مقالة بحثية

تحليل تلوي للنماذج القائمة على الراديوميكس للتقييم السابق للجراحة لحالة Ki-67 في سرطان الخلايا الكبدية

51 مشاهدة

⸱

DOI:

10.3791/70716

⸱

أغسطس 25, 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology, The Third Affiliated Hospital of Jiaxing University (Zhejiang Rongjun Hospital)

* These authors contributed equally

في هذه المقالة

ملخص

وجد هذا التحليل التلوي لـ 17 دراسة (شملت 1,708 مرضى مصابين بسرطان الخلايا الكبدية) أن قيم الحساسية والنوعية والمساحة تحت المنحنى المجمعة كانت 0.87 و 0.79 و 0.90 على التوالي، للتنبؤ الراديومي بالتعبير العالي لـ Ki-67؛ ويشير التباين الجوهري إلى الحاجة إلى أبحاث معيارية.

الملخص

هدفت هذه الدراسة إلى تقييم القيمة التشخيصية للميزات الراديومية في التنبؤ بمستويات تعبير Ki-67 في سرطان الخلايا الكبدية (HCC) من خلال تحليل تالٍ (meta-analysis). تم البحث بشكل منهجي في قواعد البيانات الإلكترونية، بما في ذلك PubMed وWeb of Science ومكتبة Cochrane وEmbase، عن الدراسات السريرية ذات الصلة والمنشورة حتى 20 أغسطس 2025. شمل البحث الدراسات التي استخدمت الميزات الراديومية للتنبؤ بمستويات تعبير Ki-67 لدى المرضى المصابين بسرطان الخلايا الكبدية. تم تقييم الحساسية، والنوعية، ومنحنيات خصائص التشغيل للمستقبل الملخصة، وحساب المساحة تحت المنحنى (AUC). شمل التحليل إجمالي 17 دراسة ضمت 1,708 مريضاً مصاباً بسرطان الخلايا الكبدية. بلغت الحساسية المجمعة 0.87 (فاصل ثقة [CI] 95%، 0.81–0.91)، وبلغت النوعية المجمعة 0.79 (فاصل ثقة 95%، 0.71–0.85)، بينما كانت المساحة تحت المنحنى (AUC) الإجمالية 0.90 (فاصل ثقة 95%، 0.87–0.93). وكانت قيم AUC المجمعة لقيم القطع لـ Ki-67 عند 10% و>10% هي 0.89 (فاصل ثقة 95%، 0.86–0.92) و0.90 (فاصل ثقة 95%، 0.87–0.92) على التوالي. وكانت قيم AUC للميزات الراديومية المستمدة من التصوير بالرنين المغناطيسي والموجات فوق الصوتية 0.88 (فاصل ثقة 95%، 0.85–0.91) و0.92 (فاصل ثقة 95%، 0.89–0.94) على التوالي. أما قيمة AUC لنماذج التنبؤ القائمة على الانحدار اللوجستي فكانت 0.89 (فاصل ثقة 95%، 0.86–0.92). أظهرت الميزات الراديومية أداءً تشخيصياً مجمعاً واعداً للتنبؤ بالتعبير العالي لـ Ki-67 في سرطان الخلايا الكبدية. ومع ذلك، كان هناك تباين ملحوظ بين الدراسات المشمولة، مما يستدعي إجراء المزيد من الأبحاث الموحدة للتحقق من هذه النتائج.

المقدمة

على مدى العقد الماضي، ارتفع معدل حدوث وانتشار سرطان الكبد تدريجياً، مما جعله عبئاً مرضياً كبيراً ومتزايداً في جميع أنحاء العالم. وبشكل خاص، يمثل سرطان الخلايا الكبدية (HCC) نسبة 90% من جميع تشخيصات سرطان الكبد الأولية، وهو السبب الرابع الأكثر شيوعاً للوفيات المرتبطة بالسرطان عالمياً، حيث تم الإبلاغ عن 840,000 حالة جديدة في عام 20181,2. وعلى الرغم من التطورات الأخيرة في التقنيات الجراحية، والتدخلات الموضعية، والعلاجات الجهازية، لا يزال الإنذار طويل الأمد للمرضى المصابين بـ HCC دون المستوى الأمثل، حيث تتراوح معدلات البقاء على قيد الحياة الإجمالية لمدة 5 سنوات بين 13% و36%3,4,5. ويعزى ذلك إلى حد كبير إلى بدايته الخفية، والصعوبات في التشخيص المبكر، والتغاير البيولوجي العالي للأورام. وتؤكد هذه التحديات وجود قصور حرج في استراتيجيات التشخيص الحالية: فالت evaluations النسيجية المرضية التقليدية تكون غازية وغير قادرة على توفير تقييم شامل وفوري للبيولوجيا الديناميكية للأورام. ولذلك، فإن تطوير أدوات مبتكرة وغير غازية يمكنها تحديد الإمكانات الخبيثة الجوهرية للأورام بدقة يعد أمراً هاماً للنهوض بالطب الشخصي في حالات HCC.

من بين مختلف المؤشرات الحيوية الجزيئية التنبؤية، يعد Ki-67 مؤشراً راسخاً على التكاثر الخلوي ويرتبط ارتباطاً وثيقاً بالإنذار في العديد من الأورام الخبيثة. يعكس Ki-67 النشاط التكاثري ويتم التعبير عنه على نطاق واسع في الخلايا الورمية؛ ويرتبط تعبيره العالي ارتباطاً قوياً بزيادة القدرة على الغزو وضعف التمايز، مما يجعله متنبئاً بشراسة الورم6. وفي سرطان الخلايا الكبدية (HCC)، أكدت دراسات متعددة أن التعبير العالي عن Ki-67 يرتبط بشكل ملحوظ بكبر حجم الورم، والغزو الوعائي، ودرجة Edmondson–Steiner الأعلى، ومرحلة متقدمة من نقائل العقد الورمية. علاوة على ذلك، فهو يعمل كمتنبئ مستقل بتكرار المرض بعد الجراحة وسوء معدل البقاء على قيد الحياة بشكل عام7,8,9,10. وبما أن مستويات تعبير Ki-67 تعكس الحالة التكاثرية للخلايا الورمية — حيث تشير المستويات المرتفعة إلى قدرة أكبر على الغزو وتطور أسرع للمرض — فإن هذا المؤشر الحيوي يمتلك قيمة كبيرة في التصنيف التنبؤي، واتخاذ قرارات العلاج، والمراقبة العلاجية في حالات سرطان الخلايا الكبدية. ومع ذلك، يعتمد التقييم السريري الحالي لـ Ki-67 على أخذ عينات أنسجة جراحية. ولا ينطوي هذا النهج على مخاطر إجرائية وعدم راحة للمريض فحسب، بل والأهم من ذلك، ونظراً للتغاير المكاني والزماني الكبير في سرطان الخلايا الكبدية، قد تفشل خزعة واحدة في تمثيل الحالة التكاثرية العامة للورم، مما قد يؤدي إلى تفسير سريري خاطئ11. وبناءً على ذلك، هناك حاجة سريرية ملحة لطريقة غير جراحية وقابلة للتكرار يمكنها رصد التغاير المكاني للتعبير عن Ki-67 بشكل شامل.

