楊洪星 ，吉愛兵，宋少莉

1. 復(fù)旦大學(xué)附屬腫瘤醫(yī)院核醫(yī)學(xué)科，復(fù)旦大學(xué)上海醫(yī)學(xué)院腫瘤學(xué)系，上海 200032；

2. 復(fù)旦大學(xué)生物醫(yī)學(xué)影像研究中心，上海 200032；

3. 上海分子影像探針工程技術(shù)研究中心，上海 200032；

4. 復(fù)旦大學(xué)核物理與離子束應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室，上海 200032；

5. 江蘇大學(xué)附屬宜興醫(yī)院影像中心，江蘇 無錫 214200

1 影像組學(xué)的概念與興起

隨著計(jì)算機(jī)圖像信息技術(shù)的不斷發(fā)展，從醫(yī)學(xué)影像中挖掘深層、有效的信息以更精準(zhǔn)地用于惡性腫瘤的準(zhǔn)確診斷、影像學(xué)分期、基因分型、療效判斷及預(yù)后預(yù)測等已成為當(dāng)前影像學(xué)臨床研究的熱點(diǎn)。

2012年，荷蘭學(xué)者Lambin等［1］最早提出并定義影像組學(xué)（radiomics）概念，即應(yīng)用大量自動(dòng)化算法將常規(guī)醫(yī)學(xué)影像轉(zhuǎn)化為高維、可發(fā)掘的特征空間，并對(duì)其進(jìn)一步分析。同年，Kumar等［2］對(duì)影像組學(xué)的概念進(jìn)一步補(bǔ)充完善，闡述為高通量地從醫(yī)學(xué)圖像中提取特征信息，并運(yùn)用人工智能（artificial intelligence，AI）分析與解構(gòu)這類特征信息。

醫(yī)學(xué)影像實(shí)際“隱藏”信息遠(yuǎn)多于醫(yī)師眼見及所得，這些“隱藏”信息理論上可提供更多組織病理學(xué)相關(guān)數(shù)據(jù)，而且是完全可量化的數(shù)據(jù)。影像組學(xué)將這些醫(yī)學(xué)圖像的組學(xué)特征轉(zhuǎn)化為可量化的數(shù)據(jù)，力圖揭示這些量化數(shù)據(jù)與臨床組織學(xué)或生物標(biāo)志物之間的相關(guān)性。

隨著計(jì)算機(jī)計(jì)算能力的空前提升及大型影像數(shù)據(jù)中心的不斷建設(shè)，影像組學(xué)逐漸與AI、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等不斷融合發(fā)展，日益引起臨床醫(yī)師、影像學(xué)家和計(jì)算機(jī)科學(xué)家更多的關(guān)注，全球各相關(guān)學(xué)術(shù)期刊與學(xué)術(shù)會(huì)議更是把影像組學(xué)和AI列為主要欄目或交流領(lǐng)域之一。

2 正電子發(fā)射體層成像（positron emission tomography，P E T）/計(jì)算機(jī)體層成像（computed tomography，CT）影像組學(xué)的工作流程

PET/CT影像組學(xué)是在CT影像組學(xué)特征（radiomics feature，RF）已有的病灶一階特征、二階特征、紋理特征以及小波變換特征基礎(chǔ)之上，再加以PET特有的標(biāo)準(zhǔn)攝取值（standard uptake value，SUV）、代謝腫瘤體積（metabolic tumor volume，MTV）、總病變糖酵解（total lesion glycolysis，TLG）等代謝特征以及使用新型特色分子影像探針來反映免疫、基因等方面的特征。

人工或半自動(dòng)PET/CT影像組學(xué)的基本工作流程包括圖像采集、特征提取和數(shù)據(jù)分析3個(gè)步驟（圖1）。影像組學(xué)研究常分以下6個(gè)環(huán)節(jié)：① 定義臨床問題；② 圖像采集和處理；③ 圖像分割；④ 特征提取及降維；⑤ 模型建立；⑥ 模型驗(yàn)證及分析。

