘤恶性程度和微循环状况的评估,有利于肿瘤术前计划和疗效评价[31]

       血氧水平依赖(blood oxygen level dependent, BOLD)成像可根据脱氧血红蛋白的顺磁性特性所导致的信号减低提供局部组织氧浓度的信息。目前BOLD技术在HCC中的应用价值主要体现在对HCC抗血管治疗后疗效的评估,如经导管动脉化疗栓塞(transcatheter arterial chemoembolization, TACE)治疗后,HCC的T2*值明显降低,背景肝组织的T2*值显著升高,分别反映肿瘤组织的血供减少及背景肝组织血供的恢复[32]

       磁共振弹性成像(magnetic resonance elastography, MRE)技术通过评估组织生物力学特征反映不同生理及病理状态,MRE技术是目前评价各级肝纤维化准确度最高的无创手段,肝脏的硬度值越高,患者发生肝硬化或失代偿的风险越高[33]。在肝癌的研究领域MRE亦显示出了较好的应用价值,Zhang等[34]指出肝脏或肿瘤的硬度值与HCC患者预后密切相关,肿瘤的硬度越高,患者术后也越容易发生早期复发,提示MRE的定量参数肿瘤硬度值(tumor stiffness, TS)可作为HCC预后的影像标记物之一。

       超极化(hyperpolarized, HP)MRI作为一种新的功能成像技术,有潜力为进一步探索肿瘤生物特征提供更多的信息,以HP 13C MRI为代表的多核成像可提供肝癌代谢信息,实时反映肿瘤内部的生物灌注、代谢产物运输及相关酶学反应,有助于疾病早期诊断及疗效评估,该技术基于溶解性动态核极化(dissolution dynamic nuclear polarization, d-DNP),可使固态超极化探针溶解并可转移至生物体内,得到提高10 000倍以上的MR信号,在肝脏肿瘤领域极有前景[35]。研究表明肿瘤经动脉栓塞(transarterial embolization, TAE)治疗时,癌细胞会因为缺血而发生相应的代谢降低,通过量化组织的代谢参数,HP 13C MRI技术可检测TAE治疗后仍然具有活性的潜伏HCC癌细胞,并且可以有效检测出传统MRI未检测出的肿瘤活性区域,这为将来多核MRI在肝癌研究领域的应用开启了新的思路[36]

4 影像组学及AI技术在肝癌研究领域的应用

       影像组学作为一种大数据分析方法,通过影像图像分割、高通量特征挖掘及量化、数据分析建模等过程,筛选疾病相关影像定量标志物,包括大小、形状、直方图、纹理、小波变换等,从而多维度刻画图像的细微差别和深层次生物学信息,为深入评估肿瘤的发病机制、分子分型、预后等方面提供了可靠的解决方案[37]。目前,影像组学已经在直肠癌、肺癌、前列腺癌、肝癌等肿瘤的术前诊断及疗效评估和预后分析等方面进行了广泛研究。在HCC的研究领域,影像组学分析对于肝癌术前诊断及预后评估具有独特的优势[38]。Chen等[39]基于MRI影像组学特征对小HCC(≤3.0 cm)MVI进行了研究,该研究共纳入了415例经术后病理证实的小HCC患者,分析了MRI形态学征象及影像组学评分对小HCC的MVI预测能力,结果表明钆塞酸二钠增强MRI的形态学特征对小HCC患者MVI的诊断准确性较差,而基于肝胆期(hepatobiliary phase, HBP)和DWI图像的影像组学特征评分对评估小HCC患者的MVI具有较高的预测准确性。Wu等[40]通过对170例HCC患者术前MRI平扫T1WI及T2WI图像进行影像组学建模预测肿瘤病理分级,研究结果表明影像组学特征对鉴别高、低级别HCC具有重要价值。同时研究指出MRI的影像组学特征对特殊病理类型的HCC亦有良好的鉴别能力,例如Huang等[41]将钆塞酸二钠增强MRI门静脉期图像中提取的影像组学特征用于术前诊断“双表型HCC”,其敏感度、特异度和准确度分别可以达到88.0%、72.0%和79.8%。此外MRI的影像组学特征对HCC的免疫组化及分子表达均有较好的预测效能,Wang等[42]通过对227例HCC患者术前MRI的TIWI、T2WI、DWI、动脉期、静脉期、延迟期及肝胆期图像进行影像组学特征分析,并建立了CK19表达的预测模型,研究结果认为综合MRI动脉期及肝胆期的影像组学模型对HCC肿瘤区域CK19表达具有良好的预测效果。近年来“影像-基因组学”为深度挖掘HCC分子层面的信息提供了新的技术手段,Liao等[43]通过基于机器学习的MRI影像组学分析预测了HCC样本中PI3K信号通路的基因突变,该研究纳入了132例经手术治疗的HCC患者,采用基因谱的方法分析了HCC中的基因突变类型及PI3K信号通路改变,同时分析了患者术前增强CT的影像组学特征,研究结果表明基于机器学习的CT影像组学特征有潜力描述HCC中PI3K信号的改变,并有助于确定索拉非尼治疗的潜在候选者。