يوفر ظهور علم الراديوميات (radiomics) نهجاً محتملاً لمعالجة هذا القصور. يتضمن علم الراديوميات استخراجاً عالي الإنتاجية للعديد من السمات الكمية من الصور الطبية القياسية، مثل التصوير المقطعي المحوسب (CT)، أو التصوير بالرنين المغناطيسي (MRI)، أو التصوير المقطعي بالإصدار البوزيتروني (PET)، وبناء نماذج تنبؤية باستخدام خوارزميات التعلم الآلي أو التعلم العميق لفك رموز البيولوجيا الورمية الكامنة12. وفي أبحاث سرطان الخلايا الكبدية (HCC)، تم تطبيق علم الراديوميات بنجاح في تحديد درجة الورم، والتنبؤ بالغزو الوعائي الدقيق، وتقييم التعبير الجيني، ومراقبة الاستجابة للعلاج. وعلى الرغم من أن العديد من الدراسات حاولت تطوير نماذج راديومية للتنبؤ بالتعبير عن Ki-6713,14، إلا أنه لا يزال هناك تباين كبير بين الدراسات في حجم العينات، وأنماط التصوير، وطرق استخراج السمات، وأداء النماذج. لذلك، هناك حاجة إلى إجراء تحليل تالٍ (meta-analysis) منهجي لتوليف هذه النتائج غير المتجانسة كمياً، ووضع تقديرات تشخيصية مجمعة وقوية، وتحديد المصادر الرئيسية للتباين السريري والمنهجي، مما يوفر أساساً قائماً على الأدلة للتوحيد القياسي والترجمة السريرية في المستقبل. ومن الناحية العملية، تواجه الترجمة السريرية لعلم الراديوميات تحديات تتعلق بقابلية تكرار السمات والقيود الخاصة بكل نمط تصوير، مثل اعتماد التصوير بالرنين المغناطيسي على معايير المسح واعتماد الموجات فوق الصوتية على المشغل. وبناءً على ذلك، يجب تقييم الفائدة السريرية لهذه النماذج بشكل نقدي استناداً إلى توحيدها المنهجي وحالة التحقق الخارجي منها. كما أن القابلية للتطبيق السريري ومتانة هذه النماذج لم يتم تقييمهما بشكل منهجي بعد. لذا، تقيم هذه الدراسة بشكل شامل الأداء التشخيصي للنماذج الراديومية في التنبؤ بحالة التعبير عن Ki-67 في سرطان الخلايا الكبدية (HCC)، مما يوفر أساساً قائماً على الأدلة للتوحيد القياسي والترجمة السريرية مستقبلاً.

البروتوكول

استراتيجية البحث ومصدر المعلومات
وفقاً لبيان العناصر المفضلة للتقرير في المراجعات المنهجية والتحليلات البعدية (PRISMA) 202015، تم إجراء بحث منهجي عبر PubMed و Web of Science و Cochrane Library و Embase منذ إنشاء قاعدة البيانات وحتى 20 أغسطس 2025، دون قيود لغوية (راجع الملف التكميلي 1). تم بناء استراتيجية البحث من خلال تجميع الكلمات المفتاحية وعناوين الموضوعات (مثل رؤوس الموضوعات الطبية [MeSH] في PubMed و Emtree في Embase) في ثلاث مجموعات منطقية باستخدام المعاملات المنطقية ‘AND’ و ‘OR’. تم تطبيق هذه المجموعات على حقول العنوان أو الملخص أو الموضوع في كل قاعدة بيانات على النحو التالي: (1) الراديوميكس والنماذج والتصوير: ‘radiomics’ و ‘texture analysis’ و ‘image features’ و ‘magnetic resonance imaging’ (أو ‘MRI’) و ‘tomography, X-ray computed’ (أو ‘CT’) و ‘ultrasonography’ (أو ‘ultrasound’) و ‘deep learning’ و ‘machine learning’ و ‘logistic’؛ (2) المرض: ‘hepatocellular carcinoma’ و ‘liver cancer’ و ‘HCC’ و ‘hepatoma’؛ و(3) المستضد: ‘Ki-67 Antigen’ و ‘Ki-67’ و ‘Ki67’ و ‘proliferation index’. تم تعديل صيغة البحث الدقيقة لتناسب القواعد المحددة لكل قاعدة بيانات (على سبيل المثال، استخدام علامات [Title/Abstract] و [MeSH] في PubMed، وعلامات ‘:ti,ab’ أو ‘/exp’ في Embase). كما أجري بحث يدوي في المراجع الخاصة بالدراسات المستخرجة، إلى جانب المقالات المراجعية ذات الصلة، لتحديد أي منشورات مؤهلة إضافية. تم تسجيل بروتوكول الدراسة بأثر رجعي في قاعدة بيانات INPLASY تحت رقم التسجيل INPLASY202670061.

معايير الأهلية
لضمان اختيار دراسات ذات صلة سريرياً، تم تحديد أهلية الدراسات المسترجعة باستخدام إطار عمل PICOS (المجتمع، والتدخل، والمقارنة، والنتيجة، وتصميم الدراسة).

كانت معايير الاشتمال كما يلي: (1) أن يتكون مجتمع الدراسة من المرضى الذين تم تشخيص إصابتهم بسرطان الخلايا الكبدية (HCC) بناءً على الفحص الهيستوباثولوجي للأنسجة المستأصلة أو المأخوذة عبر الخزعة، أو وفقاً للإرشادات السريرية والتصويرية المعتمدة؛ (2) استخدام الراديوميكس، أو التعلم العميق، أو سمات النسيج المشتقة من وسائط التصوير الطبي (بما في ذلك التصوير المقطعي المحوسب CT، أو التصوير بالرنين المغناطيسي MRI، أو التصوير بالموجات فوق الصوتية) للتنبؤ بمستويات تعبير Ki-67 في الورم؛ (3) التقييم الهيستوباثولوجي لمستويات تعبير Ki-67 في عينات الورم، مع وجود قيمة قطع محددة بوضوح لتصنيف المرضى إلى مجموعات ذات تعبير مرتفع وتعبير منخفض؛ (4) توافر النتائج التشخيصية في شكل جدول تباين 2 × 2 يتيح حساب أداء الاختبار؛ و(5) أن تكون الدراسات السريرية أصلية ومراجعة من قبل الأقران.

تم استبعاد الدراسات إذا كانت (1) ملخصات مؤتمرات، أو تقارير حالات، أو مراجعات منهجية، أو غيرها من البحوث غير الأصيلة؛ (2) تحتوي على بيانات نتائج غير كافية للتحليل الكمي؛ (3) منشورات مكررة؛ (4) غير متوفرة بنصها الكامل.

بروتوكول فحص الدراسات واستخراج البيانات
لتنفيذ عملية فحص الأدبيات، تم دمج جميع الاستشهادات المسترجعة من قواعد البيانات الإلكترونية، وتحديد السجلات المكررة وإزالتها بشكل منهجي. بعد ذلك، قام باحثان بفحص الأدبيات المتبقية بشكل مستقل بناءً على معايير الاشتمال والاستبعاد المحددة مسبقًا. في البداية، تمت مراجعة العناوين والملخصات، وخضعت الدراسات التي يحتمل أن تكون مؤهلة لتقييم النص الكامل. وتم حل أي خلافات بين المراجعين من خلال المناقشة أو باستشارة باحث ثالث للتوصل إلى إجماع.

بعد إتمام عملية الفرز، قام الباحثان نفسهما باستخراج البيانات بشكل مستقل باستخدام نموذج استخراج موحد ومحدد مسبقاً. وشملت المعلومات المستخرجة الخصائص الأساسية للدراسة، والتفاصيل الديموغرافية لمجتمع الدراسة، وبيانات أداء التشخيص، وتحديداً عدد الحالات الإيجابية الحقيقية، والإيجابية الكاذبة، والسلبية الحقيقية، والسلبية الكاذبة. وبالنسبة للدراسات التي كانت بياناتها ناقصة أو تحتوي على غموض غير محلول، تواصلنا مع المؤلفين المسؤولين عبر البريد الإلكتروني لطلب البيانات الأصلية، وتم استبعاد الدراسات إذا ظلت البيانات المطلوبة غير متوفرة.