圖1 PET/CT影像組學(xué)的基本工作流程示意圖

2.1 臨床問題的定義

以解決臨床問題為導(dǎo)向的影像組學(xué)研究是業(yè)界的終極目標(biāo)。影像組學(xué)研究屬于典型的醫(yī)工多學(xué)科交叉，需要將醫(yī)學(xué)影像與工科方法有機(jī)結(jié)合，根據(jù)不同的臨床問題研究設(shè)計(jì)相應(yīng)的解決方案。細(xì)化的臨床問題有助于簡化特征提取和模型建立，從而提高影像組學(xué)分析結(jié)果的精準(zhǔn)度。

2.2 圖像采集和處理

高標(biāo)準(zhǔn)的圖像質(zhì)量是圖像分割和特征提取的基石。PET/CT的采集協(xié)議、算法重建、圖像去噪或平滑處理等均可對(duì)圖像質(zhì)量產(chǎn)生重要的影響，真實(shí)世界里不同設(shè)備間及同一設(shè)備不同單位間實(shí)際使用的采集參數(shù)、重建算法、圖像后處理存在差異，從而限制了影像組學(xué)的同質(zhì)化研究與研究結(jié)果的推廣應(yīng)用。

2.3 圖像分割

常用的圖像分割方法有閾值分割法、區(qū)域分割法、邊緣分割法、聚類分割法及其他分割方法。對(duì)于一般的PET/CT圖像，可以病變和背景之間的梯度差異采用相對(duì)閾值方法或變分方法半自動(dòng)勾畫感興趣容積（volume of interest，VOI）［3］。Parmar等［4］的研究顯示，半自動(dòng)分割比手動(dòng)分割的可重復(fù)性更高。半自動(dòng)或自動(dòng)分割方法效率高且重復(fù)性好，可用于邊界清晰且形狀較規(guī)則的病灶，以滿足海量數(shù)據(jù)分割的要求。

2.4 特征提取及降維

到目前為止，RF的特點(diǎn)之一是特征提取沒有統(tǒng)一的標(biāo)準(zhǔn)，需依具體的研究目標(biāo)而定；RF的特點(diǎn)之二是特征較多，Li等［5］提取了2 210個(gè)特征來研究影像組學(xué)的預(yù)測因子。本文把常用的RF梳理為八大類，即臨床數(shù)據(jù)、形態(tài)學(xué)特征、語義特征、一階灰度直方圖特征、二階高階紋理特征、高階紋理特征、基于濾波和變換的特征、PET代謝特征。RF數(shù)據(jù)量大，數(shù)據(jù)維度高，因此建模之前最重要的工作之一便是采用多種方法降維，主要包括主成分分析（principal components analysis，PCA）、線性判別分析（linear discriminant analysis，LDA）、局部線性嵌入（locally linear embedding，LLE）、拉普拉斯特征映射等。

2.5 模型建立

影像組學(xué)的數(shù)據(jù)分析通常需要結(jié)合機(jī)器學(xué)習(xí)算法來建立診斷或預(yù)測模型。常用的建模算法包括邏輯回歸分析（logistic regression analysis，LRA）、支持向量機(jī)（support vector machine，SVM）、隨機(jī)森林算法、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）、決策樹（decision tree，DT）、貝葉斯、K近鄰算法（K-nearest neighbor，KNN）等。

2.6 模型驗(yàn)證及分析

模型驗(yàn)證常采用數(shù)據(jù)交叉驗(yàn)證或第三方數(shù)據(jù)驗(yàn)證，結(jié)果分析常用受試者工作特征（receiver operating characteristic，ROC）曲線、靈敏度、特異度和陽性預(yù)測值等參數(shù)。ROC曲線用來評(píng)估影像組學(xué)模型的效能，通過曲線下面積（area under curve，AUC）對(duì)影像組學(xué)模型進(jìn)行最大效能分析，AUC越接近1，表示模型越可靠。

