呂建波，齊欣，陳志庚，沙琳

高級別膠質(zhì)瘤(high grade gl iomas，HGG)是成人常見的惡性腦腫瘤，約占中樞神經(jīng)系統(tǒng)原發(fā)性惡性腫瘤的70%[1]。近年來，顱內(nèi)轉(zhuǎn)移瘤已成為癌癥常見的神經(jīng)并發(fā)癥，其中25%～30%為單發(fā)腦轉(zhuǎn)移瘤(sol it ar y br ain met ast ases，SBM)。然而兩類腫瘤的起源不同，治療方法及預(yù)后均有顯著差異，術(shù)前準(zhǔn)確的鑒別診斷非常重要[2]。MRI是診斷腦腫瘤的主要成像手段，當(dāng)患者以SBM為首發(fā)癥狀時，MRI很難將其與HGG區(qū)分[3]。此外，影像醫(yī)師通過影像圖像來鑒別診斷腦腫瘤存在主觀性，且不同的醫(yī)師在診斷過程中也存在一定差異性。近年來，隨著定量成像分析技術(shù)的進步，影像組學(xué)(r adiomics)成為一種有效的工具，它能夠提取肉眼無法檢測的高通量定量成像特征，并將影像圖像上的灰度信息轉(zhuǎn)換為可視化數(shù)據(jù)，因此采用影像組學(xué)與MRI相結(jié)合的方法可以提高鑒別HGG和SBM的準(zhǔn)確率[4]。本文回顧分析影像組學(xué)分別與常規(guī)MRI及功能磁共振成像(f unct ional MRI，f MRI)相結(jié)合用于鑒別HGG及SBM的研究進展，討論影像組學(xué)在精確診斷和癌癥治療中的價值與診斷。

1 影像組學(xué)的介紹及操作流程

影像組學(xué)是一個頗具前途的醫(yī)學(xué)研究領(lǐng)域，最早是由Lambin等[5]正式提出的，它是指從計算機斷層掃描(computed tomography，CT)、MRI及正電子發(fā)射斷層掃描(positron emission t omogr aphy，PET)等多模式醫(yī)學(xué)圖像中提取大量的高維定量特征，這些特征通常無法用人眼檢測[6]，因此影像組學(xué)使影像診斷從依賴醫(yī)學(xué)圖像中的基本視覺特征轉(zhuǎn)向隱藏在像素數(shù)據(jù)中新的非視覺特征[7]。影像組學(xué)與傳統(tǒng)的CT、MRI不同，在病變區(qū)域或是正常人體中均有較高的使用價值。其特征分析主要分以下幾步：影像學(xué)資料的收集、ROI的分割、影像特征提取以及特征分析與創(chuàng)建預(yù)測模型[8]。影像組學(xué)通常是從數(shù)據(jù)收集開始，為獲得更理想的分析結(jié)果，選擇時應(yīng)避免過于異質(zhì)性的影像學(xué)資料。Lar ue等[9]發(fā)現(xiàn)不同的圖像采集參數(shù)會對提取特征的重復(fù)造成影響。ROI的分割是影像組學(xué)的基本步驟。分割的方法包括手動分割、半自動分割和自動分割[10]。然而，腫瘤分割沒有金標(biāo)準(zhǔn)，無論采用何種方法都有一定局限。Par mar等[11]研究發(fā)現(xiàn)半自動分割獲取的影像特征比人工分割具有更高的重復(fù)性和更強的穩(wěn)健性，體現(xiàn)了半自動分割在一致性和可重復(fù)性方面的潛力。但目前尚無研究指出哪種分割方法最有優(yōu)勢，且自動分割的應(yīng)用前景仍需要大量研究去證實。提取高通量特征是Radiomics的核心步驟[12]，通常提取的特征分為4種類型。①基于形狀的特征，例如：體積、表面積、致密性等[13]；②一階統(tǒng)計量，通?；谥狈綀D，包括平均值、熵、偏度和峰度等；③二階特征，稱為基于紋理的度量，包括灰度共生矩陣(gr ay l evel co-occurr ence mat r ix，GLCM)、灰度級長矩陣(gr ay-l evel r un-l engt h mat r ix，GLRLM)等[14]；④高階特征，其通常指在圖像上施加濾波器，以推斷重復(fù)或非重復(fù)模式。常用的濾波器有高斯拉普拉斯、小波變換和分維等[15-16]。其他計算成像特征，如局部二值模式(l ocal binary pattern，LBP)和尺度不變特征變換(scal e invariant f eature transf orm，SIFT)也可用于影像特征分析[17-18]。影像組學(xué)研究中常用的特征選擇方法可分為三大類：過濾法、包裝法和嵌入法。應(yīng)用較多的特征選擇方法是最小絕對收縮和選擇算子，它是一種嵌入方法，可以同時產(chǎn)生選定的特征和預(yù)測模型[19]。影像組學(xué)的最終目標(biāo)是建立一個具有特定特征的臨床結(jié)果預(yù)測模型。建模方法通常有有監(jiān)督、半監(jiān)督和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)包括支持向量機、套索Logistic回歸和隨機森林等[20]。無監(jiān)督學(xué)習(xí)常見的分類器包括K均值算法、高斯混合聚類、共識聚類等[7]。半監(jiān)督學(xué)習(xí)則包括無監(jiān)督特征學(xué)習(xí)階段和監(jiān)督模型訓(xùn)練階段[21]。