تقييم الجودة وتقييم خطر التحيز
تم تقييم جودة الدراسات التشخيصية المشمولة باستخدام أداة تقييم جودة دراسات الدقة التشخيصية 2 (QUADAS-2)، التي طورها Whiting وآخرون في جامعة York16. تقيس هذه الأداة أربعة مجالات: اختيار المرضى، والاختبار المؤشر، والمعيار المرجعي، والتدفق والتوقيت. تم تصنيف خطر التحيز في كل مجال على أنه "عالٍ" أو "منخفض" أو "غير واضح". قام باحثان بإجراء تقييم الجودة بشكل مستقل، وتم حل أي خلافات من خلال المناقشة أو باستشارة باحث ثالث للوصول إلى إجماع.

التحليل الإحصائي
أُجريت التحليلات الإحصائية باستخدام برنامج Stata الإصدار 16.0 وبرنامج Review Manager (RevMan) الإصدار 5.3. واستُخدم برنامج RevMan لتقييم الجودة المنهجية، وتقدير خطر الانحياز، وإنشاء الملخصات المرئية المقابلة. كما حُللت دقة التشخيص في برنامج Stata 16.0 باستخدام وحدة hierarchical midas. وقُدرت الحساسية والنوعية المجمعة، مع فترات الثقة (CIs) بنسبة 95%، باستخدام نموذج التأثيرات العشوائية ثنائي المتغير. ولخص أداء التشخيص العام من خلال رسم منحنى خصائص التشغيل للمستقبل الهرمي (HSROC) وحساب المساحة تحت المنحنى (AUC) المقابلة. وفُحص التباين بين الدراسات باستخدام اختبار Cochran's Q وإحصائية I2، حيث اعتُبرت قيم I2 الأقل من 50% أو قيم P في اختبار Q التي تزيد عن 0.10 مؤشراً على تجانس مقبول. وللتحقق من المصادر المحتملة للتباين، أُجريت تحليلات فرعية محددة مسبقاً وفقاً لقيم القطع لـ Ki-67، ونوع التصوير، ونموذج التنبؤ. وقُيم وجود تأثير العتبة عن طريق تحديد ارتباط Spearman بين الحساسية المحولة إلى لوجيت ولوجيت (1 − النوعية). كما قُيم انحياز النشر المحتمل باستخدام اختبار Deeks' funnel plot asymmetry. وما لم يُنص على خلاف ذلك، كانت جميع الاختبارات الإحصائية ثنائية الذيل، وحُددت الدلالة الإحصائية عندما تكون P < 0.05.

النتائج

خصائص الدراسات المشمولة
من خلال بحث منهجي في قواعد البيانات الإلكترونية، تم تحديد 3,923 دراسة أولياً للفحص. وبعد استبعاد 2,032 سجلاً مكرراً و1,719 دراسة غير ذات صلة، خضع 172 مقالاً لمراجعة النص الكامل. وبناءً على معايير الاشتمال والاستبعاد المحددة مسبقاً، تم إدراج 17 دراسة13,14,17,18,19,20,21,2,23,24,25,26,27,28,29,30,31 في النهاية في التحليل التلوي (الشكل 1).

تم تلخيص الخصائص الأساسية للدراسات المشمولة في الجدول 1. شملت هذه الدراسات الـ 17 إجمالي 1,708 مريضاً مصاباً بسرطان الخلايا الكبدية (HCC)، كان من بينهم 962 مريضاً لديهم تعبير مرتفع عن Ki-67 و746 مريضاً لديهم تعبير منخفض. تم تطبيق قيم قطع مختلفة لتعبير Ki-67 عبر الدراسات: حيث استخدمت 8 دراسات قيمة 10%، بينما استخدمت الدراسات التسع المتبقية عتبات >10%، تراوحت بين 14% و50%؛ وكان التصوير بالرنين المغناطيسي (MRI) هو المصدر الأكثر شيوعاً للميزات الراديومية (n = 9)، يليه التصوير بالموجات فوق الصوتية (n = 5) والتصوير المقطعي المحوسب (CT) (n = 3). استخدمت عشر دراسات الميزات الراديومية وحدها للتنبؤ بـ Ki-67، بينما دمجت الدراسات السبع الأخرى الميزات الراديومية والسريرية لبناء نماذج تنبؤية. وفيما يتعلق بتقنيات النمذجة، تم استخدام الانحدار اللوجستي في 14 دراسة، واستُخدمت نماذج التعلم الآلي، بما في ذلك آلة المتجهات الداعمة (SVM, n = 2) وXception (n = 1)، في 3 دراسات. بالإضافة إلى ذلك، كانت 5 دراسات ذات تصميم استشرافي، و12 دراسة ذات تصميم استرجاعي.

القيمة التشخيصية للميزات الراديومية للتنبؤ بتعبير Ki-67
شملت الدراسة إجمالي 17 دراسة تقيم الدقة التشخيصية للميزات الراديومية في التنبؤ بمستويات تعبير Ki-67 في سرطان الخلايا الكبدية (HCC). أظهر تحليل الميتا (meta-analysis) ذو التأثيرات العشوائية أن الحساسية المجمعة بلغت 0.87 (95% CI: 0.81–0.91) والنوعية المجمعة بلغت 0.79 (95% CI: 0.71–0.85) للتنبؤ بالتعبير العالي لـ Ki-67. لوحظ تباين كبير بين الدراسات (الحساسية: I2 = 80.81%؛ النوعية: I2 = 86.86%)، كما هو موضح في الشكل 2. وكان معامل ارتباط سبيرمان −0.062 (P = 0.814)، مما يشير إلى عدم وجود تأثير عتبة ذو دلالة إحصائية. وأسفر تحليل SROC عن مساحة تحت المنحنى (AUC) قدرها 0.90 (95% CI: 0.87–0.93)، مما يشير إلى أداء تشخيصي مجمع عالٍ (الشكل 3).

قيم القطع لبروتين Ki-67 والأداء التشخيصي
في المجموعة الفرعية التي استخدمت قيمة قطع لـ Ki-67 تبلغ 10%، أظهر النموذج التشخيصي القائم على الراديوميكس أداءً قويًا، حيث بلغت الحساسية المجمعة 0.87 (بفاصل ثقة 95%: 0.78-0.93)، والنوعية 0.76 (بفاصل ثقة 95%: 0.60-0.87)، والمساحة تحت المنحنى (AUC) 0.89 (بفاصل ثقة 95%: 0.86-0.92)، مما يشير إلى دقة تشخيصية عالية عند هذا الحد الفاصل (الشكل 4 و الشكل التكميلي S1). في المجموعة الفرعية ذات قيم القطع لـ Ki-67 >10%، حيث أظهر النموذج حساسية مجمعة بلغت 0.87 (فاصل ثقة 95%: 0.79-0.92)، ونوعية بلغت 0.80 (فاصل ثقة 95%: 0.71-0.86)، ومساحة تحت المنحنى (AUC) بلغت 0.90 (فاصل ثقة 95%: 0.87-0.92) (الشكل 5 و الشكل التكميلي S2).

طرق التصوير والقيمة التشخيصية
في المجموعة الفرعية التي استخدمت الميزات الراديومية المستمدة من MRI، بلغت الحساسية المجمعة 0.86 (95% CI: 0.7–0.92)، وكانت النوعية 0.7 (95% CI: 0.65–0.85)، بينما بلغت قيمة AUC 0.8 (95% CI: 0.85–0.91)، كما هو موضح في الشكل 6 و الشكل الإضافي S3. وأظهرت المجموعة الفرعية القائمة على الراديوميات الخاصة بالموجات فوق الصوتية حساسية بلغت 0.8 (95% CI: 0.74–0.95)، ونوعية بلغت 0.81 (95% CI: 0.61–0.92)، وقيمة AUC بلغت 0.92 (95% CI: 0.89–0.94) (الشكل 7 و الشكل الإضافي S4). بالإضافة إلى ذلك، استخدمت ثلاث دراسات ميزات راديومية قائمة على CT20,25,30؛ ومع ذلك، ونظراً لمحدودية حجم العينة، لم يتم إجراء تحليل شمولي (meta-analysis) لهذه المجموعة الفرعية. وسجلت هذه الدراسات حساسية تراوحت بين 0.78 و 0.963، ونوعية تراوحت بين 0.75 و 0.877، وقيم AUC تراوحت بين 0.836 و 0.903 (الجدول 2).