3 PET/CT影像組學(xué)臨床應(yīng)用

3.1 診斷、鑒別診斷與分期

3.1.1 頭頸部腫瘤

在腦部腫瘤診斷方面，Kong等［6］通過18F-FDG PET/CT的RF有效地區(qū)分出了原發(fā)性中樞神經(jīng)系統(tǒng)淋巴瘤和膠質(zhì)母細(xì)胞瘤。Lohmann等［7］采用18F-乙基酪氨酸（fluoroethyl-L-tyrosine，F(xiàn)ET）PET影像組學(xué)成功地對(duì)放射性腦損傷和復(fù)發(fā)性腦轉(zhuǎn)移作出鑒別診斷。

Vallières等［8］從300例患者治療前的PET/CT圖像中提取1 615個(gè)RF，分析影像組學(xué)在頭頸部腫瘤局部復(fù)發(fā)和遠(yuǎn)處轉(zhuǎn)移的風(fēng)險(xiǎn)評(píng)估中的作用，結(jié)果顯示，局部復(fù)發(fā)的AUC為0.69，遠(yuǎn)處轉(zhuǎn)移的AUC為0.86。Peng等［9］使用18F-FDG PET/CT圖像的影像組學(xué)分析預(yù)測鼻咽癌局部復(fù)發(fā)和遠(yuǎn)處轉(zhuǎn)移的風(fēng)險(xiǎn)。Ceriani等［10］對(duì)107例患者進(jìn)行回顧性研究，其中104例確診為甲狀腺偶發(fā)瘤（thyroid incidentaloma，TI），發(fā)現(xiàn)PET/CT和影像組學(xué)分析可提高TI惡性高風(fēng)險(xiǎn)的鑒別，并且基于TLG、SUVmax和shape_Sphericity的影像組學(xué)模型可為已診斷為TI患者的治療提供有用信息。

3.1.2 胸部腫瘤

PET/CT影像組學(xué)對(duì)肺癌、淋巴結(jié)轉(zhuǎn)移及乳腺癌等疾病具有較好的診斷價(jià)值。Han等［11］在一項(xiàng)包括867例非小細(xì)胞肺癌（non-small cell lung cancer，NSCLC）患者的研究中發(fā)現(xiàn)，PET/CT影像組學(xué)結(jié)合深度學(xué)習(xí)能夠區(qū)分腫瘤的組織學(xué)亞型，特別是腺癌和鱗狀細(xì)胞癌。Ganeshan等［12］對(duì)17例患者進(jìn)行初步研究，其中有18處病灶活檢證實(shí)為NSCLC，將紋理參數(shù)與CT和18F-FDG PET/CT的臨床報(bào)告和分期進(jìn)行比較，結(jié)果顯示，粗紋理特征與肺癌病灶SUV相關(guān)，而細(xì)紋理特征與腫瘤分期相關(guān)。精細(xì)紋理以0.7的Kappa值預(yù)測肺癌分期，表明檢測Ⅱ期以上肺癌的靈敏度為100.0%，特異度為87.5%。

Gao等［13］評(píng)價(jià)了紋理信息對(duì)縱隔淋巴結(jié)轉(zhuǎn)移的診斷能力，并與淋巴結(jié)SUVmax和最大短徑的診斷能力進(jìn)行比較，利用灰度共生矩陣的紋理參數(shù)，分別構(gòu)建了CT、PET和PET/CT融合圖像的SVM分類模型，結(jié)果顯示，PET/CT融合圖像生成的SVM分類器的診斷能力并不遜于SUVmax和最大短徑。Lee等［14］也以18F-FDG攝取值和CT直方圖分析對(duì)NSCLC縱隔轉(zhuǎn)移性淋巴結(jié)的分期進(jìn)行了研究，結(jié)果表明淋巴結(jié)密度特征及代謝特征在判斷淋巴結(jié)轉(zhuǎn)移和預(yù)測轉(zhuǎn)移風(fēng)險(xiǎn)方面具有較大的價(jià)值。