2 基于MRI的影像組學(xué)在鑒別HGG與SBM的研究進展

2.1 基于常規(guī)MRI的影像組學(xué)在鑒別HGG與SBM的研究進展

常規(guī)MRI成像目前是診斷腦部腫瘤的常用方法。HGG與SBM在MRI上表現(xiàn)極為相似，都表現(xiàn)為瘤周水腫、中心壞死和邊緣不規(guī)則強化，這導(dǎo)致超過40%的病例由于難以鑒別發(fā)生誤診[22]。為了降低誤診率大量研究學(xué)者在常規(guī)MRI的基礎(chǔ)上加入影像組學(xué)的方法來鑒別這兩種腫瘤。影像組學(xué)中常用的一階特征主要是直方圖，用于描述與ROI內(nèi)的體素強度分布有關(guān)的特征，但不包含各體素之間相互的空間作用。張勝等[23]研究發(fā)現(xiàn)HGG與SBM實質(zhì)強化部分的增強T1加權(quán)成像(T1 weight ed imaging，T1WI)直方圖參數(shù)峰度值為鑒別這兩種病變提供可靠依據(jù)。張國琴等[24]證明了腫瘤瘤體T2加權(quán)成像(T2 weight ed imaging，T2WI)直方圖的中位數(shù)、標(biāo)準(zhǔn)偏差和平均數(shù)都可用于SBM和HGG的鑒別，其中平均數(shù)具有最佳的診斷效能。也有部分學(xué)者將研究重點放在紋理分析的應(yīng)用上，紋理特征主要是描述體素空間分布強度等級的特征。王敏紅等[4,25]首先對HGG與SBM瘤體區(qū)進行紋理分析，發(fā)現(xiàn)增強T1WI自相關(guān)、均值為鑒別二者提供了可量化的依據(jù)，隨后又對兩種腫瘤的瘤周區(qū)域進行紋理分析，結(jié)果表明液體衰減反轉(zhuǎn)恢復(fù)(f l uid at t enuat ed inver sion r ecover y，F(xiàn)LAIR)序列偏度值及峰度度值對鑒別二者具有重要意義。這與彭勇等[26]的研究結(jié)果一致，顯示出高通量紋理分析對SBM和HGG的鑒別診斷具有較高準(zhǔn)確性。高階特征通常指在圖像上施加濾波器，以推斷重復(fù)或非重復(fù)模式?，F(xiàn)階段的研究發(fā)現(xiàn)，部分高階特征也被用于SBM與HGG的鑒別中。Csut ak等[2]在T2WI上對瘤周區(qū)域進行紋理分析，發(fā)現(xiàn)第一百分位數(shù)和小波能量紋理參數(shù)可作為鑒別HGG和SBM的獨立預(yù)測因子，其敏感度為75%～87.5 %，特異度為53.8 5%～88.4 6%。與Kat ar ina等[27]的研究結(jié)論相符。上述學(xué)者的研究結(jié)果說明基于MRI的影像組學(xué)對于鑒別HGG與SBM具有指導(dǎo)意義。

