CT由于其高敏感性及通用性是检测HCC复发最常用的检查方法^{[34, 35]}，且是对不可切除的中晚期HCC患者行肝动脉化疗栓塞术（transcatheter arterial chemoembolization）的重要辅助工具，对肝动脉解剖、瘤体及瘤周边缘的显示具有指导意义^[36]，在肝癌诊疗及复发预测中发挥重要作用。基于CT的影像组学模型应用相对较早，在HCC患者早期复发中的预测性能日渐成熟。2007年，Segal等^[37]通过组合28个CT形态学特征证明其可以实现全球78%的HCC基因表达谱的重建，揭示细胞增殖、肝脏合成功能及患者预后，证明人类肝癌的基因组活性可以通过非侵入性成像进行解码。Zhou等^[38]使用机器学习算法构建LASSO回归模型筛选HCC患者影像组学特征，将其结合到传统的临床预测早期复发因素中比单独使用临床变量评估的效果更好，提供了一种全新的思路。Yuan等^[23]回顾性分析184例接受根治性射频消融治疗的HCC患者的临床资料，从原始图像和非抽取滤波变换后的滤波后图像中提取了647个影像组学特征，建立和验证了基于增强CT影像组学的HCC早期复发风险模型，结果显示：门静脉期影像组学特征联合临床病理因素模型在训练亚组和验证亚组的预测效果最好，提示联合模型较单纯临床模型有更好的预测能力（P＜0.0001）。而在熊亮霞等^[27]的研究中，使用t检验和Wilcoxon秩和检验对特征进行降维后，采用SVM对筛选出的4个动脉期、2个静脉期特征进行建模，结果显示基于CT动脉期组学模型预测性能优于静脉期和临床模型，他们认为肿瘤动脉期明显强化且周围微小癌栓造成的“代偿性动脉灌注”是导致动脉期图像能更好地反映肿瘤异质性的原因。

Shan等^[24]首次基于HCC切除边缘标准，将研究的感兴趣区（region of interest, ROI）向病变外周扩展2 cm，探索HCC切除或消融术后的瘤周影像组学（peritumoral radiomics, PT-RO）预测早期复发的价值，结果表明PT-RO特征是HCC早期复发的一个强有力的术前预测因子，校准曲线还显示PT-RO模型更符合有效队列中的实际HCC复发情况，优于瘤内影像组学（intratumoral radiomics, T-RO）模型和瘤周强化（peritumoral enhancement, PT-E）模型，但是这项研究提取的是肿瘤最大横截面积而不是三维体积的特征，可能会对模型的准确性以及临床应用的普适性产生一定的影响。Li等^[28]也注意到HCC肿瘤边缘对复发率的影响，提取巴塞罗那分期（Barcelona Clinic Liver Cancer, BCLC）0～B期接受根治性切除术前2周患者的肿瘤及肿瘤周围CT图像影像组学特征，在与临床预测指标（年龄、性别、Child-Pugh肝功能等）结合时提高了早期和晚期复发的预测性能。

Ning等^[25]研究发现肿瘤包膜、肿瘤大小、γ谷氨酰转移酶水平是HCC患者早期复发的临床危险因素，而基于增强CT图像的影像组学特征可以捕获重要的肿瘤内异质性表型信息，作为肿瘤生物学的粗略替代物在联合预测模型中与肿瘤大小及GGT水平成为HCC早期复发的独立预测因素（P＜0.05）。Zhu等^[26]将假定的预测成像特征输入LASSO logistic回归模型，再通过十倍交叉验证，将过滤后的非过拟合影像组学特征和临床危险因素（AFP、肿瘤数量和肿瘤大小）合并到诺模图中，在训练队列和验证队列方面都显示出显著的区分性。

差异不仅存在于不同模型之间，使用不同的机器学习算法也可以对结果的准确性产生影响，Wu等^[29]分别应用了logistic回归模型、Bayes、SVM和KNN四种算法构建HCC早期复发的预测模型，使用受试者工作特征曲线评估模型的诊断准确性，再经过DeLong测试选择最佳机器学习方法，最终结果表明logistic回归构建的影像与临床联合模型预测性能最佳（AUC：0.907）。

以上研究均强调影像组学特征与肿瘤复发和转移存在潜在的病理生理学联系，从CT图像中提取的特征不仅仅是单纯的图像像素值，还可以反映一定的分子生物学功能，因此联合临床潜在复发因素为后续预测模型构建开拓了新的方向。