乳腺癌是女性中最常見的惡性腫瘤。Koo等［15］對(duì)103例原發(fā)三陰性乳腺癌的18F-FDG PET/CT進(jìn)行分析，通過多變量回歸分析顯示，Ki-67增殖指數(shù)、腫瘤大小與SUVmax顯著相關(guān)。Ou等［16］的研究表明，基于18F-FDG PET/CT的影像組學(xué)可以鑒別乳腺癌和乳腺淋巴瘤。Song［17］采用基于機(jī)器學(xué)習(xí)的影像組學(xué)模型對(duì)乳腺癌腋窩淋巴結(jié)（axillary lymph node，ALN）轉(zhuǎn)移進(jìn)行預(yù)測，結(jié)果同樣表明，影像組學(xué)在預(yù)測ALN轉(zhuǎn)移方面具有較高的靈敏度，可以幫助乳腺癌患者在術(shù)前個(gè)性化預(yù)測ALN狀態(tài)。

3.1.3 腹盆部腫瘤

Zhu等［18］研究了18F-FDG PET/CT的RF對(duì)腎細(xì)胞癌（renal cell carcinoma，RCC）和腎淋巴瘤的鑒別診斷能力，結(jié)果顯示，有14個(gè)紋理參數(shù)（2個(gè)直方圖，2個(gè)灰度共生矩陣，5個(gè)灰度游程矩陣，5個(gè)灰度區(qū)域-長度矩陣）的AUC＞0.7，并且P＜0.05。這表明18F-FDG PET/CT紋理分析可有效地鑒別RCC與腎淋巴瘤。

Liu等［19］通過納入351例ⅠB～ⅡA期子宮頸鱗狀細(xì)胞癌患者建立預(yù)測模型，χ2檢驗(yàn)和邏輯回歸表明，鱗狀細(xì)胞癌抗原水平和盆腔淋巴結(jié)SUVmax是盆腔淋巴結(jié)轉(zhuǎn)移的獨(dú)立預(yù)測因子，由此建立的列線圖顯示出較高的靈敏度（70.5%）、特異度（94.4%）和陽性預(yù)測值（93.9%）。Li等［20］以94例新診斷的宮頸鱗狀細(xì)胞癌患者為研究對(duì)象，通過ROC曲線評(píng)估淋巴結(jié)大小、代謝參數(shù)（包括腫瘤和淋巴結(jié)）、RF、血管內(nèi)皮生長因子（vascular endothelial growth factor，VEGF）表達(dá)水平對(duì)預(yù)測淋巴轉(zhuǎn)移的價(jià)值，結(jié)果表明，RF結(jié)合VEGF表達(dá)水平可顯著提高預(yù)測準(zhǔn)確度。

劉春利等［21］運(yùn)用紋理分析方法分析PET/CT和多參數(shù)磁共振成像（magnetic resonance imaging，MRI）圖像對(duì)移行帶前列腺癌（prostate cancer，PCa）進(jìn)行診斷，分析了36例PCa患者的18F-FDG PET/CT圖像和MRI圖像腫瘤區(qū)域和非腫瘤區(qū)域的圖像紋理。ROC曲線分析顯示，PET/CT均值用于檢出腫瘤的靈敏度為93.8%，特異度為81.2%，AUC為0.863；PET/CT聯(lián)合MRI指標(biāo)檢出腫瘤的靈敏度為100.0%，特異度為93.7%，AUC為0.992。

Alongi等［22］的研究結(jié)果同樣支持使用RF分析來更好地評(píng)估前列腺癌的隱匿性、結(jié)節(jié)性和轉(zhuǎn)移性疾病。Zamboglou等［23］對(duì)中、高危前列腺癌患者的前列腺特異性膜抗原（prostate-specific membrane antigen，PSMA） PET/CT的RF進(jìn)行了深入研究，結(jié)果表明，PSMA PET/CT的RF可區(qū)分前列腺內(nèi)PCa和非PCa組織，紋理特征還可預(yù)測Gleason評(píng)分（Gleason score，GS）和診斷淋巴結(jié)轉(zhuǎn)移。

