秦思源,劉 珂,郎 寧

(北京大學第三醫(yī)院放射科,北京 100191)

時至今日,傳統(tǒng)影像學方法診斷癌癥及預測預后仍面臨挑戰(zhàn)。影像組學是新興圖像分析方法,可從ROI中提取高維度特征,結合臨床或基因特征建立診斷或預測模型,以指導臨床決策;其核心步驟包括圖像預處理、圖像分割、特征提取及建立模型[1]。圖像分割質量對影像組學模型的有效性至關重要,但對于如何選定ROI尚無統(tǒng)一標準。本文就腫瘤影像組學成像方式及分割ROI方法研究進展進行綜述。

1 成像方式

1.1 CT CT具有成本低、可快速掃描、分辨力高及無組織疊加的優(yōu)勢,根據病變形態(tài)學特征、CT值及其與周圍組織的關系可進行定性診斷。影像組學能從醫(yī)學圖像中提取肉眼難以辨識的紋理特征,通過篩選關鍵特征為診斷提供依據,現已廣泛用于各系統(tǒng)腫瘤[2-4]及肺部疾病。姬慧君等[5]提取184例胸部病變患者胸部平掃CT的影像組學特征,發(fā)現以影像組學特征聯合臨床因素鑒別肺炎型黏液腺癌與大葉性肺炎的曲線下面積(area under the curve, AUC)達0.933。對于CT具有明顯診斷優(yōu)勢的疾病,CT影像組學更具價值。CHEE等[6]聯合應用62例椎體壓縮骨折患者的CT圖像及臨床因素訓練模型,用于鑒別良、惡性壓縮性骨折,其在驗證集55例中的AUC達0.948,高于臨床模型?；谠鰪奀T的影像組學研究近年來備受關注,可用于量化評估不同時相增強CT和平掃圖像的影像組學特征差異。CHEN等[7]基于299例CT患者資料分別建立平掃CT影像組學和平掃+增強影像組學模型以預測肺腺癌的侵襲性,發(fā)現后者預測效果(AUC=0.902)優(yōu)于前者(AUC=0.856),表明平掃+增強CT影像組學具有潛在應用價值。

1.2 MRI MRI具有高分辨率、多平面和多序列成像等優(yōu)勢,可提供豐富的病變信息;T1WI可清晰顯示解剖結構,T2WI則能清楚描繪病變,彌散加權成像(diffusion weighted imaging, DWI)及表觀彌散系數(apparent diffusion coefficient, ADC)可從分子水平反映組織功能。相比單序列MRI影像組學,多序列MRI影像組學能從多角度提供病變信息,借助圖像信息互補優(yōu)勢提升模型的準確性,但分割圖像用時較長、特征篩選難度加大,工作量亦大幅增加。ZENG等[8]提取160例胰腺導管腺癌多序列MRI(T1WI和T2WI)及多期增強CT影像組學特征,于其中篩選5個出現頻率最高的特征用于預測胰腺導管腺癌淋巴結轉移,發(fā)現前者的預測能力(AUC=0.786)顯著高于后者(AUC=0.655)。功能MRI影像組學研究也日益增多,如ZHANG等[9]基于ADC、T2WI及動態(tài)對比增強(dynamic contrast enhancement, DCE)MRI利用U-Net自動分割模型分割乳腺病變,發(fā)現多序列影像組學特征鑒別乳腺良、惡性病變的效能(AUC=0.946)明顯優(yōu)于乳腺影像報告和數據系統(tǒng)評分(AUC=0.872)。

1.3 PET PET利用組織對顯像劑攝取的不同區(qū)分腫瘤細胞與正常細胞,能反映組織缺氧、細胞壞死等代謝信息[10]。PET/CT可通過一次檢查獲取全身信息,敏感度高;用于影像組學研究能從腫瘤、腫瘤微環(huán)境中獲取組織代謝信息,現已廣泛用于腫瘤分期、預測預后及評估治療反應[10-11]。MILARA等[12]基于PET/CT圖像以半自動分割方式分離全身骨骼,再以組織CT值去除致密的骨組織和椎管而得到骨髓ROI,發(fā)現利用該方法可評估多發(fā)性骨髓瘤患者接受治療后的殘余病灶。

2 分割ROI方法

2.1 原發(fā)灶 臨床診斷腫瘤及判斷預后與原發(fā)灶的異質性密切相關,需要針對不同目標和對象適當選擇分割ROI方法。根據研究目的和內容,可僅勾畫腫瘤最大層面的二維ROI,亦可勾畫包含腫瘤所有層面在內的三維ROI,其在分割時間及獲取信息方面各具優(yōu)勢。XIE等[13]以平掃CT影像組學預測惡性胸膜間皮瘤有無BAP1基因突變,發(fā)現三維模型在觀察者內及觀察者間選擇影像組學特征的一致性及預測表現方面均優(yōu)于二維模型;LI等[14]采用CT影像組學鑒別卵巢良、惡性腫瘤,發(fā)現二維模型與三維模型診斷性能相當,考慮到時間和成本效益,建議選擇二維模型。

