摘要目的 探讨基于深度学习(DL)的CT自动三维定量肿瘤负荷预测肝细胞癌(HCC)术后早期复发(ER)的潜力.方法 回顾性分析经病理证实且术前行上腹部CT增强扫描的HCC患者的临床及影像资料.将图像数据分为两部分:第一部分300例数据由影像科医师标注后用于U-Mamba分割模型训练,将其按照7∶3的比例随机分为训练集(n=210)和测试集(n=90),模型训练的评价指标为测试集的Dice相似系数(DSC)和95%豪斯多夫距离(HD95);第二部分156例数据用于模型验证,使用第一部分训练好的模型预测肝脏及肿瘤区域,由两位影像科医师检查模型的预测结果,挑选出分割效果满意的130例数据.对上述300例及130例数据中肝脏及肿瘤标签进行数据处理,采用体素计数法获得定量肿瘤总体积(cm3)和总肿瘤负荷(TTB,%).通过Cox回归分析确定临床病理变量和肿瘤负荷相关参数对ER的预后价值.结果 共纳入430例患者,巴塞罗那临床肝癌分期(BCLC)A期和B期分别为351例和79例(2年ER率:28.6%、48.1%;HR=1.67;P=0.006).TTB是ER最重要的预测因素(HR=2.53;P<0.001).以28.0%为TTB阈值,在总体(P<0.001)、BCLC A期(P=0.003)和BCLC B期(P<0.001)患者中分成两个ER风险分层.BCLC B期低TTB患者发生ER的风险与BCLC A期患者相似,因此被重新分配到BCLC An期;而BCLC B期高TTB患者仍处于BCLC Bn期.BCLC An期患者、BCLC Bn期患者的2年ER率分别为30.7%、83.3%(HR=5.08;P<0.001).结论 基于DL的CT自动分割确定的TTB可作为预测HCC术后ER的影像生物标志物,有助于对BCLC A期和B期HCC患者进行重新细化.