       AI是计算机系统通过依赖于模式和推理来执行特定任务的算法和统计模型的科学研究手段,是一个可以帮助实现医疗诊断或预测的强大工具,可以用于医学图像的自动配准、分割、分类和目标检测,以及实现诊断分类和结局预测。由于HCC的危险因素存在广泛的异质性,且缺乏精准的疾病预测和预后评估策略,AI在HCC研究领域的发展和应用为改善全流程的HCC临床管理提供了有力的支持工具[44]。Zhang等[45]设计了一种新的深度卷积神经网络(convolutional neural networks, CNNs),它将自动上下文元素直接融入类似U-net的架构中,然后使用基于补丁的策略和加权抽样程序,训练在足够的样本数量下,同时采用多分辨率和多阶段的训练框架,减少学习空间和增加模型的正规化,从而最终实现在3D多参数MRI图像上对肝癌患者不同类型的肝组织进行分类。最近Zheng等[46]提出了一种基于3D卷积和卷积长-短时记忆(convolutional long short-term memory, C-LSTM)的4D深度学习模型,可以实现HCC病变的准确分割。Zhen等[47]基于增强前后的MRI图像、生化结果和临床数据采用CNNs开发了一种深度学习系统来对肝脏肿瘤进行分类,结果表明即使在不使用对比剂的情况下,深度学习系统可以在临床环境中作为一种准确且节省时间的肝脏肿瘤辅助诊断工具。当前深度学习的方法亦被用于探索HCC的生物学特点,中科院自动化研究所田捷教授团队[48]采用深度学习的方法对HCC MVI进行了可视化研究,该研究基于术前钆塞酸二钠增强的MRI图像及深度学习CNNs技术分析了超过800例的多中心、回顾性手术HCC患者的影像资料后发现,利用基于梯度定位技术生成深度学习热图,可以寻找和MVI高度相关的区域,通过计算深度学习不同网络层输出数值的梯度可以挖掘对MVI预测具有更大贡献度的区域,并通过attention map表征MVI高危区域,为HCC患者术中扩大切除、扩大射频消融范围以及潜在的术前精准放疗等个体化治疗提供了参考依据。此外,为了准确预测HCC的术后复发风险,国内学者亦做了大量的工作,例如Gao等[49]的研究发现结合多期增强MRI的影像组学特征和深度学习联合模型可以有效地对HCC术后早期高复发风险的患者进行无创分层。

5 CT新技术在肝癌研究领域的应用

       动态增强CT是血清甲胎蛋白(α-fetoprotein, AFP)和/或常规超声筛查发现异常时的首选影像学检查方法之一,中国《原发性肝癌诊疗指南(2022年版)》指出,肝脏CT平扫及动态增强扫描除了应用于肝癌的常规临床诊断及分期外,也可应用于肝癌局部治疗的疗效评价,特别对于观察TACE后病灶内碘油沉积状况有优势[50]。近年来能谱CT等新技术在肝癌的诊断以及评估方面也逐渐展现出优势以及潜力[51]。在肝癌诊断方面,国内学者指出能谱CT可以增加小病灶的检出率[52],这是由于与常规CT相比,能谱CT可使碘对比剂等高密度物质的光电效应增强,因而可以提高病灶与周围肝实质的对比度,并且能够通过碘浓度定量评估病灶强化程度,提高病灶的检出率以及诊断准确率。此外,Yu等[53]研究发现能谱CT除了有助于增加肝内病灶的检出率,还能够提高鉴别肝癌与局灶性结节增生的诊断准确率。在肝癌疗效评估方面,动态增强CT是重要的TACE疗效评价手段,通过评估病灶在TACE治疗后的强化程度以指导下一步临床决策,Chai等[54]研究发现基于动态增强CT的肝癌病灶动脉强化分数(arterial enhancement fraction, AEF)与TACE疗效相关,部分缓解组和疾病稳定组的治疗后病灶AEF低于治疗前,进展组的治疗后病灶AEF高于治疗前。同样,近年来能谱CT也被逐渐应用于肝癌疗效评估,它能够通过碘浓度监测肝癌的局部治疗反应,并且较常规CT能够更早期、有效地发现和评估TACE治疗后病灶的活性和复发转移情况,例如Wang等[55]研究发现TACE术前肝癌病灶的能谱CT动脉期标准化碘浓度与肿瘤碘沉积的分级相关,并且术前动脉期标准化碘浓度≥0.18的肝癌患者TACE术后生存率高于动脉期标准化碘浓度<0.18的肝癌患者。