分割腫瘤時,判定腫瘤邊界可影響模型結果。周振等[15]基于T2WI觀察2種以不同分割腫瘤方法建立的模型術前評估直腸癌T分期的效能,其中最小輪廓法沿病灶最明確邊界進行勾畫、不包括邊緣模糊區(qū),最大輪廓法則沿病灶最大邊界進行勾畫、包括腫瘤周圍的模糊影,結果顯示以最大輪廓法特征建立的模型優(yōu)于最小輪廓法(AUC:0.928vs. 0.838);分析原因,可能是前者包含腫瘤更多信息、更能反映腫瘤的侵襲性。治療后隨訪中可將治療后的殘余腫瘤作為ROI,但需要結合治療前圖像;若治療后腫瘤完全消失,則需勾畫腫瘤原始區(qū)域作為ROI[16]。

2.2 腫瘤周圍組織 腫瘤周圍組織對于腫瘤生長、轉移、炎癥反應及血管生成等方面具有重要影響。相比僅依靠腫瘤影像組學特征,結合瘤周特征可提升預測或鑒別診斷能力[17-21]。分割瘤周組織方法包括邊緣等距擴增、分割瘤周正常組織及分割瘤周異常組織。邊緣等距擴增為最常用方法,即沿腫瘤邊緣擴增一定距離,再加以手動調整。LI等[22]采用CT增強影像組學預測肝細胞癌術后復發(fā),分別將瘤周0～1 cm和1～2 cm范圍作為微轉移區(qū)和潛在肝硬化背景區(qū),并手動去除非肝臟組織;WANG等[23]將肺癌病灶周圍15 mm區(qū)域作為瘤周區(qū)域,并手動去除支氣管、大血管和正常組織。瘤周正常組織可能存在肉眼無法直接識別的與腫瘤生物學行為相關的微環(huán)境改變,并引起影像組學特征變化。CHONG等[24]利用影像組學術前預測肝細胞癌微血管浸潤,隨機于不同肝葉組織中勾畫5～10個區(qū)域,結果顯示,結合上述區(qū)域影像組學特征能提升模型的預測能力。瘤周異常組織指腫瘤周圍存在異常信號/密度的組織;觀察瘤周異常組織影像組學特征可評估神經系統(tǒng)腫瘤[25-26],例如MALIK等[27]評估膠質母細胞瘤時,將T1WI中腫瘤明顯強化區(qū)定義為腫瘤核心區(qū),將其外的T2液體衰減反轉恢復序列圖像呈高信號區(qū)域定義為瘤周異常組織,并發(fā)現該區(qū)主要為瘤周水腫及惡性腫瘤細胞。HU等[28]將食管鱗狀細胞癌周圍組織定義為緊鄰食管周圍的組織和淋巴結。根據不同研究對象及目的適當選擇分割瘤周組織方法可提高影像組學模型的判別能力。

2.3 腫瘤相關血管 腫瘤相關血管也與預后密切相關,而傳統(tǒng)影像學難以顯示腫瘤相關血管與健康血管的差異。定量測量腫瘤周圍血管網絡形態(tài)和結構指標對于預測預后的重要性已經既往研究[29-30]證實。BULLITT等[29]前瞻性納入31例乳腺癌腦轉移患者,以MR血管成像評估治療期間顱內血管形態(tài)變化,發(fā)現血管曲度變化可為早期預測腫瘤治療反應提供有效信息。BRAMAN等[30]分別基于CT和增強MRI對558例非小細胞肺癌或乳腺癌患者于化療前分離腫瘤脈管系統(tǒng)并提取其定量形態(tài)學特征,發(fā)現其曲度、扭矩和組織異質性等形態(tài)特征與腫瘤預后相關。未來或將開發(fā)自動分割血管模型,以進一步探索血管相關影像組學特征與腫瘤生物學行為的關系。

2.4 腫瘤周圍淋巴結 淋巴結是腫瘤常見轉移部位,其病理狀態(tài)對于評估腫瘤分期、選擇治療方案和判斷預后至關重要。淋巴結的傳統(tǒng)影像學特征包括淋巴結短徑、邊緣是否規(guī)則、內部信號/密度是否均勻等,對其進行評價時多依賴醫(yī)師個人經驗,導致可重復性欠佳。淋巴結影像組學特征對于預測淋巴結轉移、患者預后等具有重要作用,是原發(fā)腫瘤特征的重要補充。近期研究[31-33]發(fā)現淋巴結影像組學特征對于預測淋巴結轉移和治療預后方面有顯著意義。CHEN等[31]通過分割瘤周淋巴結ROI預測216例食管鱗狀細胞癌患者淋巴結狀態(tài),結果顯示聯合應用淋巴結影像組學特征、深度影像組學特征及臨床特征能有效預測淋巴結轉移(AUC=0.80)。NAKANISHI等[32]報道,對于晚期直腸癌,相比盆腔側方淋巴結的短徑,以其影像組學特征更能判斷淋巴結狀態(tài)。LI等[33]利用原發(fā)腫瘤和外周淋巴結特征構建融合CT影像組學模型,用于預測Ⅱ期結直腸癌患者無病生存期及總生存期,其AUC分別為0.76和0.91,顯著優(yōu)于單一腫瘤或淋巴結影像組學特征模型。

3 小結

隨著人工智能日益成熟,影像組學在診斷腫瘤與預測預后中的應用越來越廣泛,正在實現從理論向臨床實踐的轉變。圖像分割是影像組學研究的關鍵,適當選擇成像模式和分割ROI方法可提高影像組學的可重復性及準確率,進一步促進影像組學模型的臨床應用。