3.1.4 其他腫瘤

Basler等［24］對(duì)免疫檢查點(diǎn)抑制劑治療的轉(zhuǎn)移性黑色素瘤患者進(jìn)行研究，發(fā)現(xiàn)血液/RF組合模型的表現(xiàn)最佳，AUC為0.82，表明RF與實(shí)驗(yàn)室血液學(xué)檢查參數(shù)結(jié)合，有望成為假進(jìn)展早期鑒別的生物標(biāo)志物，可以讓患者避免額外毒性或延遲治療。

3.2 預(yù)后及療效預(yù)測

Carles等［25］招募了32例復(fù)發(fā)性膠質(zhì)母細(xì)胞瘤患者，采用半自動(dòng)方法勾畫腫瘤體積，提取了135個(gè)RF，結(jié)果顯示，F(xiàn)ET PET/CT RF在腫瘤和非腫瘤間有明顯的區(qū)分，紋理特征對(duì)疾病進(jìn)展時(shí)間（time-to-progression，TTP）的預(yù)測效果最好。此外，RF還可以預(yù)測TTP和總生存率。因此，F(xiàn)ET PET/CT影像組學(xué)有助于評(píng)估膠質(zhì)母細(xì)胞瘤患者的預(yù)后。

Paidpally等［26］的研究表明，SUVmax、SUVpeak、MTV和TLG等特征參數(shù)可潛在用于評(píng)價(jià)頭頸部鱗狀細(xì)胞癌患者的風(fēng)險(xiǎn)分層、預(yù)測治療反應(yīng)和生存期。Oh等［27］的研究表明，下咽鱗狀細(xì)胞癌患者的PET/CT紋理特征、粗糙度和忙碌度與無病生存期獨(dú)立相關(guān)，粗糙度與總生存期獨(dú)立相關(guān)。

如前文所敘，Ceriani等［10］的研究表明，基于TLG、SUVmax和shape_Sphericity的模型能夠輔助預(yù)測診斷TI，并可為TI的治療提供有用的信息。Cheng等［28］利用75例患者的RF建立了小涎腺癌的預(yù)后模型，并對(duì)該模型進(jìn)行了驗(yàn)證，結(jié)果表明，基于影像組學(xué)模型可改善小涎腺癌患者的預(yù)后預(yù)測。

Cao等［29］深入研究了早期預(yù)測食管鱗癌（esophageal squamous cell carcinoma，ESCC）接受同步放化療反應(yīng)中的潛在影像組學(xué)標(biāo)志物，首先將來自兩個(gè)機(jī)構(gòu)的159例胸椎ESCC患者分為訓(xùn)練組和驗(yàn)證組，從預(yù)處理后的18F-FDG PET/CT圖像中提取了944個(gè)RF，根據(jù)試驗(yàn)結(jié)果保留了其中61個(gè)具有差異表達(dá)的特征；然后，使用最小絕對(duì)收縮和選擇算子（least absolute shrinkage and selection operator，LASSO）邏輯回歸模型與10折交叉驗(yàn)證構(gòu)建治療反應(yīng)相關(guān)的模型；最后，采用ROC曲線和Kaplan-Meier分析評(píng)估兩組患者的表現(xiàn)。結(jié)果顯示，RF與治療反應(yīng)顯著相關(guān)，訓(xùn)練集P值小于0.001，驗(yàn)證集P值為0.026，AUC分別為0.844和0.835，表明RF可作為預(yù)測胸椎ESCC患者在同步放化療反應(yīng)中的影像學(xué)標(biāo)志物。

Oikonomou等［30］通過應(yīng)用有監(jiān)督的PCA，發(fā)現(xiàn)RF可以預(yù)測遠(yuǎn)處轉(zhuǎn)移并可為改善立體定向放射治療后復(fù)發(fā)的診斷提供依據(jù)。Dissaux等［31］的研究也顯示，PET和CT相關(guān)RF對(duì)立體定向放射治療術(shù)后復(fù)發(fā)具有較高的特異度和靈敏度。

