黃 冠，蒲 紅△，尹芳艷，李小雪，朱 浩

(1.電子科技大學醫(yī)學院，四川 成都 610072；2.四川省醫(yī)學科學院·四川省人民醫(yī)院放射科，四川 成都 610072；3.四川省都江堰市醫(yī)療中心放射科，四川 成都 610072)

隨著醫(yī)療信息現(xiàn)代化建設的快速發(fā)展，醫(yī)療數(shù)據(jù)呈指數(shù)增長，各種圖像分析、模式識別工具也快速增加，因此促進了影像組學提出與發(fā)展。影像組學這一概念，最開始由Lambin[1]提出，是指通過先進的計算機技術，把醫(yī)學圖像轉化為可量化的數(shù)據(jù)，并隨后結合臨床和病理分析這些數(shù)據(jù)，最后將所得結果用于指導臨床。影像組學提取圖像的一階、二階、高階統(tǒng)計特征和紋理特征，分析紋理特征背后所代表的臨床的意義，與傳統(tǒng)的基于疾病形態(tài)結構變化的影像研究形成鮮明對比。本文主要基于影像組學的工作流程及臨床應用綜述其研究進展。

1 影像組學工作流程

影像組學的工作流程主要包括以下4個步驟[2]：①圖像的獲取：影像組學的圖像大多來源于電子計算機斷層掃描(computed tomography，CT)、磁共振成像(magnetic resonance imaging，MRI)、正電子發(fā)射型計算機斷層顯像(positron emission computed tomography，PET-CT)和超聲，其中CT圖像因其格式標準，容易獲取，因此在研究中最常采用。②圖像分割：圖像分割主要有三種方式，即手動、自動、半自動，其中手動分割是金標準。③特征提?。禾崛〉挠跋駥W特征主要包括三類，形態(tài)學特征、統(tǒng)計學特征和紋理特征，通過特定的軟件如MATLAB、MAZDA、A.K等，也可通過研究人員自己編程提取圖像特征。④模型建立：通過篩選特征后，結合臨床數(shù)據(jù)建立診斷、鑒別診斷、療效評價、生存分析等模型，以用于指導臨床決策。

2 影像組學的臨床應用

在過去十年中，關于“影像組學”的研究明顯增加，尤其是最近兩年，每年的文章呈倍數(shù)增長。影像組學多用于實體腫瘤的研究，在描述腫瘤的生物學特征、腫瘤的診斷、療效的監(jiān)測及預后取得了一些初步成果。雖然將這些成果應用于臨床還有很長一段路要走，但在人工智能迅速發(fā)展的今天其應用前景具有很大潛力。

2.1影像組學與腫瘤基因表型及分子標記物腫瘤的發(fā)生常與相關的遺傳物質發(fā)生改變有關，這些改變通常會對編碼的蛋白質或一些大小分子表達產(chǎn)物產(chǎn)生不同影響，影像組學通常認為，這些微觀的改變必將引起影像圖像的紋理特征發(fā)生變化。腎細胞癌是成人腎臟疾病中常見的一種腫瘤疾病，15%的腎細胞癌發(fā)生被認為是和BRCA1相關蛋白1基因(BAP1)改變有關，并且與腫瘤分級和預后不良相關[3]。Ghosh等[3]通過對78例已證實BAP1基因突變陽性的腎細胞癌患者進行研究，評估圖像紋理特征與基因突變的相關性，結果表明，影像組學的方法對預測BAP1基因的突變發(fā)現(xiàn)具有很高的敏感性和特異性。Yip等[4]研究非小細胞肺癌(non-small cell lung cancer，NSCLC)與表皮生長因子受體(epidermal growth factor receptor，EGFR)基因突變的關系，評估了66個放射學特征，結果表明，大部分特征(n = 56，85%)能預測EGFR突變(AUC≥0.61)。在乳腺腫瘤方面，Antunovic等[5]對43例首次診斷為乳腺癌的患者進行回顧性研究，采用單因子分子，層次聚類分析和Fisher檢驗，結果顯示，影像特征與表達管腔上皮A型(luminal A)-、管腔上皮B型(luminal B)-/HER2-和luminal B+/HER2+的乳腺癌組織之間有顯著關系。Li等[6]研究乳腺磁共振成像特征與MammaPrint，Oncotype DX和PAM50多基因檢測之間的關系，以影像組學乳腺癌復發(fā)風險中的作用，結果顯示了良好的預測能力。Panth等[7]在NMRI-nu小鼠注射HCT116多西四環(huán)素，誘導GADD34細胞在側腹生長為異種移植物，分別在40 kVp和80 kVp不同的CT成像條件得到的圖像上進行影像組學分析，表明基因誘導的GADD34過表達的分子特征能轉化為具體的影像組學特征。