6 总结与展望

       近十年来,医学影像新技术的发展和结合AI的数据挖掘新方法的不断涌现极大地推动了中国肝癌影像研究的发展,为优化肝癌患者的全流程临床管理提供了新的契机。在纵向管理方面,影像学在对病毒性肝炎、酒精性肝炎等导致的肝硬化进行监测,对早期肝癌实现准确诊断,对中晚期肝癌进行准确分期,对术后复发进行预测,对局部治疗及靶向、免疫治疗及各种新辅助治疗进行疗效评估等方面发挥着重要的作用;在横向管理方面,首先是基于肝癌宏观形态学分析的分级管理、手术可切除性判断已经被应用于临床,其次是基于影像新技术对肝癌的肿瘤微环境、免疫状态、病理特征、基因表型等微观研究亦取得了显著进展。

       肝癌影像研究十年来的迅速发展离不开国家自然科学基金委员会等部门的大力支持,据不完全统计,十年来与肝癌影像研究相关的国家自然科学基金立项超过400项,总经费超过2亿人民币。同期国内学者发表肝癌影像研究相关的SCI论文超过7500篇,其中高影响力文章(引用评分≥10)超过1000篇。国内肝脏影像的研究人员不断加强与不同学科及不同地区的合作,参与制订了多项国内和国际的肝癌相关指南及专家共识,例如曾蒙苏、梁长虹、陈敏、严福华、陈卫霞等专家参与国家卫生健康委员会颁布的《原发性肝癌诊疗指南(2022年版)》[50];饶圣祥、胡道予、宦怡、江新青、梁长虹、龙莉玲、李子平、李真林、沈文、宋彬、王健、王劲、赵心明、张惠茅、张琳、曾蒙苏等学者联合发布了《肝胆特异性MRI对比剂钆塞酸二钠临床应用专家共识》[56];随后国内学者又发布了国际版的中国专家共识《Chinese consensus on the clinical application of hepatobiliary magnetic resonance imaging contrast agent: Gadoxetic acid disodium》[57];宋彬教授参与了《钆塞酸(gadoxetic acid)增强MRI应用及发展国际专家共识》的讨论及发布[58],该共识明确了在肝硬化患者中使用钆塞酸增强MRI的重要性和临床意义,以及钆塞酸增强肝脏MRI的技术性能、机遇和挑战。此外,专家们亦注重“产-学-研-用”的转化,致力于将肝脏影像研究成果转化为可以服务大众健康的产品,最终能够让更多的患者获益,例如宋彬教授团队与数坤科技共同研发LiverMRDoc AI肝病MR辅助诊断系统,将来有望实现肝脏的自动分割和肝脏病变的智能诊断。

       尽管十年来我国肝癌影像取得了巨大的研究成果,但现阶段的研究仍然存在一定的局限性:(1)LI-RADS在实际临床应用中可能需要根据国内患者的发病特点及人群特征进行有针对性的修订;(2)MRI和CT的原创性新技术成果较少,目前的大部分研究成果集中在新技术的应用,而非新技术的发明;(3)肝癌影像的研究深度不足,尚不能从分子、基因的层面去解释相应的影像征象;(4)肝癌影像研究的广度不够,缺乏涵盖人群广、代表性强、随访规律、资料齐全的全国多中心队列研究;(5)在AI和深度学习的研究中,虽然我国肝癌患者的数量大、数字化的影像资料多,但是尚未建立同质化、高质量的全国数据库。