Arshad等［32］開發(fā)了NSCLC患者風(fēng)險(xiǎn)分層的預(yù)后模型，使用一階特征提取、紋理矩陣和小波濾波獲得665個(gè)RF，通過建模得出結(jié)論，獨(dú)立于已知預(yù)后因素的相關(guān)RF集可以預(yù)測患者放療/放化療后的生存，該模型在幾個(gè)獨(dú)立的隊(duì)列中得到驗(yàn)證，包括不同的掃描儀模型和重建方案。Chen等［33］以51例表皮生長因子受體（epidermal growth factor receptor，EGFR）突變的Ⅲ～Ⅳ期肺腺癌患者為研究對(duì)象，將影像組學(xué)與臨床危險(xiǎn)因素相結(jié)合，結(jié)果表明該方法可能改善EFGR突變的Ⅲ～Ⅳ期肺腺癌患者的生存分層。越來越多的研究表明，腫瘤內(nèi)異質(zhì)性與NSCLC預(yù)后差和治療失敗相關(guān)，非球面性、異質(zhì)性因素、固體性、不相似性和紋理分析上的熵是預(yù)測生存的獨(dú)立預(yù)后因素。

Li等［5］以100例接受新輔助化療（neoadjuvant chemotherapy，NAC）的乳腺癌患者為研究對(duì)象，共提取2 210個(gè)PET/CT RF，分別利用無監(jiān)督和有監(jiān)督的機(jī)器學(xué)習(xí)模型來研究乳腺癌預(yù)后影像組學(xué)的預(yù)測因子，結(jié)果顯示，影像組學(xué)預(yù)測因子在訓(xùn)練集上的預(yù)測精度為0.857（AUC=0.844），在獨(dú)立驗(yàn)證集上的預(yù)測精度為0.767（AUC=0.722），提示治療前PET/CT影像組學(xué)預(yù)測因子與患者年齡相結(jié)合可以預(yù)測NAC后的病理學(xué)完全緩解（pathologic complete response，pCR）反應(yīng)，并且RF、受體表達(dá)情況與腫瘤T分期密切相關(guān)。Antunovic等［34］通過對(duì)接受預(yù)處理分期18F-FDG PET/CT掃描和NAC的79例患者進(jìn)行回顧性研究，同樣認(rèn)為PET/CT影像學(xué)特征與pCR是相關(guān)的，影像學(xué)特征可作為局部晚期乳腺癌患者pCR的潛在預(yù)測因子。Huang等［35］對(duì)113例乳腺癌患者的PET/CT和MRI圖像中的84個(gè)RF進(jìn)行無監(jiān)督聚類分析發(fā)現(xiàn)，PET/CT和MRI圖像的RF有助于解讀乳腺癌表型，并可能成為預(yù)測乳腺癌無復(fù)發(fā)生存的影像學(xué)生物標(biāo)志物。

在預(yù)測胃癌患者5年總生存率和無病生存率方面，Jiang等［36］基于18F-FDG PET影像組學(xué)建立的列線圖預(yù)測能力優(yōu)于根據(jù)臨床病理學(xué)特征建立的列線圖和TNM分期。

Brown等［37］對(duì)189例治療前肛門鱗狀細(xì)胞癌（anal squamous cell carcinoma， ASCC）患者的18F-FDG PET/CT的RF（包括灰度共生矩陣和鄰域灰度差異矩陣參數(shù)、最小CT值和標(biāo)準(zhǔn)MTV）進(jìn)行分析發(fā)現(xiàn)，模型A（臨床）、模型B（放射治療）和模型C（放射治療/臨床）的AUC在訓(xùn)練集中為0.635 5、0.740 3和0.741 2，在驗(yàn)證集中為0.602 4、0.659 5和0.738 1?？梢钥闯觯瑥腁SCC患者治療前PET/CT中提取的RF可以提供比常規(guī)分期參數(shù)更好的無進(jìn)展生存期預(yù)后信息。