النماذج التنبؤية والأداء التشخيصي
في المجموعة الفرعية التي استخدمت نماذج الانحدار اللوجستي، بلغت الحساسية المجمعة 0.86 (95% CI: 0.79–0.90)، والنوعية 0.78 (95% CI: 0.68–0.85)، ومساحة منحنى خصائص التشغيل (AUC) 0.89 (95% CI: 0.86–0.92) (الشكل 8 والشكل الإضافي S5). وكانت هذه التقديرات مشابهة للنتائج الإجمالية. علاوة على ذلك، استخدمت ثلاث دراسات نماذج التعلم الآلي: حيث اعتمدت دراستان نموذج SVM14,28، وسجلتا قيم AUC بلغت 0.94 و0.986، وحساسية بلغت 0.95 و0.973، ونوعية بلغت 0.91 و0.8397، على التوالي. واستخدمت دراسة واحدة نموذج Xception24، بقيمة AUC بلغت 0.8، وحساسية 0.76، ونوعية 0.78 (الجدول 2).

خطر الانحياز
أشار تقييم QUADAS-2 إلى أن معظم المجالات قد حُكم عليها بأنها ذات خطر منخفض للانحياز، مع وجود بعض التقييمات المرتفعة أو غير الواضحة في اختيار المرضى وتدفقهم وتوقيتهم (الشكل التكميلي S6 و الشكل التكميلي S7). وأظهر اختبار عدم تماثل مخطط القمع لدييكز (Deeks’ funnel plot) عدم وجود دليل على انحياز نشر ذو دلالة إحصائية (P = 0.42) (الشكل التكميلي S8).

بشكل عام، أشارت التقديرات المجمعة إلى أداء تشخيصي عالٍ للتنبؤ الراديومي بتعبير Ki-67، إلا أن التباين الكبير بين الدراسات يحد من إمكانية تعميم هذه النتائج.

توافر البيانات
بيانات مستوى الدراسة التي تم استخراجها من الدراسات الـ 17 المشمولة والمستخدمة في هذا التحليل التلوي متوفرة في الملف التكميلي 2.

مخطط تدفق تحديد الدراسات؛ فحص السجلات، معايير الاستبعاد، ونتائج تضمين التحليل التلوي.
الشكل ١مخطط تدفقي لاختيار الدراسات. يوضح المخطط التدفقي عملية البحث في الأدبيات، والفحص، وتقييم الأهلية، وعملية إدراج الدراسات وفقاً لبيان PRISMA 2020. الاختصار: PRISMA = العناصر المفضلة لإعداد التقارير للمراجعات المنهجية والتحليلات البعدية. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

مخطط الغابة؛ تحليل الحساسية والخصوصية عبر دراسات متعددة؛ نتيجة مقارنة البيانات.
شكل 2حساسية ونوعية الراديوميكس في التنبؤ بالتعبير عن Ki-67 في سرطان الخلايا الكبدية. تُظهر مخططات الغابة المزدوجة تقديرات الحساسية والخصوصية الخاصة بكل دراسة والتقديرات المجمّعة. تمثل المربعات تقديرات كل دراسة على حدة، وتمثل الخطوط الأفقية فترات الثقة 95%، بينما تمثل المعينات التقديرات المجمّعة. الاختصارات: CI = فترة الثقة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

مخطط SROC مع خطوط كنتورية للتنبؤ والثقة، يمثل بيانات الحساسية مقابل النوعية.
الشكل 3الأداء التشخيصي العام للراديوميكس (radiomics) في التنبؤ بالتعبير عن Ki-67 في سرطان الخلايا الكبدية. يُظهر منحنى SROC نقطة التشغيل الملخصة (الحساسية: 0.87؛ النوعية: 0.79)، ومحيط الثقة بنسبة 95%، ومحيط التنبؤ بنسبة 95%؛ وكانت قيمة AUC تساوي 0.90. الاختصارات: AUC = المساحة تحت المنحنى؛ SROC = خصائص تشغيل المستقبل الملخصة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

منحنى SROC مع خطوط التنبؤ والوثوق؛ مخطط الحساسية والخصوصية؛ الدقة التشخيصية.
الشكل 4الأداء التشخيصي للمجموعة الفرعية التي تبلغ قيمة القطع لـ Ki-67 فيها 10%. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

يُظهر منحنى SROC الأداء التشخيصي للدراسات التي استخدمت قيمة حدية لـ Ki-67 تبلغ 10%؛ وكانت قيمة AUC هي 0.89. الاختصارات: AUC = المساحة تحت المنحنى؛ SROC = منحنى خصائص التشغيل للمستقبل الملخص.

مخطط منحنى SROC مع خطوط التنبؤ الكنتورية، الحساسية مقابل النوعية، دقة الاختبار التشخيصي.
الشكل 5: الأداء التشخيصي للمجموعة الفرعية ذات نقاط القطع لبروتين Ki-67 > 10%. يُظهر منحنى خصائص التشغيل التلقائي الملخص (SROC) الأداء التشخيصي للدراسات التي تستخدم نقاط قطع Ki-67. > 10%؛ وكانت قيمة المساحة تحت المنحنى (AUC) تبلغ 0.90. الاختصارات: AUC = المساحة تحت المنحنى؛ SROC = منحنى خصائص التشغيل للمستقبل الملخص. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

مخطط منحنى SROC يوضح الحساسية مقابل النوعية مع خطوط كنتورية للتنبؤ والثقة.
الشكل 6الأداء التشخيصي لنماذج الراديوميكس القائمة على التصوير بالرنين المغناطيسي. يُظهر منحنى SROC الأداء التشخيصي المجمع للميزات الراديومية المستمدة من التصوير بالرنين المغناطيسي؛ حيث بلغت قيمة AUC 0.8. الاختصارات: AUC = المساحة تحت المنحنى؛ MRI = التصوير بالرنين المغناطيسي؛ SROC = خصائص تشغيل المستقبل الملخصة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

مخطط منحنى SROC مع التنبؤ، وخطوط كنتورية للثقة لتحليل الحساسية والنوعية.
الشكل 7الأداء التشخيصي لنماذج الراديوميكس القائمة على الموجات فوق الصوتية. يُظهر منحنى SROC الأداء التشخيصي المجمع للميزات الراديومية المستمدة من الموجات فوق الصوتية؛ حيث بلغت قيمة AUC 0.92. الاختصارات: AUC = المساحة تحت المنحنى؛ SROC = خصائص تشغيل المستقبل الملخصة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

رسم بياني لمنحنى SROC مع خط التنبؤ، وكنتورهات الثقة؛ تحليل الحساسية مقابل النوعية.
الشكل 8الأداء التشخيصي لنماذج الانحدار اللوجستي. يوضح منحنى SROC الأداء التشخيصي المجمع لنماذج الراديوميكس التي تم بناؤها باستخدام الانحدار اللوجستي؛ حيث كانت قيمة AUC تساوي 0.89. الاختصارات: AUC = المساحة تحت المنحنى؛ SROC = خصائص التشغيل للمستقبل الملخصة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