2.2 基于功能MRI的影像組學(xué)在鑒別HGG與SBM的研究進展

f MRI是近年來發(fā)展起來的一種探測腦內(nèi)功能活動的新技術(shù)，它將功能、影像和解剖三方面的因素融為一體，可以準(zhǔn)確高效地定位活體人腦中各個功能區(qū)。由于它的無創(chuàng)傷性、較高的時間和空間分辨率、可重復(fù)性[28]，許多研究學(xué)者將其與影像組學(xué)相結(jié)合，用于鑒別HGG與SBM。擴散張量成像(dif f usion t ensor imaging，DTI)因其能準(zhǔn)確檢測每個體素水分子擴散的各向異性和清晰地反映白質(zhì)纖維束走行，在鑒別HGG與SBM的研究中也取得了一定的進展。Kar ol ine等[29]在DTI圖像上應(yīng)用過濾直方圖技術(shù)來描述腫瘤和瘤周的異質(zhì)性，證實了DTI可應(yīng)用于HGG與SBM的鑒別，且在提取的特征參數(shù)中熵的診斷效能最高。此外，Suh等[30]對1143例患者采用層次Logist ic回歸模型建立驗證擴散加權(quán)成像(dif f usion weight ed imaging，DWI)和DTI可以區(qū)分HGG與SBM。擴散峰度成像(dif f usion kur t osis imaging，DKI)是基于DTI技術(shù)上的延伸，描繪組織內(nèi)水分子擴散偏離正態(tài)分布的量，在鑒別HGG和SBM方面也優(yōu)于DTI。Tan等[31]對比研究DKI和DTI鑒別HGG與SBM的價值，證實了DKI定向分析用于鑒別二者的敏感性和定向特異性均高于DTI。此外，磁共振灌注成像(per f usion weight ed imaging，PWI)、ADC也被證實對HGG與SBM的鑒別具有指導(dǎo)作用。Nat hal ie等[32]對患者進行灌注加權(quán)成像檢查，通過評估腫瘤區(qū)的相對腦血容量(r el at ive cer ebral bl ood vol ume，r CBV)、瘤周區(qū)的相對腦血容量及瘤周區(qū)域的紋理特征，他們發(fā)現(xiàn)紋理特征中的對比度、平均值以及相對腦血容量參數(shù)對兩種腫瘤的鑒別價值更高。王翅鵬等[33]測量瘤體和瘤周水腫區(qū)ADC直方圖參數(shù)，利用ROC評價ADC直方圖參數(shù)鑒別HGG與SBM的診斷效能，發(fā)現(xiàn)瘤體ADC-5t h鑒別診斷HGG與SBM的效能最高。由此可見，影像組學(xué)的應(yīng)用已不再局限于和常規(guī)MRI的結(jié)合，基于f MRI的影像組學(xué)在鑒別HGG與SBM的研究中也顯示出其獨特的優(yōu)勢。

3 影像組學(xué)應(yīng)用的挑戰(zhàn)與機遇

綜上所述，可以發(fā)現(xiàn)基于不論是基于常規(guī)MRI還是f MRI的影像組學(xué)在鑒別HGG與SBM方面都取得了一定的進展，但也存在一些不足。目前大多數(shù)研究都是基于一階與二階特征，高階特征主要應(yīng)用了小波特征，關(guān)于深度學(xué)習(xí)方法用于二者鑒別的價值仍需要進一步探索。而且部分研究直方圖參數(shù)選擇較為單一，圖像特征的選擇算法也需要進一步優(yōu)化。部分研究所用的軟件僅分析病變最大層面的二維特征，未能分析腫瘤整體的三維屬性，需今后進一步完善。大多文獻中ROI的選取主要是瘤體及瘤周水腫，其他征象如鄰近皮質(zhì)信號改變的鑒別價值也值得深入探討[35]。目前，有很多磁共振功能成像已經(jīng)應(yīng)用于HGG及SBM的鑒別，例如動脈自旋標(biāo)記灌注(ar t er ial spin l abel ing，ASL)、磁敏感性加權(quán)成像(suscept ibil it y weight ed imaging，SWI)、比較軸突定向擴散和密度成像、平均表觀傳播因子磁共振成像等[35-36]，也有學(xué)者將多種功能成像技術(shù)結(jié)合起來發(fā)現(xiàn)其對兩種腫瘤的鑒別價值高于單一技術(shù)的應(yīng)用。但是將這些f MRI與影像組學(xué)結(jié)合在一起，應(yīng)用于HGG與SBM鑒別的研究尚不足，這仍需要科研工作者進一步研究。影像組學(xué)雖然在臨床疾病的診斷、療效監(jiān)測及預(yù)后評估中都取得了一些成果，但若想在常規(guī)臨床環(huán)境中使用仍具有一定的挑戰(zhàn)性。目前，大多數(shù)應(yīng)用仍處于研究階段，不同機構(gòu)的研究過程存在極大差異，例如圖像的質(zhì)量及數(shù)據(jù)的來源等，都使得實驗結(jié)果的可比性和可重復(fù)性具有一定未知性[37]。因此如何在評價標(biāo)準(zhǔn)和報告指南中實施標(biāo)準(zhǔn)化管理，以便影像組學(xué)更加廣泛的發(fā)展應(yīng)用，還需進一步研究。其次，實施和驗證機器學(xué)習(xí)需要大量的患者數(shù)據(jù)庫為背景?，F(xiàn)階段的影像組學(xué)研究大多是小樣本量的研究，而樣本量不足所產(chǎn)生的小數(shù)據(jù)集會降低模型預(yù)測準(zhǔn)確率并增加過度擬合的風(fēng)險。這就使得多學(xué)科、多中心相互協(xié)作構(gòu)成一個巨大資料庫顯得至關(guān)重要[8]。最后，現(xiàn)階段的影像組學(xué)研究大多是回顧性研究而非前瞻性研究，而且大多數(shù)影像組學(xué)研究并沒有在獨立隊列研究中得到充分驗證，從而患者人群的普適性不高[38]?？偠灾?，影像組學(xué)是頗有前景的新興領(lǐng)域，雖然目前影像組學(xué)存在一定局限性，但在未來有望成為醫(yī)學(xué)腫瘤學(xué)中一種重要的預(yù)測和診斷工具。

作者利益沖突聲明：全體作者均聲明無利益沖突。