       展望未来,随着以计算机科学和AI为代表的现代科技的发展及超高磁场、超极化MRI的临床应用,将来运用AI结合影像组学、基因组学、蛋白组学分析可能会为肝癌亚型的无创性评估带来希望,为肝癌的病理特征、基因蛋白表达和预后转归分析提供潜在的应用价值,为肝癌患者更加精细化、个体化的临床管理提供技术支持。在CT的应用方面,由于能谱CT较常规CT在图像质量、物质成分确定和能谱分析方面均有优势,在肝癌的诊断及疗效评估方面有较大潜能,未来有希望作为重要的CT技术用于肝癌的临床诊疗。我们相信肝癌影像研究的进一步深入和发展将为肝癌患者的早筛、早诊、早治和全程优化管理提供更加可靠的技术保障,将会在改善肝癌患者预后、降低死亡率、提高生活质量等方面发挥重要作用,必将助力实现国民大健康的战略目标。

[1]
Wu C, Ren XD, Zhang QB. Incidence, risk factors, and prognosis in patients with primary hepatocellular carcinoma and lung metastasis: a population-based study[J]. Cancer Manag Res, 2019, 11: 2759-2768. DOI: 10.2147/CMAR.S192896.
[2]
Cao MM, Li H, Sun DQ, et al. Cancer burden of major cancers in China: a need for sustainable actions[J]. Cancer Commun (Lond), 2020, 40(5): 205-210. DOI: 10.1002/cac2.12025.
[3]
Villanueva A. Hepatocellular Carcinoma[J]. The New England journal of medicine, 2019, 380(15): 1450-1462. DOI: 10.1056/NEJMra1713263.
[4]
蒋涵羽, 刘曦娇, 宋彬. 磁共振成像技术在肝细胞癌中的应用进展[J]. 磁共振成像, 2015, 6(2): 91-97. DOI: 10.3969/j.issn.1674-8034.2015.02.003.
Jiang HY, Liu XJ, Song B. Progresses in magnetic resonance imaging of hepatocellular carcinoma[J]. Chin J Magn Reson Imaging, 2015, 6(2): 91-97. DOI: 10.3969/j.issn.1674-8034.2015.02.003.
[5]
Chernyak V, Fowler KJ, Kamaya A, et al. Liver imaging reporting and data system (LI-RADS) version 2018: imaging of hepatocellular carcinoma in At-risk patients[J]. Radiology, 2018, 289(3): 816-830. DOI: 10.1148/radiol.2018181494.
[6]
Kim DH, Choi SH, Park SH, et al. Meta-analysis of the accuracy of Liver Imaging Reporting and Data System category 4 or 5 for diagnosing hepatocellular carcinoma[J]. Gut, 2019, 68(9): 1719-1721. DOI: 10.1136/gutjnl-2019-318555.
[7]
Wei Y, Ye Z, Yuan Y, et al. A new diagnostic criterion with gadoxetic acid-enhanced MRI may improve the diagnostic performance for hepatocellular carcinoma[J]. Liver Cancer, 2020, 9(4): 414-425. DOI: 10.1159/000505696.
[8]
Jiang HY, Song B, Qin Y, et al. Modifying LI-RADS on gadoxetate disodium-enhanced MRI: a secondary analysis of a prospective observational study[J]. J Magn Reson Imaging, 2022, 56(2): 399-412. DOI: 10.1002/jmri.28056.
[9]
Jiang HY, Song B, Qin Y, et al. Data-driven modification of the LI-RADS major feature system on gadoxetate disodium-enhanced MRI: toward better sensitivity and simplicity[J]. J Magn Reson Imaging, 2022, 55(2): 493-506. DOI: 10.1002/jmri.27824.
[10]
姜健, 王维, 崔羽楠, 等. 基于2018版肝脏影像报告及数据系统评估CT及MRI对小于等于3 cm肝细胞性肝癌的诊断价值[J]. 磁共振成像, 2021, 12(9): 25-29, 44. DOI: 10.12015/issn.1674-8034.2021.09.006.
Jiang J, Wang W, Cui YN, et al. Diagnostic performance of MRI and CT for hepatocellular carcinoma less than 3 cm based on liver reporting and data system version 2018[J]. Chin J Magn Reson Imaging, 2021, 12(9): 25-29, 44. DOI: 10.12015/issn.1674-8034.2021.09.006.
[11]
王聪, 郭然, 师丹丹, 等. 肝脏特异性对比剂MRI优化序列在高风险人群中筛查小肝癌的价值研究[J]. 磁共振成像, 2021, 12(9): 20-24. DOI: 10.12015/issn.1674-8034.2021.09.005.
Wang C, Guo R, Shi DD, et al. Study on the value of liver-specific contrast agent MRI abbreviated sequence in screening small hepatocellular carcinoma in high-risk population[J]. Chin J Magn Reson Imaging, 2021, 12(9): 20-24. DOI: 10.12015/issn.1674-8034.2021.09.005.