دراسةتصميم الدراسةحجم العينةالعمرذكر (%)نمط التصويرمجموعة الميزاتنموذج التنبؤتقسيمالتحقق من الصلاحيةحد قطع Ki-67ارتفاع مؤشر Ki-67انخفاض مؤشر Ki-67
هو، 2017دراسة استرجاعية5754.23 ± 11.1378.95التصوير بالرنين المغناطيسيعلم الراديوميات (Radiomics)نموذج الانحدار اللوجستيالدليل الإرشاديلا يوجد تحقق من الصحة10%4116
ياو، 2018دراسة استرجاعية4455.5 ± 10.442.37الموجات فوق الصوتيةالراديوميكس (علم الراديوميات)آلة المتجهات الداعمةدليل إرشاديالتحقق الداخلي من الصلاحية25%2321
تشن، ٢٠٢٠دراسة استرجاعية18051.22 ± 10.3882.8التصوير بالرنين المغناطيسيالراديوميات (Radiomics)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصلاحية50%34146
Ye، 2019استشرافية8950.72 ± 11.4076.4التصوير بالرنين المغناطيسيالراديوميات والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصلاحية15%4940
يي، 2020استشرافي10350.90 ± 11.9377.67التصوير بالرنين المغناطيسيالراديوميكس (علم الأشعة الكمية)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصحة10%7330
وو، 2020دراسة استرجاعية7458.6181.08التصوير المقطعي المحوسبالراديوميات (Radiomics)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصحة10%5420
شي، 2020تطلعي5255.7 ± 12.875.التصوير بالرنين المغناطيسيالراديوميكس (Radiomics)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصلاحية10%3517
فان، 2021استعادي10361.0 (50.3–68.0)76.7التصوير بالرنين المغناطيسيالراديوميات والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصلاحية14%8023
جينغ، ٢٠٢١دراسة استرجاعية8153.5276.54التصوير بالرنين المغناطيسيالراديوميكس (Radiomics)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصحة10%6714
هو، 202دراسة استرجاعية8759.38 ± 11.1388.51التصوير بالرنين المغناطيسيعلم الراديوميكس (Radiomics)Xceptionدليل إرشاديالتحقق الداخلي من الصحة20%4047
وو، 202استرجاعي12058.1290.التصوير المقطعي المحوسبالراديوميات والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصلاحية20%6357
دونغ، 202استشرافي6059.35 ± 10.0777.2الموجات فوق الصوتيةالراديوميكس (Radiomics)نموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصحة10%3723
ليو، 202دراسة استرجاعية73>٥ سنة: ٧١٪87.7التصوير بالرنين المغناطيسيعلم الراديوميات والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصلاحية25%3538
تشانغ، 2023دراسة استرجاعية16857.0 (49.0–64.0)81.5الموجات فوق الصوتيةالراديوميات والعوامل السريريةآلة المتجهات الداعمة (SVM)دليل إرشاديالتحقق الداخلي من الصحة10%13137
هوانغ، 202استشرافي12055.2 ± 11.292.5الموجات فوق الصوتيةالراديوميكس (تحليل الخصائص التصويرية)نموذج الانحدار اللوجستيدليل إرشاديلا يوجد تحقق من الصحة10%3684
تشاو، 2023دراسة استرجاعية12056.55 ± 9.5387.5التصوير المقطعي المحوسبعلم الراديوميات والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصحة14%7149
تشانغ، 2024دراسة استرجاعية17755.2 ± 11.486.4الموجات فوق الصوتيةالراديوميكس والعوامل السريريةنموذج الانحدار اللوجستيدليل إرشاديالتحقق الداخلي من الصحة20%9384

الجدول 1: الخصائص الأساسية للدراسات المشمولة. خصائص الدراسات الـ 17، بما في ذلك تصميم الدراسة، وحجم العينة، ووسيلة التصوير، ومجموعة السمات، ونموذج التنبؤ، والتقسيم، والتحقق من الصحة، ونقطة القطع لـ Ki-67، وأعداد مجموعات التعبير. الاختصارات: CT = التصوير المقطعي المحوسب؛ MRI = التصوير بالرنين المغناطيسي؛ SVM = آلة ناقل الدعم.

المجموعة الفرعيةالمرجعالحساسيةالخصوصيةالمساحة تحت المنحنى (AUC)
CT200.9630.750.836
CT250.780.8770.84 (95% CI, 0.813–0.936)
CT300.860.790.903 (95% CI, 0.849–0.956)
نموذج تعلم الآلة140.950.910.94
نموذج تعلم الآلة240.760.780.8
نموذج تعلم الآلة280.9730.83970.986 (95% CI, 0.95–0.98)

الجدول 2: الأداء التشخيصي لنماذج الراديوميكس القائمة على التصوير المقطعي المحوسب ونماذج التعلم الآلي المتقدمة. قيم الحساسية، والخصوصية، والمساحة تحت المنحنى (AUC) الواردة في الدراسات الفردية القائمة على التصوير المقطعي المحوسب والتعلم الآلي المتقدم. الاختصارات: AUC = المساحة تحت المنحنى؛ CI = فاصل الثقة؛ CT = التصوير المقطعي المحوسب.

الشكل التكميلي S1: الحساسية والنوعية في المجموعة الفرعية مع حد قطع Ki-67 بنسبة 10%. تُظهر مخططات الغابة المزدوجة التقديرات الخاصة بكل دراسة والتقديرات المجمعة مع فترات ثقة 95% CIs. الاختصار: CI = فترة الثقة. يرجى النقر هنا لتنزيل هذا الملف.

الشكل الإضافي S2: الحساسية والنوعية في المجموعة الفرعية التي تكون فيها نقاط قطع Ki-67 > 10%. تظهر مخططات الغابة المقترنة التقديرات الخاصة بكل دراسة والتقديرات المجمعة مع فترات ثقة 95% CIs. الاختصار: CI = فترة الثقة. يرجى النقر هنا لتنزيل هذا الملف.

الشكل التكميلي S3: حساسية ونوعية النماذج الراديومية القائمة على التصوير بالرنين المغناطيسي. تُظهر مخططات الغابة المزدوجة التقديرات الخاصة بكل دراسة والتقديرات المجمعة مع فواصل ثقة 95%. الاختصارات: CI = فاصل الثقة؛ MRI = التصوير بالرنين المغناطيسي. يرجى النقر هنا لتحميل هذا الملف.

الشكل التكميلي S4: حساسية ونوعية النماذج الراديومية القائمة على الموجات فوق الصوتية. تُظهر مخططات الغابة المزدوجة التقديرات الخاصة بكل دراسة والتقديرات المجمعة مع فواصل ثقة 95% CIs. الاختصار: CI = فاصل الثقة. يرجى النقر هنا لتنزيل هذا الملف.

الشكل التكميلي S5: حساسية ونوعية نماذج الانحدار اللوجستي. توضح مخططات الغابة المزدوجة التقديرات الخاصة بكل دراسة والتقديرات المجمعة مع فواصل ثقة 95%. الاختصار: CI = فاصل الثقة. يرجى النقر هنا لتنزيل هذا الملف.

الشكل التكميلي S6: رسم بياني للجودة المنهجية. يوضح الرسم البياني نسب الدراسات التي تم تصنيفها على أنها ذات خطر منخفض، أو غير واضح، أو مرتفع فيما يتعلق بالانحياز والمخاوف المتعلقة بقابلية التطبيق في كل نطاق من نطاقات QUADAS-2. الاختصار: QUADAS-2 = تقييم جودة دراسات الدقة التشخيصية 2. يرجى النقر هنا لتنزيل هذا الملف.

الشكل التكميلي S7: ملخص الجودة المنهجية. يوضح الملخص على مستوى الدراسة تصنيفات منخفضة، أو غير واضحة، أو عالية لمخاطر الانحياز والمخاوف المتعلقة بقابلية التطبيق في كل نطاق من نطاقات QUADAS-2. الاختصار: QUADAS-2 = تقييم جودة دراسات الدقة التشخيصية 2. يرجى النقر هنا لتنزيل هذا الملف.