在分子標記物方面。腫瘤血管是腫瘤生長，增殖，轉移以及預后的必要條件，Yin等[8]發(fā)現(xiàn)，腎透明細胞癌放射學特征與腫瘤微血管密度和VEGF之間有顯著相關性。腫瘤的代謝體積(metabolic tumor volumes，MTVs)通常與N-乙酰天冬氨酸(n-acetyl aspartate，NAA)和膽堿(choline，Cho)的異常水平相關，Lopez等[9]提取17個多形性膠質母細胞瘤患者5類共816個MRI紋理特征，去除冗余特征后，采用相關分析結果發(fā)現(xiàn)腫瘤代謝體積與NAA水平密切相關，然而與Cho相關的成像特征較少。Zhu等[10]發(fā)現(xiàn)乳腺癌的MRI圖像特征與DNA突變，miRNA表達，蛋白表達，基因通路表達和拷貝數(shù)變異等相關。

2.2影像組學與疾病的診斷、鑒別診斷及病理分型

從20世紀80年代開始，計算機輔助診斷系統(tǒng)就被用來幫助影像科醫(yī)生檢測病變及診斷疾病，隨著影像組學的提出和發(fā)展，高通量數(shù)據(jù)的挖掘分析必將更進一步提高影像診斷準確性。Tsujikawa等[11]通過對83例不同亞型宮頸癌18F-FDG PET/CT圖像特征進行分析，提取18個PET特征經(jīng)過分類建模以后，結果顯示灰度共生矩陣中相關性能很好區(qū)分鱗狀細胞癌和非鱗狀細胞癌。Huang等[12]通過比較影像組學的方法和人工方法對肺部小結節(jié)的檢測，表明影像組學的方法能明顯降低肺癌篩查小結節(jié)的假陽性率，對早期肺癌檢測受試者工作特征曲線下的面積(the Area Under the Receiver Operating Characteristic Curve，AUC)達到91%，人工為88%。Parekh等[13]也提取多參數(shù)MRI圖像特征，對乳腺結節(jié)進行良惡性檢測。van den Burg等[14]利用影像組學方法分析24例梅尼埃病患者和29例特發(fā)性不對稱感音神經(jīng)性聽力損失患者內耳迷路高分辨率T2加權MRI圖像特征，兩組紋理分析差異具有統(tǒng)計學意義，初步探索了利用影像組學方法對梅尼埃病診斷的可行性。Khalvati等[15]表示基于放射組學方法，通過利用多參數(shù)MRI成像數(shù)據(jù)能實現(xiàn)早期前列腺癌的自動檢測。Ma等[16]回顧性分析40例Borrmann IV型胃癌患者和30例原發(fā)性胃淋巴瘤患者門靜脈期CT圖像485個影像組學特征，結果顯示放射組學特征區(qū)分Borrmann IV型胃癌和原發(fā)性胃淋巴瘤具有很高準確性。自閉癥是一類神經(jīng)功能異常的疾病，然而在常規(guī)頭部影像圖像上很難發(fā)現(xiàn)異常，Chaddad等[17]通過分析不同年齡段自閉癥患者磁共振T1圖像，采用支持向量機和隨機森林法對影像特征分類后，結果顯示來自海馬的特征有作為自閉癥診斷的生物學標志潛力。