[12]
Jiang HY, Wei JW, Fu FF, et al. Predicting microvascular invasion in hepatocellular carcinoma: a dual-institution study on gadoxetate disodium-enhanced MRI[J]. Liver Int, 2022, 42(5): 1158-1172. DOI: 10.1111/liv.15231.
[13]
Feng ZC, Li HL, Zhao HF, et al. Preoperative CT for characterization of aggressive macrotrabecular-massive subtype and vessels that encapsulate tumor clusters pattern in hepatocellular carcinoma[J]. Radiology, 2021, 300(1): 219-229. DOI: 10.1148/radiol.2021203614.
[14]
Chen J, Xia CC, Duan T, et al. Macrotrabecular-massive hepatocellular carcinoma: imaging identification and prediction based on gadoxetic acid-enhanced magnetic resonance imaging[J]. Eur Radiol, 2021, 31(10): 7696-7704. DOI: 10.1007/s00330-021-07898-7.
[15]
Chou YC, Lao IH, Hsieh PL, et al. Gadoxetic acid-enhanced magnetic resonance imaging can predict the pathologic stage of solitary hepatocellular carcinoma[J]. World J Gastroenterol, 2019, 25(21): 2636-2649. DOI: 10.3748/wjg.v25.i21.2636.
[16]
刘子蔚, 杨少民, 陈海雄, 等. 钆塞酸二钠增强MRI T1 mapping定量参数与肝细胞癌Ki-67表达的相关性研究[J]. 磁共振成像, 2022, 13(9): 35-40, 52. DOI: 10.12015/issn.1674-8034.2022.09.007.
Liu ZW, Yang SM, Chen HX, et al. Correlation between Gd-EOB-DTPA enhanced MRI T1 mapping and Ki-67 expression in hepatocellular carcinoma[J]. Chin J Magn Reson Imaging, 2022, 13(9): 35-40, 52. DOI: 10.12015/issn.1674-8034.2022.09.007.
[17]
Chen J, Wu ZR, Xia CC, et al. Noninvasive prediction of HCC with progenitor phenotype based on gadoxetic acid-enhanced MRI[J]. Eur Radiol, 2020, 30(2): 1232-1242. DOI: 10.1007/s00330-019-06414-2.
[18]
Wei H, Jiang HY, Zheng TY, et al. LI-RADS category 5 hepatocellular carcinoma: preoperative gadoxetic acid-enhanced MRI for early recurrence risk stratification after curative resection[J]. Eur Radiol, 2021, 31(4): 2289-2302. DOI: 10.1007/s00330-020-07303-9.
[19]
赵其煜, 戚元刚, 郭守芳, 等. Gd-EOB-DTPA增强MRI对肝细胞癌术后早期复发的预测价值[J]. 磁共振成像, 2021, 12(12): 18-23. DOI: 10.12015/issn.1674-8034.2021.12.004.
Zhao QY, Qi YG, Guo SF, et al. The value of Gd-EOB-DTPA enhanced magnetic resonance imaging for predicting early recurrence of hepatocellular carcinoma after resection[J]. Chin J Magn Reson Imaging, 2021, 12(12): 18-23. DOI: 10.12015/issn.1674-8034.2021.12.004.
[20]
Gore JC, Xu JZ, Colvin DC, et al. Characterization of tissue structure at varying length scales using temporal diffusion spectroscopy[J]. NMR Biomed, 2010, 23(7): 745-756. DOI: 10.1002/nbm.1531.
[21]
Arlinghaus LR, Li X, Rahman AR, et al. On the relationship between the apparent diffusion coefficient and extravascular extracellular volume fraction in human breast cancer[J]. Magn Reson Imaging, 2011, 29(5): 630-638. DOI: 10.1016/j.mri.2011.02.004.
[22]
Wu LM, Xu JR, Lu Q, et al. A pooled analysis of diffusion-weighted imaging in the diagnosis of hepatocellular carcinoma in chronic liver diseases[J]. J Gastroenterol Hepatol, 2013, 28(2): 227-234. DOI: 10.1111/jgh.12054.
[23]
Wu LM, Hu JN, Gu HY, et al. Can diffusion-weighted magnetic resonance imaging (DW-MRI) alone be used as a reliable sequence for the preoperative detection and characterisation of hepatic metastases? A meta-analysis[J]. Eur J Cancer, 2013, 49(3): 572-584. DOI: 10.1016/j.ejca.2012.08.021.