Alongi等［22］對(duì)94例高危PCa患者進(jìn)行再分期膽堿PET/CT分析，利用LIFEx工具箱對(duì)每個(gè)病灶提取51個(gè)特征，采用判別分析的方法對(duì)RF進(jìn)行特征分類。該研究結(jié)果顯示，針對(duì)高危PCa患者的預(yù)后，判別分析模型能夠有效地選擇與TNM分期有關(guān)聯(lián)的膽堿PET/CT特征。Collarino等［38］的研究表明，術(shù)前PET/CT RF在預(yù)測女性外陰侵襲性鱗狀細(xì)胞癌的生物學(xué)特性和預(yù)后方面具有一定的價(jià)值。

Sheen等［39］以83例骨肉瘤患者為研究對(duì)象，從腫瘤區(qū)域提取了45個(gè)RF，采用邏輯回歸將RF納入多變量模型，結(jié)果顯示，其所構(gòu)建的多變量模型可指導(dǎo)骨肉瘤高轉(zhuǎn)移風(fēng)險(xiǎn)患者的治療，從而改善患者的預(yù)后。Lue等［40］的研究顯示，彌漫性大B細(xì)胞淋巴瘤患者18F-FDG PET/CT基線RF在患者的預(yù)后方面具有顯著的價(jià)值。

綜上可知，PET/CT影像組學(xué)正在深刻地影響腫瘤患者的預(yù)后，并為患者的療效預(yù)測提供重要的輔助支撐。

3.3 影像基因組學(xué)

影像基因組學(xué)（Radiogenomics）是影像組學(xué)和基因組學(xué)的關(guān)聯(lián)/組合。研究人員既可以利用影像組學(xué)解釋或“解碼”基因組學(xué)的信息，也可以利用影像組學(xué)和基因組學(xué)二者之間具有互補(bǔ)價(jià)值的信息來建立更有效的預(yù)測模型。

18F-FDG PET/CT通過18F-FDG攝取程度來評(píng)估腫瘤代謝活性，F(xiàn)DG攝取值和腫瘤細(xì)胞的葡萄糖轉(zhuǎn)運(yùn)蛋白1（glucose transporter synthesis-1，GLUT-1）和GLUT-3表達(dá)、己糖激酶活性程度、病變微血管分布、腫瘤細(xì)胞活性、分化程度等都有一定的關(guān)系。在肺腺癌中，EGFR突變的癌細(xì)胞可以使GLUT-1合成替換GLUT-4，從而使FDG攝取值發(fā)生變化。所以，利用PET相關(guān)參數(shù)評(píng)估腫瘤細(xì)胞糖代謝狀況可以從分子代謝水平反映肺癌特點(diǎn)，預(yù)測基因突變狀態(tài)。已有研究［41］表明，腫瘤FDG攝取的減少可以反映臨床環(huán)境下EGFR抑制劑的有效性，意味著糖代謝和EGFR通路之間存在關(guān)聯(lián)。

Chang等［42］根據(jù)PET/CT和臨床危險(xiǎn)因素的RF，建立了一種臨床實(shí)用的預(yù)測肺腺癌患者EGFR突變的模型，其研究結(jié)果顯示，影像組學(xué)-臨床聯(lián)合的列線圖可以很好地預(yù)測肺腺癌中EGFR突變的風(fēng)險(xiǎn)（訓(xùn)練組AUC=0.84，測試組AUC=0.81）。Liu等［43］回顧性研究了來自兩家醫(yī)院的148例孤立性肺病變患者的18F-FDG PET/CT圖像，從腫瘤區(qū)域中提取1 570個(gè)影像組學(xué)組特征建立模型，結(jié)果顯示，與EGFR第19外顯子缺失高度相關(guān)的影像學(xué)特征有5組，與EGFR第21外顯子錯(cuò)義高度相關(guān)的影像學(xué)特征也有5組，對(duì)應(yīng)的預(yù)測因子AUC分別為0.77和0.92。結(jié)合這兩種預(yù)測因子，Liu等［43］構(gòu)建預(yù)測EGFR突變陽性的整體模型AUC為0.87。