الشكل الإضافي S8: تقييم انحياز النشر. يوضح اختبار ديكس لعدم تماثل مخطط القمع العلاقة بين الجذر التربيعي العكسي لـ ESS و DOR؛ P = 0.42. الاختصارات: DOR = نسبة الأرجحية التشخيصية؛ ESS = حجم العينة الفعال. يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 1: قائمة مراجعة PRISMA 2020. توثق قائمة المراجعة المكتملة مدى الامتثال لإجراءات التقارير الخاصة بالمراجعة المنهجية والتحليل التلوي التشخيصي. يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 2: البيانات المستخرجة المستخدمة في التحليل التلوي التشخيصي. يحتوي كتاب العمل على البيانات المستخرجة على مستوى الدراسات، بما في ذلك خصائص المرضى، وتفاصيل النماذج، وقيم الأداء التشخيصي المستخدمة في التحليلات المجمعة. يرجى النقر هنا لتحميل هذا الملف.

المناقشة

قام هذا التحليل التلوي المنهجي بتقييم الأداء التشخيصي للميزات الراديومية للتنبؤ بتعبير Ki-67 في سرطان الخلايا الكبدية (HCC). بلغت الحساسية المجمعة 0.87، والخصوصية المجمعة 0.79، بينما بلغت المساحة تحت المنحنى (AUC) الإجمالية 0.90. وعلى الرغم من أن التقديرات كانت متشابهة بشكل عام عبر المجموعات الفرعية التي تم تحليلها، إلا أن التباين الكبير يحد من إمكانية تعميم التقديرات المجمعة. تشير هذه النتائج إلى أن الراديوميات قد تكون مكملة للتقييم القائم على الأنسجة، ولكن فائدتها السريرية تتطلب مزيداً من التحقق.

تكمن القيمة التشخيصية الجوهرية للتنبؤ غير الجراحي بمستويات تعبير Ki-67 القائم على الراديوميكس في قدرته على التغلب على القيود المتأصلة في خزعة الأنسجة، مما يتيح تصور وقياس الخصائص البيولوجية الشاملة للورم. وبما أن تعبير Ki-67 يعد مؤشرًا رئيسيًا للتكاثر الخلوي، فإنه غالبًا ما يظهر تباينًا ملحوظًا داخل أورام سرطان الخلايا الكبدية (HCC) وعبر الآفات المختلفة. وتعكس عينة الخزعة الحالة المحلية للمنطقة التي تم أخذ العينة منها فقط، مما يحمل خطر التقليل من التقدير32. ومن خلال الاستخراج والتحليل عالي الإنتاجية للميزات النسيجية والمورفولوجية وميزات الكثافة من منطقة الورم بأكملها، يمكن للراديوميكس التقاط هذا التباين المكاني بشكل أكثر شمولاً وقد يمثل حالة تكاثر الورم بشكل أفضل33. علاوة على ذلك، وجدت هذه الدراسة أن الراديوميكس القائم على أنماط الموجات فوق الصوتية أظهر قيمة AUC مجمعة عالية بلغت 0.92، وهو أمر يستوجب تفسيراً متحفظاً بدلاً من اعتباره متفوقاً بشكل مباشر على التصوير بالرنين المغناطيسي (MRI). وهذا التمييز مهم لأن فترات الثقة (CIs) لهذين النمطين متداخلة، كما أن العدد الأقل من مجموعات الموجات فوق الصوتية (n = 5) يؤدي بطبيعة الحال إلى توسيع فترات التنبؤ على مخطط SROC.

بدلاً من إثبات التفوق، تسلط هذه النتائج الضوء على نقاط القوة الفريدة والمحددة لكل نمط تصوير لمنصات التصوير المختلفة. قد يرتبط الأداء التشخيصي للراديوميات المستمدة من الموجات فوق الصوتية بحساسية الموجات فوق الصوتية المعززة بالتباين في التقاط تروية الأوعية الدقيقة والديناميكا الدموية، وهي معلومات وظيفية مرتبطة ارتباطاً وثيقاً بالنشاط التكاثري الخلوي34. وعلى الرغم من أن الراديوميات القائمة على كل من الموجات فوق الصوتية والرنين المغناطيسي تظهر إمكانات تشخيصية واعدة، فإن هناك حاجة إلى مزيد من الدراسات المقارنة المباشرة واسعة النطاق لتحديد موقعها السريري الخاص بشكل كامل. وبالرغم من أن العدد المحدود من الدراسات القائمة على التصوير المقطعي المحوسب حال دون إجراء تحليل تلوّي، إلا أن الدراسات الفردية أظهرت أيضاً اتجاهاً تشخيصياً إيجابياً، حيث تراوحت قيم AUC المسجلة بين 0.836 و 0.903. وهذا يشير إلى القيمة السريرية المحتملة للميزات الراديومية المستمدة من مصادر تصوير مختلفة. وقد تلتقط راديوميات التصوير المقطعي المحوسب المعزز بالتباين التغيرات في الديناميكا الدموية على المستوى الكلي وتنوعات الكثافة المكانية المرتبطة بإعادة تشكيل الأوعية الدقيقة والتكاثر السريع للخلايا الورمية. وتشير هذه النتائج النوعية إلى أن ميزات القوام المستمدة من التصوير المقطعي المحوسب لها فائدة محتملة في التنميط غير الجراحي لـ Ki-67، لا سيما في الإعدادات السريرية حيث يعمل التصوير المقطعي المحوسب متعدد المراحل كنمط التصوير الأساسي لمراقبة سرطان الخلايا الكبدية وإدارته.

ومن الجدير بالذكر أن هذه الدراسة حددت عدة عوامل رئيسية قد تؤثر على الأداء التشخيصي للنماذج. أولاً، قد يكون التباين في قيم القطع (cutoff values) للتعبير عن Ki-67 مصدراً هاماً لعدم التجانس. ورغم أن النموذج أظهر خصوصية وAUC أعلى قليلاً في المجموعة الفرعية التي كانت قيمة القطع فيها >10%، إلا أن الأداء بين المجموعتين الفرعيتين لم يختلف بشكل ملحوظ، ولا تزال الأهمية السريرية لهذه الاختلافات غير مؤكدة. وفي الوقت الحالي، يفتقر المجال إلى تعريف موحد للتعبير العالي عن Ki-6735. لذا، هناك حاجة إلى دراسات مستقبلية لوضع معايير موحدة ومزيد من التحقق من تأثير قيم القطع المختلفة على الفعالية التنبؤية للنماذج الراديومية. ثانياً، يؤثر اختيار وسيلة التصوير بشكل كبير على استخلاص السمات وبناء النموذج. حيث توفر قدرة التصوير متعدد المعلمات للرنين المغناطيسي (MRI) وخصائص التعزيز الديناميكي للموجات فوق الصوتية معلومات بيولوجية تكميلية للنماذج. وأخيراً، أثر اختيار خوارزميات النمذجة التنبؤية أيضاً على الأداء؛ فنماذج الانحدار اللوجستي هي السائدة حالياً نظراً لقابليتها للتفسير واستقرارها. ومع ذلك، أبلغت دراسات قليلة استخدمت خوارزميات تعلم الآلة (مثل SVMs) عن قيم AUC مرتفعة بشكل استثنائي، مما يشير إلى أن النماذج غير الخطية الأكثر تعقيداً قد تكون أكثر ملاءمة لاستكشاف علاقات الربط المعقدة بين سمات التصوير عالية الأبعاد والتعبير عن Ki-67. ومع ذلك، فإن عدد هذه الدراسات محدود، ونتائجها تتطلب مزيداً من التحقق.