[24]
Jensen JH, Helpern JA, Ramani A, et al. Diffusional kurtosis imaging: the quantification of non-Gaussian water diffusion by means of magnetic resonance imaging[J]. Magn Reson Med, 2005, 53(6): 1432-1440. DOI: 10.1002/mrm.20508.
[25]
Wang WT, Yang L, Yang ZX, et al. Assessment of microvascular invasion of hepatocellular carcinoma with diffusion kurtosis imaging[J]. Radiology, 2018, 286(2): 571-580. DOI: 10.1148/radiol.2017170515.
[26]
Wei Y, Gao FF, Wang M, et al. Intravoxel incoherent motion diffusion-weighted imaging for assessment of histologic grade of hepatocellular carcinoma: comparison of three methods for positioning region of interest[J]. Eur Radiol, 2019, 29(2): 535-544. DOI: 10.1007/s00330-018-5638-1.
[27]
Jiang XY, Li H, Xie JP, et al. In vivo imaging of cancer cell size and cellularity using temporal diffusion spectroscopy[J]. Magn Reson Med, 2017, 78(1): 156-164. DOI: 10.1002/mrm.26356.
[28]
Jiang XY, Li H, Xie JP, et al. Quantification of cell size using temporal diffusion spectroscopy[J]. Magn Reson Med, 2016, 75(3): 1076-1085. DOI: 10.1002/mrm.25684.
[29]
Jiang XY, Xu JZ, Gore JC. Mapping hepatocyte size in vivo using temporal diffusion spectroscopy MRI[J]. Magn Reson Med, 2020, 84(5): 2671-2683. DOI: 10.1002/mrm.28299.
[30]
Chen BB, Shih TTF. DCE-MRI in hepatocellular carcinoma-clinical and therapeutic image biomarker[J]. World J Gastroenterol, 2014, 20(12): 3125-3134. DOI: 10.3748/wjg.v20.i12.3125.
[31]
Chen J, Chen CY, Xia CC, et al. Quantitative free-breathing dynamic contrast-enhanced MRI in hepatocellular carcinoma using gadoxetic acid: correlations with Ki67 proliferation status, histological grades, and microvascular density[J]. Abdom Radiol (NY), 2018, 43(6): 1393-1403. DOI: 10.1007/s00261-017-1320-3.
[32]
Li BS, Xu AH, Huang YR, et al. Oxygen-challenge blood oxygen level-dependent magnetic resonance imaging for evaluation of early change of hepatocellular carcinoma to chemoembolization: a feasibility study[J]. Acad Radiol, 2021, 28(Suppl 1): S13-S19. DOI: 10.1016/j.acra.2020.06.021.
[33]
Gidener T, Ahmed OT, Larson JJ, et al. Liver stiffness by magnetic resonance elastography predicts future cirrhosis, decompensation, and death in NAFLD[J]. Clin Gastroenterol Hepatol, 2021, 19(9): 1915-1924. DOI: 10.1016/j.cgh.2020.09.044.
[34]
Zhang LN, Chen JB, Jiang H, et al. MR elastography as a biomarker for prediction of early and late recurrence in HBV-related hepatocellular carcinoma patients before hepatectomy[J/OL]. Eur J Radiol, 2022, 152 [2022-09-08]. https://linkinghub.elsevier.com/retrieve/pii/S0720-048X(22)00190-5. DOI: 10.1016/j.ejrad.2022.110340.
[35]
Perkons NR, Kiefer RM, Noji MC, et al. Hyperpolarized metabolic imaging detects latent hepatocellular carcinoma domains surviving locoregional therapy[J]. Hepatology, 2020, 72(1): 140-154. DOI: 10.1002/hep.30970.
[36]
Zheng Y, Bin S, Lee PM, et al. Hyperpolarized carbon 13 MRI in liver diseases: recent advances and future opportunities[J]. Liver Int Off J Int Assoc Study Liver, 2022, 42(5): 973-983. DOI: 10.1111/liv.15222.