Chen等［44］招募了74例直腸癌患者，其中21例存在KRAS基因突變，31例存在TP53基因突變，17例存在APC基因突變，共計(jì)算獲得65個(gè)PET/CT相關(guān)RF，包括強(qiáng)度、體積、直方圖和紋理特征等，結(jié)果顯示，PET/CT影像組學(xué)可以為確定直腸癌中KRAS、TP53和APC基因改變提供補(bǔ)充信息。

此外，Chang等［45］從PET/CT影像中提取了22個(gè)RF，并與間變性淋巴瘤激酶（anaplastic lymphoma kinase，ALK）表達(dá)基因突變相關(guān)的3個(gè)臨床特征（年齡、毛刺和胸腔積液）一起構(gòu)建組合模型，發(fā)現(xiàn)這種組合模型在預(yù)測ALK突變狀態(tài)方面具有顯著的優(yōu)勢，訓(xùn)練組AUC為0.87，測試組AUC為0.88。Aoude等［46］研究了惡性黑色素瘤與CD8表達(dá)相關(guān)的影像組學(xué)生物標(biāo)志物，同樣證明影像組學(xué)在預(yù)測基因表達(dá)方面具有獨(dú)特的優(yōu)勢。Mu等［47］的研究表明，基于PET/CT的多參數(shù)特征可以篩選受益于程序性死亡［蛋白］配體-1（programmed death ligand-1，PD-L1）單克隆抗體治療的NSCLC患者，其AUC為0.81。

腫瘤基因型的鑒定，特別是基因突變，在患者選擇合適的治療策略中起著關(guān)鍵作用。影像基因組學(xué)使我們可利用常規(guī)易獲取的、非侵入性的成像技術(shù)來深入了解腫瘤病理組織分型和基因表達(dá)情況。

4 影像組學(xué)面臨的挑戰(zhàn)和未來展望

目前影像組學(xué)的應(yīng)用范圍越來越廣，但仍面臨著一些挑戰(zhàn)，主要有以下幾個(gè)方面：① 模型的驗(yàn)證應(yīng)基于多中心研究，以便驗(yàn)證模型所得結(jié)果對(duì)局部屬性的穩(wěn)健性。多中心之間的影像采集條件和重建參數(shù)各不相同，導(dǎo)致影像組學(xué)研究結(jié)果的普適性受到限制，目前尚缺乏對(duì)不同中心、不同掃描條件圖像的標(biāo)準(zhǔn)化處理方法。令人欣慰的是多中心之間的合作正越來越多，而且多數(shù)研究結(jié)果表明，影像組學(xué)仍然行之有效［32，43］。事實(shí)上，影像組學(xué)更需要跨學(xué)科、多機(jī)構(gòu)的國際協(xié)作［48］。② 單一的FDG PET/CT影像組學(xué)特征與腫瘤自身在基因、蛋白、細(xì)胞水平上的異質(zhì)性尚缺乏直接的關(guān)聯(lián)證據(jù)，部分組學(xué)特征難以從分子生物學(xué)的層面進(jìn)行解釋。③ 獲得魯棒性強(qiáng)的影像組學(xué)模型并實(shí)現(xiàn)臨床轉(zhuǎn)化是影像組學(xué)的最終目標(biāo)。目前中國仍缺乏可用于臨床實(shí)踐的高質(zhì)量影像數(shù)據(jù)，大多數(shù)研究還是以解決臨床問題為導(dǎo)向。

影像組學(xué)作為新興的研究領(lǐng)域，發(fā)展迅速，潛力巨大，其本身具有非侵入性、客觀性、高效量化病變信息的特點(diǎn)，已有專家預(yù)言肺癌影像組學(xué)會(huì)在臨床實(shí)踐中首先應(yīng)用［49］，我們堅(jiān)信未來影像組學(xué)必將使腫瘤的精準(zhǔn)診療成為可能。