على الرغم من أن المساحة الإجمالية تحت المنحنى (AUC) البالغة 0.90 تشير إلى أداء تشخيصي مجمع عالٍ، فإن التباين الملحوظ في الحساسية والنوعية يستدعي الحذر، حيث تعكس التقديرات المتوسطات بدلاً من كونها مقياساً سريرياً قابلاً للتكرار عالمياً. يأخذ نموذج التأثيرات العشوائية ثنائي المتغيرات في الاعتبار التباين بين الدراسات، ولكنه لا يزيل الاختلافات السريرية والتقنية فيما بينها. وتعد سير عمل الراديوميكس (Radiomics) حساسة للتغيرات في بروتوكولات التصوير، وخوارزميات إعادة البناء، وأجهزة الماسحات الضوئية، وقد تكون الاختلافات في قوة المجال المغناطيسي، وسماكة الشريحة، وأنظمة الموجات فوق الصوتية قد ساهمت في التباين الملحوظ. وتعد الالتزام بمبادرة توحيد المعايير للمؤشرات الحيوية التصويرية (Image Biomarker Standardization Initiative) أمراً هاماً لتحسين القابلية للتكرار التقني36. وقد يؤدي المعالجة المسبقة الموحدة، بما في ذلك إعادة أخذ عينات الفوكسل المتماثل (isotropic voxel resampling) ومعايرة الكثافة، جنباً إلى جنب مع مواءمة الميزات بعد الاستخراج37، إلى تحسين القابلية للتعميم عبر المراكز المختلفة. ويجب أن تعطي الدراسات المستقبلية الاستباقية الأولوية لخطوات مواءمة المنهجية هذه.

من أجل سد الفجوة بين البحث المنهجي والفائدة السريرية، من الضروري تحديد القيمة المضافة لنماذج الراديوميات (radiomics) مقارنة بالمؤشرات الحيوية السريرية والتصويرية التقليدية. في الوقت الحالي، تُعد التنبؤات المعتمدة مثل مستويات البروتين الجنيني ألفا (alpha-fetoprotein) في المصل ومورفولوجيا الورم العيانية، بما في ذلك حجم الورم وحالة الحواف، مكونات قياسية في اتخاذ القرارات السريرية في حالات سرطان الخلايا الكبدية (HCC)38. ومع ذلك، فإن هذه المؤشرات التقليدية تعكس أساساً عبء الورم الجهازي أو التغيرات الهيكلية الكبرى. وفي المقابل، تستخرج الراديوميات سمات رقمية عالية الأبعاد وغير مرئية تكمّم التغاير المكاني على مستوى البكسل، وهو أمر مرتبط بيولوجياً بالتكاثر الخلوي وكثافة الأنسجة. وبدلاً من استبدال المعايير التشخيصية السريرية القائمة، تكمن القيمة الأساسية للراديوميات في تكاملها التآزري. وقد أشارت أدلة سابقة إلى أن النماذج التنبؤية التي تدمج بصمات الراديوميات مع عوامل الخطر السريرية التقليدية تتفوق باستمرار على النماذج التي تعتمد على البيانات السريرية فقط أو الراديوميات فقط18,22. وفي سير العمل السريري، يمكن أن يعمل هذا النهج المتكامل كأداة غير جراحية لتصنيف المخاطر. فعلى سبيل المثال، في المرضى الذين لديهم ملفات سريرية غامضة، يمكن لنموذج سريري-راديومي مشترك أن يحسّن التقييم قبل الجراحي للتعبير عن Ki-67، مما يوجه عملية التقييم الإضافي وتخطيط العلاج؛ وتظل هناك حاجة إلى التحقق الاستباقي قبل أن توجه هذه النماذج القرارات السريرية.

كما يواجه التطبيق السريري قيوداً بسبب فرط التخصيص في مساحات الميزات عالية الأبعاد، ومحدودية التحقق الخارجي المستقل في مراكز متعددة، ومحدودية قابلية تفسير النماذج. استخدمت معظم الدراسات المشمولة الانحدار اللوجستي، بينما استخدم عدد قليل منها مناهج التعلم الآلي غير الخطي أو التعلم العميق. وتشير قيم AUC العالية التي سجلتها هذه المجموعات الاستكشافية إلى أن النماذج المتقدمة تستحق مزيداً من الدراسة، إلا أن العدد المحدود للدراسات لا يحدد سقفاً للأداء أو تفوقاً على الانحدار اللوجستي. وقد تؤدي مناهج الذكاء الاصطناعي القابل للتفسير إلى تحسين قابلية تفسير النماذج المستقبلية. وقد جمع هذا التحليل التلوي بين النماذج القائمة على الراديوميكس فقط والنماذج التي تجمع بين البيانات السريرية والراديوميكس، وهو ما يعكس الأدبيات الحالية ولكنه يؤدي إلى تباين منهجي. لذا، ينبغي للدراسات المستقبلية الإبلاغ عن هذه المناهج بشكل منفصل والتحقق من صحتها خارجياً.

تشتمل هذه الدراسة أيضاً على عدة قيود. أولاً، تم استخلاص المجموعات المدرجة بشكل حصري تقريباً من مؤسسات صينية، مما قد يؤدي إلى تحيزات جغرافية ومسببات مرضية محتملة. ونظراً لأن مسببات سرطان الخلايا الكبدية (HCC) في شرق آسيا تهيمن عليها بشكل كبير عدوى فيروس التهاب الكبد B المزمنة، بينما تظهر المجموعات السكانية الغربية انتشاراً أعلى لفيروس التهاب الكبد C، وإساءة استخدام الكحول، والتهاب الكبد الدهني غير الكحولي، فإن القابلية للتعميم السريري لهذه النماذج القائمة على الراديوميات (radiomics) في سياقات الرعاية الصحية العالمية الأخرى لا تزال بحاجة إلى تحقق كامل. ثانياً، كانت الدراسات المدرجة ذات تصميم استرجاعي في الغالب ومعظمها أجري في مركز واحد، وعلى الرغم من أن تقييم QUADAS-2 أشار إلى وجود خطر منخفض بشكل عام للتحيز، إلا أن احتمال حدوث تحيز في الاختيار وتحيز في القياس لا يزال قائماً. لم تكن معايير تفسير Ki-67 موحدة تماماً عبر الدراسات، واختلفت قيم القطع المختارة بشكل كبير (من 10% إلى 50%). وبالرغم من تشابه تقديرات المجموعات الفرعية، إلا أن هذا التباين قد يؤثر على إمكانية مقارنة النتائج. بالإضافة إلى ذلك، لم يتم توحيد أو تصحيح الاختلافات في معايير المسح، وسُمك الشريحة، وخوارزميات إعادة البناء بين أجهزة التصوير المختلفة. ورغم أن مسارات تحليل الراديوميات تتضمن عادةً خطوات توحيد الميزات، إلا أن بروتوكولات المسح غير المتسقة تظل تحدياً رئيسياً يؤثر على إمكانية تكرار الميزات وقابلية تعميم النموذج. وأخيراً، أدى إدراج عدد قليل جداً من الدراسات التي تستخدم نماذج تعلم الآلة إلى الحد من الاستنتاجات المقارنة فيما يتعلق بتفوق الخوارزميات المختلفة. هناك حاجة إلى دراسات مستقبلية واسعة النطاق واستباقية ومتعددة المراكز. وبناءً على بروتوكولات موحدة للحصول على الصور ومعايير الكشف عن Ki-67، يجب أن تستكشف هذه الدراسات بشكل أكبر النماذج التنبؤية التي تدمج التصنيفات السريرية والراديومية وتوظف بنيات تعلم عميق أكثر تقدماً لتسهيل نقل الراديوميات من البحث المنهجي إلى أداة مفيدة سريرياً.

يجمع هذا التحليل التلوي الأدلة الحالية حول استخدام الراديوميكس (Radiomics) للتنبؤ بالتعبير عن Ki-67 في سرطان الخلايا الكبدية (HCC). أظهرت النماذج الراديوميكية أداءً تشخيصياً مجمعاً عالياً، إلا أن التباين الملحوظ بين الدراسات، وغلبة التصميمات الاسترجاعية أحادية المركز، ومحدودية التحقق الخارجي من الصحة، كلها عوامل تقيد التفسير السريري. وتدعم هذه النتائج إجراء المزيد من التقييمات للراديوميكس كعنصر مكمل محتمل للتقييم الباثولوجي، لكنها لا تثبت الفائدة السريرية. هناك حاجة إلى دراسات مستقبلية متعددة المراكز تستخدم تصويراً وتقييماً للـ Ki-67 وفق معايير موحدة لتقييم إمكانية التعميم والتطبيق السريري.