在病理分型方面，Yuan等[18]比較傳統(tǒng)體積分析法和影像組學法對肺腺癌的分型的準確性，結果顯示，從浸潤性腺癌中分離出原位腺癌和微浸潤性腺癌，影像組學方法表現(xiàn)出更好的診斷準確性，AUC達到80.5%，而傳統(tǒng)體積分析法只有69.5%。Hwan-ho Cho等[19]從磁共振T1、T2、FLAIR及T1增強圖像上提取腦膠質瘤的直方圖、形狀和灰度共生矩陣影像組學特征量化膠質瘤病理分級，結果顯示AUC達到88%，準確率89%，靈敏度88%，特異性90%。Wu等[20]利用單因素分析和多因素分析預測肺癌組織學亞型(腺癌和鱗癌)，從350例患者CT圖像中提取440個放射組學特征，結果表明放射學特征與肺腫瘤組織學分型顯著相關，AUC達到72%，顯示了放射組學在組織分型上的巨大潛力。Bae等[21]從80例患者肺腺癌中提取術前CT和PET圖像特征，采用影像組學方法對腫瘤結節(jié)進行分級，表明來自影像的部分特征可以幫助預測肺腺癌的病理侵襲性。Zhang等[22]采集61例膀胱癌患者擴散加權成像(Diffusion Weighted Imaging，DWI)和相應的從表觀擴散系數(shù)(Apparent Diffusion Coefficient，ADC)數(shù)據(jù)，每個感興趣區(qū)體積內提取102個特征，篩選出47個特征，采用支持向量機進行膀胱腫瘤分級，結果顯示DWI和ADC圖像的紋理特征，特別是ADC圖的灰度共生矩陣特征，可以反映低級別和高級別膀胱癌的差異。

2.3影像組學與療效監(jiān)測和臨床決策影像組學基于其大通量的數(shù)據(jù)特征，能早期發(fā)現(xiàn)治療過程中基于病情變化而改變的紋理特征，在監(jiān)測療效的同時機動地優(yōu)化治療方案。Zhang等[23]研究磁共振成像的放射學特征對于預測晚期鼻咽癌(nasopharynx cancer，NPC)患者進展的潛力，從118例晚期鼻咽癌患者中提取970個初始特征，采用LASSO降維以后，選擇11個個特征進一步分析，結果確定了8個特征與晚期鼻咽癌的進展顯著相關，對晚期鼻咽癌的預治療方案選擇有重要意義。Zhou等[24]收集215例肝細胞癌患者術前動脈期和門脈期圖像，從300個候選特征中選擇了21個特征來構建一個預測肝細胞癌早期復發(fā)的模型，比較臨床分析方法，顯示影像組學能較準確預測肝細胞癌早期復發(fā)，AUC為83%，而臨床分析方法AUC為78%。Mattonen等[25]比較影像組學和影像醫(yī)師對早期肺癌患者接受立體定向消融放療(stereotactic ablative radiation therapy，SABR)后局部復發(fā)的判斷情況，結果表明，放射組學對監(jiān)測與局部復發(fā)有關的早期變化準確率明顯高于醫(yī)師組，這將有助于臨床醫(yī)師早期制定對SABR放療后局部復發(fā)患者治療方案。Coroller等[26]研究基于腫瘤新輔助放化療前后CT紋理特征分析，預測晚期非小細胞肺癌治療后反應，7個特征可預測治療后病變總殘余(AUC> 0.6，P< 0.05)，1個特征可用于預測臨床完全緩解(AUC = 0.63，p值= 0.01)。肺癌患者在接受立體定向消融放療后很容易出現(xiàn)放射性肺損傷，在隨訪中很難與腫瘤復發(fā)相區(qū)分，Cunliffe等[27]回顧性分析106例接受食管癌放療患者胸部CT影像數(shù)據(jù)對放射性肺炎識別能力，結果顯示，CT特征的變化和放射性肺炎發(fā)生有密切關系。Mattonen[25]和Anthony[28]等也同樣運用影像組學的方法成功預測腫瘤患者放療后放射性肺炎發(fā)生。Folkert等[29]回顧性研究174例III-IV期口咽癌患者治療前后18-FDG-PET掃描圖像，預測腫瘤局部消退和遠處轉移。Vallières等[30]聯(lián)合運用FDG-PET和MR圖像，提取六種不同類型的紋理特征評估51例軟組織肉瘤患者肺轉移風險，單因素分析顯示各向同性體素大小對預測結果影響最大，在多因素分析中，融合PET和MR圖像提取的紋理特征在肺轉移預估方面顯著優(yōu)于某一種掃描圖像的紋理特征。Zhou等[31]從348例肺癌患者術前CT圖像中提取485個放射學特征，降維后選擇4個放射學特征和3個臨床特征，使用支持向量機來評估每個特征的預測能力，AUC可大于89%，表示治療前CT圖像的放射學特征可作為遠處轉移的預測因子。頭頸癌放療患者經(jīng)常會出現(xiàn)長期口干和/或腮腺萎縮，如果在治療的早期階段能及時預測癥狀的發(fā)生，則可以對有風險的患者調整相適應性的治療計劃，Pota等[32]使用影像組學的方法，提取頭頸癌放療患者治療早期和治療中期CT圖像特征，結果表示基于影像組學的特征可以作為放療后長期口干和/或腮腺萎縮的預測因子。