[37]
Lambin P, Leijenaar RTH, Deist TM, et al. Radiomics: the bridge between medical imaging and personalized medicine[J]. Nat Rev Clin Oncol, 2017, 14(12): 749-762. DOI: 10.1038/nrclinonc.2017.141.
[38]
杨浩然, 张濬韬, 马密密, 等. 增强MR组学联合临床因素预测肝细胞癌根治性切除术后早期复发的价值研究[J]. 磁共振成像, 2022, 13(4): 49-55. DOI: 10.12015/issn.1674-8034.2022.04.009.
Yang HR, Zhang JT, Ma MM, et al. The study of enhanced MR radiomics combining clinical factors in predicting early recurrence of hepatocellular carcinoma after resection[J]. Chin J Magn Reson Imaging, 2022, 13(4): 49-55. DOI: 10.12015/issn.1674-8034.2022.04.009.
[39]
Chen YD, Zhang L, Zhou ZP, et al. Radiomics and nomogram of magnetic resonance imaging for preoperative prediction of microvascular invasion in small hepatocellular carcinoma[J]. World J Gastroenterol, 2022, 28(31): 4399-4416. DOI: 10.3748/wjg.v28.i31.4399.
[40]
Wu MH, Tan HN, Gao F, et al. Predicting the grade of hepatocellular carcinoma based on non-contrast-enhanced MRI radiomics signature[J]. Eur Radiol, 2019, 29(6): 2802-2811. DOI: 10.1007/s00330-018-5787-2.
[41]
Huang XL, Long LL, Wei JQ, et al. Radiomics for diagnosis of dual-phenotype hepatocellular carcinoma using Gd-EOB-DTPA-enhanced MRI and patient prognosis[J]. J Cancer Res Clin Oncol, 2019, 145(12): 2995-3003. DOI: 10.1007/s00432-019-03062-3.
[42]
Wang WT, Gu DS, Wei JW, et al. A radiomics-based biomarker for cytokeratin 19 status of hepatocellular carcinoma with gadoxetic acid-enhanced MRI[J]. Eur Radiol, 2020, 30(5): 3004-3014. DOI: 10.1007/s00330-019-06585-y.
[43]
Liao HT, Jiang HY, Chen YT, et al. Predicting genomic alterations of phosphatidylinositol-3 kinase signaling in hepatocellular carcinoma: a radiogenomics study based on next-generation sequencing and contrast-enhanced CT[J/OL]. Ann Surg Oncol, 2022, 29(7) [2022-09-08]. https://link.springer.com/article/10.1245/s10434-022-11505-4. DOI: 10.1245/s10434-022-11505-4.
[44]
Calderaro J, Seraphin TP, Luedde T, et al. Artificial intelligence for the prevention and clinical management of hepatocellular carcinoma[J]. J Hepatol, 2022, 76(6): 1348-1361. DOI: 10.1016/j.jhep.2022.01.014.
[45]
Zhang F, Yang JL, Nezami N, et al. Liver tissue classification using an auto-context-based deep neural network with a multi-phase training framework[J]. Patch Based Tech Med Imaging (2018), 2018, 11075: 59-66. DOI: 10.1007/978-3-030-00500-9_7.
[46]
Zheng RC, Wang QD, Lv SZ, et al. Automatic liver tumor segmentation on dynamic contrast enhanced MRI using 4D information: deep learning model based on 3D convolution and convolutional LSTM[J]. IEEE Trans Med Imaging, 2022, 41(10): 2965-2976. DOI: 10.1109/TMI.2022.3175461.
[47]
Zhen SH, Cheng M, Tao YB, et al. Deep Learning for Accurate Diagnosis of Liver Tumor Based on Magnetic Resonance Imaging and Clinical Data[J/OL]. Frontiers in oncology, 2020 [2022-09-08]. https://www.frontiersin.org/articles/10.3389/fonc.2020.00680/full. DOI: 10.3389/fonc.2020.00680.
[48]