已有多项研究表明，MRI对HCC复发的诊断显示出比CT更高的准确性和敏感性，是诊断慢性肝病患者HCC的首选成像方式^{[39, 40]}。Hui等^[41]首次提出选择合适的术前MRI单一纹理分析参数预测HCC早期复发的准确率高达84%，但这些发现需要通过进一步的研究来验证。Kim等^[30]在随机生存森林中使用了对数秩方法和最大选择检验两种分裂方法来评估预测结果的一致性，并进行超参数优化以提高模型的泛化能力，通过研究HCC术前边缘延伸0、3、5 mm的影像组学模型的预后价值，证明术前瘤周边缘延伸3 mm的增强MRI可以预测可切除HCC患者早期复发的术后无病生存期（disease-free survival, DFS），具有与术后临床病理模型相当的预后价值，提示基于机器学习的影像组学模型更加精细和个性化，可能会改善每个肝癌患者的预测性能。

Zhang等^[31]通过一项前瞻性研究建立了一个影像组学诺模图，该图由血清AFP水平、血管侵犯总量以及非光滑肿瘤边缘构建，将多特征纹理以及潜在肿瘤异质性信息集成在一个影像组学评分中用于预测小于1年的HCC术后早期复发，在训练和验证队列中都显示出良好的辨别和校准能力。Zhao等^[32]开发并验证了一种基于多参数MRI（multiparametric MRI, mpMRI）的影像组学模型用于预测肝部分切除后HCC患者的早期复发，筛选出的特征描述了图像内体素强度的分布与局部像素的空间关系，提供更完整的形态学及更全面的肿瘤异质性信息，研究证明结合影像组学评分和三个临床病理危险因素（MVI、Edmondson病理分级和肿瘤大小）的联合诺模图更具有竞争力。Wang等^[33]同样采用多序列MRI图像提取单个结节直径≤5 cm的HCC影像组学特征，进一步证实了上述结果，他们还提到，在影像组学最终筛选出构建模型的特征中，2个来自T2WI序列，10个来自动态对比增强MRI序列，表明后者图像中隐藏的信息对HCC患者早期复发鉴别诊断有着更大的影响。

这些研究只考察了根治性切除术后HCC的早期复发，而射频消融由于其微创性、并发症少及住院时间短等优点，是小型及早期HCC的主要适应证^{[42, 43]}。Wen等^[44]根据两年的随访结果，将单个肿瘤直径≤3 mm且接受手术切除或射频消融术后的小肝癌患者分为早期复发组（n=53）和非早期复发组（n=58），使用互信息（mutual information, MI）、Fisher系数、分类误码概率与平均相关系数相结合三种特征选择方法自动识别出150个纹理特征，再通过LASSO对特征进行降维及十倍交叉验证和100次重复筛选出最优预测因素，经多变量logistic回归分析后，确定影像组学评分和术前血小板计数是小肝癌早期复发的最终独立预测因素，进而建立了基于术前MRI的影像组学诺模图来预测小肝癌的早期复发（AUC：0.981，95% CI：0.957～1.00），其优越的预测性能有助于临床医生简单地使用术前因素进行临床决策，进而为有早期复发风险的小肝癌患者提供更密切的随访或建立更积极的诊疗方案。

总体来说，基于MRI构建影像组学特征及与临床病理因素结合的诺模图具有预测HCC根治术后早期复发的潜力，可以作为一种无创性的有效工具进一步研究，选择最佳的治疗策略并设计更有效的个体化监测方案，以改善临床结果。

基于CT的影像组学研究表明，图像采集参数（如层厚、重建算法、图像分辨率，对比剂的种类、剂量、注射速率及扫描仪型号）的变化对纹理量化的影响最为显著^{[45, 46]}。而通常与基于MRI的影像组学特征有关的影响因素是回波时间（echo time, TE）、重复时间（repetition time, TR）、采样带宽（sampling bandwidth, SBW）、空间分辨率、信噪比（signal-noise ratio, SNR）、场强、扫描仪型号、重建算法和并行成像加速因子的变化^{[47, 48]}。MRI较CT具有更好的软组织分辨力，无辐射和硬化伪影，且可提供多种有助于HCC诊断的序列参数，如扩散加权成像、肝胆特异性对比剂增强序列等，以更可靠多元的纹理特征评估肿瘤的异质性；然而在HCC患者的诊断中，MRI图像获取有着更高的技术复杂性、伪影敏感性以及图像质量不均一性，在屏气困难或大量腹水的患者中，MRI图像将受到较CT更为明显的影响^[49]，这些因素都会影响影像组学模型为HCC早期复发预测提供准确的相关影像生物标志物信息。