2.4影像組學與疾病預后一種疾病除了其病因、病理、臨床表現(xiàn)、治療方案等之外，疾病的近期和遠期恢復或進展的程度也很重要。同一種疾病，由于患者的年齡、體質、合并的疾病、接受治療的早晚等諸多因素不同，即使接受了同樣的治療，預后也有很大的差異，而影像組學認為影響疾病的各種預后因素能通過圖像紋理特征表現(xiàn)出來。Shen等[33]比較非小細胞肺癌CT圖像的二維和三維放射學數(shù)據(jù)差異，從588例非小細胞癌患者中選擇1014個影像學特征(507個2D特征和507個3D特征)，分別建立2D和3D特征COX回歸模型，發(fā)現(xiàn)二維和三維CT特征對非小細胞肺癌預后均有一定的預測作用，但二維特征實驗中表現(xiàn)更好。Huang等[34]表示影像組學不僅能預測非小細胞肺癌(I-II期)患者無病生存率，且對于疾病的分期準確性高于傳統(tǒng)分期系統(tǒng)。Bogowicz等[35]研究基于CT定量圖像特征和放療后頭頸部磷狀細胞癌(head and neck squamous cell carcinoma，HNSCC)局部控制情況、人乳頭狀瘤病毒(human papillomavirus，HPV)水平關系，建立COX回歸模型，發(fā)現(xiàn)HNSCC密度不均一性與放化療后的局部控制和HPV狀態(tài)有關(CI等于0.75，AUC等于0.85)。Bogowicz等[36]的另一個實驗比較基于CT數(shù)據(jù)和18F-FDG PET數(shù)據(jù)使用影像組學的方法對HNSCC放化療預后的預測能力，從121例HNSCC患者原發(fā)腫瘤區(qū)域提取增強CT和18F-FDG PET圖像影像學特征，使用主成分分析法去除冗余特征，建立多變量Cox回歸分類模型，表示兩種數(shù)據(jù)都能對預后做出相對準確預測，但CT圖像特征高估了預后不良組中的腫瘤局部控制情況(預測值為68%，實際值為56%)。Ouyang等[37]提取MRI特征預測晚期頭頸癌預后，認為影像組學特征是一種有效的非侵入性的預后生物學標志。同樣Ou等[38]也用影像組學方法預測了HNSCC患者總體生存率以及無進展生存期。Paul等[39]采用隨機森林遺傳算法提取65名晚期食管癌放化療前PET圖像數(shù)據(jù)，預測治療反應及3年存活率。Gnep等[40]研究MRI圖像紋理特征與前列腺癌放療后復發(fā)之間的關系，從T2加權和ADC圖像中提取了140個圖像特征，包括一階統(tǒng)計學特征、梯度特征、二階紋理特征，建立Cox回歸分析模型和采用隨機生存森林法來評估MRI特征與治療后復發(fā)之間的關系，并評估Gleason評分與MRI特征之間的相關性，結果顯示，T2加權的Haralick特征與前列腺癌放療后的復發(fā)密切相關。

3 總結

影像組學有很大的臨床應用潛力，能夠充分挖掘和分析不同疾病特異性影像特征，給臨床提供量化和監(jiān)測疾病的非侵入性工具，提高疾病的早期診斷準確性，實現(xiàn)早期干預、提高患者生存質量。其大部分的工作流程都是在電腦上完成的，成本低廉，易于被患者接受，且能實現(xiàn)對患者圖像個體化分析。影像組學的發(fā)展才短短數(shù)十年，已取得非?？捎^的成果，然而其分析技術主要依賴于計算機的發(fā)展，每一步工作流程中都存在著或大或小的不足，因此，影像組學應用于臨床還面臨著巨大的挑戰(zhàn)。但這些并不能否認影像組學成為更好的臨床決策工具的潛質，其快速、低成本、可重復及非侵入性等優(yōu)點必將對影像學和臨床的發(fā)展產(chǎn)生巨大革新。