الإفصاحات

يصرح المؤلفون بأنه لا توجد تضاربات في المصالح.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
مدير المراجعة (Review Manager)Nordic Cochrane Centreالإصدار 5.3تقييم ورسم خرائط خطر الانحياز
StataStataCorpالإصدار 16.0التحليل التلوي التشخيصي باستخدام وحدة midas

المراجع

  1. Philips CA, et al. Hepatocellular carcinoma in 2021: an exhaustive update. Cureus. 2021;13(11):e19274.
  2. Llovet JM, et al. Hepatocellular carcinoma. Nat Rev Dis Primers. 2021;7(1):6.
  3. Siegel RL, Miller KD, Wagle NS, Jemal A. Cancer statistics, 2023. CA Cancer J Clin. 2023;73(1):17-48.
  4. Feng F, Zhao Y. Hepatocellular carcinoma: prevention, diagnosis, and treatment. Med Princ Pract. 2024;33(5):414-23.
  5. Alawyia B, Constantinou C. Hepatocellular carcinoma: a narrative review on current knowledge and future prospects. Curr Treat Options Oncol. 2023;24(7):711-24.
  6. Andrés-Sánchez N, Fisher D, Krasinska L. Physiological functions and roles in cancer of the proliferation marker Ki-67. J Cell Sci. 2022;135(11):jcs258932.
  7. Hsu HC, et al. Expression of p53 gene in 184 unifocal hepatocellular carcinomas: association with tumor growth and invasiveness. Cancer Res. 1993;53(19):4691-4.
  8. Cao Y, et al. DNA topoisomerase IIα and Ki-67 are prognostic factors in patients with hepatocellular carcinoma. Oncol Lett. 2017;13(6):4109-16.
  9. Stroescu C, et al. Expression of p53, Bcl-2, VEGF, Ki-67, and PCNA and prognostic significance in hepatocellular carcinoma. J Gastrointestin Liver Dis. 2008;17(4):411-7.
  10. Jue C, et al. Vasculogenic mimicry in hepatocellular carcinoma contributes to portal vein invasion. Oncotarget. 2016;7(47):77987-97.
  11. Di Tommaso L, et al. Role of liver biopsy in hepatocellular carcinoma. World J Gastroenterol. 2019;25(40):6041-52.
  12. Gillies RJ, Kinahan PE, Hricak H. Radiomics: images are more than pictures, they are data. Radiology. 2016;278(2):563-77.
  13. Hu XX, et al. Whole-tumor MRI histogram analyses of hepatocellular carcinoma: correlations with Ki-67 labeling index. J Magn Reson Imaging. 2017;46(2):383-92.
  14. Yao Z, et al. Preoperative diagnosis and prediction of hepatocellular carcinoma: radiomics analysis based on multimodal ultrasound images. BMC Cancer. 2018;18(1):1089.
  15. Page MJ, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
  16. Whiting PF, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529-36.
  17. Chen Y, et al. Diagnostic value of Gd-EOB-DTPA-enhanced MRI for the expression of Ki-67 and microvascular density in hepatocellular carcinoma. J Magn Reson Imaging. 2020;51(6):1755-63.
  18. Ye Z, et al. Texture analysis on gadoxetic acid-enhanced MRI for predicting Ki-67 status in hepatocellular carcinoma: a prospective study. Chin J Cancer Res. 2019;31(5):806-17.
  19. Ye Z, et al. Preoperative prediction of hepatocellular carcinoma with highly aggressive characteristics using quantitative parameters derived from hepatobiliary phase MR images. Ann Transl Med. 2020;8(4):85.
  20. Wu H, et al. Prediction of the Ki-67 marker index in hepatocellular carcinoma based on CT radiomics features. Phys Med Biol. 2020;65(23):235048.
  21. Shi G, et al. Evaluation of multiple prognostic factors of hepatocellular carcinoma with intravoxel incoherent motion imaging by extracting the histogram metrics. Cancer Manag Res. 2020;12:6019-31.
  22. Fan Y, et al. Radiomic analysis of Gd-EOB-DTPA-enhanced MRI predicts Ki-67 expression in hepatocellular carcinoma. BMC Med Imaging. 2021;21(1):100.
  23. Jing M, et al. The benefit of apparent diffusion coefficient in evaluating the invasiveness of hepatocellular carcinoma. Front Oncol. 2021;11:719480.
  24. Hu X, et al. Added value of viscoelasticity for MRI-based prediction of Ki-67 expression of hepatocellular carcinoma using a deep learning combined radiomics (DLCR) model. Cancers (Basel). 2022;14(11):2575.
  25. Wu C, et al. Nomogram based on CT radiomics features combined with clinical factors to predict Ki-67 expression in hepatocellular carcinoma. Front Oncol. 2022;12:943942.
  26. Dong Y, et al. Prediction of histological grades and Ki-67 expression of hepatocellular carcinoma based on Sonazoid contrast-enhanced ultrasound radiomics signatures. Diagnostics (Basel). 2022;12(9):2175.
  27. Liu Z, et al. Nomogram development and validation to predict Ki-67 expression of hepatocellular carcinoma derived from Gd-EOB-DTPA-enhanced MRI combined with T1 mapping. Front Oncol. 2022;12:954445.
  28. Zhang L, et al. Noninvasive prediction of Ki-67 expression in hepatocellular carcinoma using machine learning-based ultrasomics: a multicenter study. J Ultrasound Med. 2023;42(5):1113-22.
  29. Huang Z, Zhou P, Li S, Li K. Prediction of the Ki-67 marker index in hepatocellular carcinoma based on dynamic contrast-enhanced ultrasonography with Sonazoid. Insights Imaging. 2022;13(1):199.
  30. Zhao YM, et al. Added value of CE-CT radiomics to predict high Ki-67 expression in hepatocellular carcinoma. BMC Med Imaging. 2023;23(1):138.
  31. Zhang D, et al. Predicting Ki-67 expression in hepatocellular carcinoma: nomogram based on clinical factors and contrast-enhanced ultrasound radiomics signatures. Abdom Radiol (NY). 2024;49(5):1419-31.
  32. Miller I, et al. Ki-67 is a graded rather than a binary marker of proliferation versus quiescence. Cell Rep. 2018;24(5):1105-12.e5.
  33. Lambin P, et al. Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol. 2017;14(12):749-62.
  34. Shia WC, et al. Effectiveness of evaluating tumor vascularization using 3D power Doppler ultrasound with high-definition flow technology in the prediction of the response to neoadjuvant chemotherapy for T2 breast cancer: a preliminary report. Phys Med Biol. 2015;60(19):7763-78.
  35. Luo Y, et al. Clinicopathological and prognostic significance of high Ki-67 labeling index in hepatocellular carcinoma patients: a meta-analysis. Int J Clin Exp Med. 2015;8(7):10235-47.
  36. Aguirre-Meneses H, et al. Radiomics and the Image Biomarker Standardisation Initiative (IBSI): a narrative review using a six-question map and implementation framework for reproducible imaging biomarkers. Cureus. 2025;17(10):e95335.
  37. Voitenko DA, et al. RiTex: harmonization of radiomic features based on Riemannian geometry. J Imaging. 2026;12(6):264.
  38. Jearth V, et al. Correlation of clinicopathological profile, prognostic factors, and survival outcomes with baseline alfa-fetoprotein levels in patients with hepatocellular carcinoma: a biomarker that is bruised but not broken. J Clin Exp Hepatol. 2022;12(3):841-52.

إعادة الطباعة والأذونات

الوسوم

نماذج الراديوميكسالسمات الراديوميةالأداء التشخيصيالتصوير بالرنين المغناطيسيراديوميكس الموجات فوق الصوتيةالانحدار اللوجستي
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.