Wei JW, Jiang HY, Zeng MS, et al. Prediction of microvascular invasion in hepatocellular carcinoma via deep learning: a multi-center and prospective validation study[J/OL]. Cancers (Basel), 2021, 13(10) [2022-09-08]. https://www.mdpi.-com/resolver?pii=cancers13102368. DOI: 10.3390/cancers13102368.
[49]
Gao WY, Wang WT, Song DJ, et al. A predictive model integrating deep and radiomics features based on gadobenate dimeglumine-enhanced MRI for postoperative early recurrence of hepatocellular carcinoma[J]. Radiol Med, 2022, 127(3): 259-271. DOI: 10.1007/s11547-021-01445-6.
[50]
中华人民共和国国家卫生健康委员会医政医管局. 原发性肝癌诊疗指南(2022年版)[J]. 中华肝脏病杂志, 2022(4): 367-388. DOI: 10.3760/cma.j.cn501113-20220413-00193.
National Health Commission of the People's Republic of China. Guidelines for Diagnosis and treatment of primary liver cancer (2022 version)[J]. Chin J Hepatol, 2022(4): 367-388. DOI: 10.3760/cma.j.cn501113-20220413-00193.
[51]
项改生, 姜增誉, 何生, 等. 能谱CT肝癌诊疗研究[J]. 放射学实践, 2020, 35(6): 810-812. DOI: 10.13609/j.cnki.1000-0313.2020.06.022.
Xiang GS, Jiang ZY, He S, et al. Diagnosis and treatment of liver cancer with energy spectrum CT[J]. Radiol Pract, 2020, 35(6): 810-812. DOI: 10.13609/j.cnki.1000-0313.2020.06.022.
[52]
伍秋艳, 刘娟, 杨崇双, 等. 影像学检查在诊断小肝癌中的应用价值[J]. 中华消化外科杂志, 2022(4): 543-550. DOI: 10.3760/cma.j.cn115610-20220321-00146.
Wu QY, Liu J, Yang CS, et al. Application value of imaging examinations in the diagnosis of small hepatocellular carcinoma[J]. Chin J Dig Surg, 2022(4): 543-550. DOI: 10.3760/cma.j.cn115610-20220321-00146.
[53]
Yu YX, Lin XZ, Chen KM, et al. Hepatocellular carcinoma and focal nodular hyperplasia of the liver: differentiation with CT spectral imaging[J]. Eur Radiol, 2013, 23(6): 1660-1668. DOI: 10.1007/s00330-012-2747-0.
[54]
Chai B, Xiang DQ, Wang W, et al. Arterial enhancement fraction in evaluating the therapeutic effect and survival for hepatocellular carcinoma patients treated with DEB-TACE[J/OL]. Cancer Imaging, 2022, 22(1) [2022-09-08]. https://cancerimagingjournal.biomedcentral.com/articles/10.1186/s40644-022-00477-z. DOI: 10.1186/s40644-022-00477-z.
[55]
Wang J, Shen JL. Spectral CT in evaluating the therapeutic effect of transarterial chemoembolization for hepatocellular carcinoma: a retrospective study[J/OL]. Medicine, 2017, 96(52) [2022-09-08]. https://doi.org/10.1097/MD.0000000000009236. DOI: 10.1097/MD.0000000000009236.
[56]
饶圣祥, 胡道予, 宦怡, 等. 肝胆特异性MRI对比剂钆塞酸二钠临床应用专家共识[J]. 临床肝胆病杂志, 2016, 32(12): 2236-2241. DOI: 10.3969/j.issn.1001-5256.2016.12.003.
Rao SX, Hu DY, Huan Y, et al. Expert consensus on clinical application of hepatobiliary-specific MRI contrast agent Gd-EOB-DTPA[J]. J Clin Hepatol, 2016, 32(12): 2236-2241. DOI: 10.3969/j.issn.1001-5256.2016.12.003.
[57]
Rao SX, Wang J, Wang J, et al. Chinese consensus on the clinical application of hepatobiliary magnetic resonance imaging contrast agent: Gadoxetic acid disodium[J]. J Dig Dis, 2019, 20(2): 54-61. DOI: 10.1111/1751-2980.12707.
[58]
Zech CJ, Ba-Ssalamah A, Berg T, et al. Consensus report from the 8th international forum for liver magnetic resonance imaging[J]. Eur Radiol, 2020, 30(1): 370-382. DOI: 10.1007/s00330-019-06369-4.

上一篇 心血管磁共振成像机遇与挑战——中国十年来发展成果及展望
下一篇 利培酮和氯氮平治疗慢性稳定期精神分裂症脑白质纤维改变的对比分析
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2