杜夢(mèng)穎，楊峰

湖北醫(yī)藥學(xué)院附屬襄陽(yáng)市第一人民醫(yī)院 放射科，湖北 襄陽(yáng) 441011

引言

胸腺瘤作為胸腺上皮腫瘤的主要疾病類型，在亞洲人中的發(fā)病率稍高于其他種族，近年來(lái)在我國(guó)的發(fā)病率呈逐漸上升的趨勢(shì)[1-2]。根據(jù)2015 年WHO 分類體系[3]和Jeong 簡(jiǎn)化分類[4]，將胸腺瘤分為低危組（A 型、AB型和B1 型）、高危組（B2 型和B3 型）和胸腺癌組（C 型）3 組。不同分組之間的治療策略不同，預(yù)后也不同。低危組通常可以完全切除，并可選擇微創(chuàng)或開(kāi)胸等手術(shù)方式，而且通常術(shù)后無(wú)須輔助放化療，而高危組胸腺瘤和胸腺癌選擇完全切除和微創(chuàng)的概率更小，需要結(jié)合手術(shù)、放療和化療的多學(xué)科治療[5-6]。此外，低危組胸腺瘤的5 年和10 年總生存率明顯高于高危組胸腺瘤[7]。因此，術(shù)前了解胸腺瘤的危險(xiǎn)分類將有助于患者手術(shù)方式的選擇和治療計(jì)劃的制定，改善預(yù)后。

穿刺活檢是胸腺瘤診斷的“金標(biāo)準(zhǔn)”，但其作為一種侵入性手術(shù)，會(huì)增加腫瘤包膜破裂和胸膜種植的風(fēng)險(xiǎn)[5]。CT 是診斷胸腺瘤最重要的影像學(xué)方法，傳統(tǒng)影像學(xué)診斷多采用經(jīng)驗(yàn)性、觀察性指標(biāo)而非客觀、量化指標(biāo)，在胸腺瘤與前縱隔其他病變的鑒別診斷中，以及胸腺瘤各亞型之間的區(qū)分中，存在一定局限性[8-9]。CT 影像組學(xué)則是將醫(yī)學(xué)圖像轉(zhuǎn)化成為可挖掘的高維數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法對(duì)紋理特征進(jìn)行提取和分析，并與臨床、病理等資料相結(jié)合構(gòu)建預(yù)測(cè)模型，能在術(shù)前無(wú)創(chuàng)、客觀、便捷、可重復(fù)地評(píng)估胸腺瘤的侵襲程度[10-11]。

1 影像組學(xué)的概念及工作流程

影像組學(xué)[12]通常是指從數(shù)字醫(yī)學(xué)影像圖像的感興趣區(qū)（Region of Interest，ROI）中提取海量影像組學(xué)特征并通過(guò)機(jī)器學(xué)習(xí)算法進(jìn)行定量分析，于2012 年由Lambin 等[13]首次提出，其思想來(lái)源于腫瘤異質(zhì)性，最終目標(biāo)是生成成像生物標(biāo)志物作為臨床決策支持工具。影像組學(xué)的主要工作流程[14]可分為圖像采集、圖像分割與勾畫(huà)、特征提取、特征篩選與降維、建立模型及數(shù)據(jù)分析等5 個(gè)步驟。在精準(zhǔn)醫(yī)學(xué)的新時(shí)代，影像組學(xué)是一個(gè)新興的轉(zhuǎn)化研究領(lǐng)域，提出了從醫(yī)學(xué)圖像中提取的定量信息與臨床數(shù)據(jù)之間的新關(guān)聯(lián)。目前，CT 影像組學(xué)研究在腫瘤良惡性鑒別、侵襲程度預(yù)測(cè)、臨床分期、療效評(píng)估及預(yù)后隨訪等方面都效果顯著[15-16]。

2 CT影像組學(xué)在胸腺瘤中的應(yīng)用

2.1 輔助鑒別診斷

前縱隔病變種類多樣、復(fù)雜，其CT 圖像特征存在差異，但并不具有特異性，肉眼常難以準(zhǔn)確區(qū)分及鑒別診斷[17]，無(wú)法幫助臨床制定合適的治療方案。因此，需要一種便捷、特異的識(shí)別方法來(lái)幫助鑒別。謝宇航等[18]提出一種基于CT 平掃圖像提取大量量化的影像組學(xué)特征并利用機(jī)器學(xué)習(xí)中隨機(jī)森林（Random Forest，RF）的Bomta 算法，以區(qū)分胸腺瘤與前縱隔其他病變，經(jīng)過(guò)多重步驟降維后最終選擇4 個(gè)差異有統(tǒng)計(jì)學(xué)意義的影像組學(xué)特征；受試者工作特征（Receiver Operating Characteristic，ROC）曲線分析顯示4 個(gè)組學(xué)特征聯(lián)合檢測(cè)的曲線下面積（Area Under Curve，AUC）值為0.881，敏感度和特異性分別為75.4%、89.6%，表明基于CT 平掃的影像組學(xué)特征對(duì)于胸腺瘤及其他前縱隔病變的鑒別診斷有一定的價(jià)值及應(yīng)用潛力。李涵翰等[19]基于術(shù)前CT 平掃和動(dòng)脈期、平衡期3 期圖像中提取病變的影像組學(xué)特征，通過(guò)ROC 曲線分析得出WavEnLLs4、WavEnLLs3、WavEnLLs2 等3 種紋理參數(shù)對(duì)鑒別前縱隔淋巴瘤和胸腺瘤的診斷價(jià)值最高（敏感度為86.67%～93.33%；特異性為100%)，并且研究結(jié)果表明基于平掃CT 圖像的組學(xué)模型對(duì)2 種疾病的鑒別價(jià)值比基于增強(qiáng)CT 圖像的組學(xué)模型更高，分析其原因，可能是平掃圖像中病灶內(nèi)血池沒(méi)有對(duì)比劑的干擾，從而提供了相對(duì)較多的紋理差異。葉勇軍等[20]的研究發(fā)現(xiàn)，基于CT 平掃的影像組學(xué)列線圖模型可以鑒別高密度胸腺囊腫和低危胸腺瘤，可避免將胸腺囊腫誤診為胸腺瘤而切除。Liu 等[21]也同樣利用影像組學(xué)列線圖來(lái)鑒別胸腺囊腫和B1、B2 型胸腺瘤，該研究基于CT 平掃和增強(qiáng)圖像分別建立2 個(gè)Radscore 模型，結(jié)果發(fā)現(xiàn)增強(qiáng)CT 組合模型在訓(xùn)練集和測(cè)試集的AUC 值（0.941、0.938）均高于平掃CT 組合模型的AUC 值（0.933、0.928），表明CT 增強(qiáng)圖像的影像組學(xué)特征比CT 平掃圖像更能反映胸腺囊腫的內(nèi)部異質(zhì)性。莫展豪等[22]基于靜脈期胸部增強(qiáng)CT 圖像影像組學(xué)特征構(gòu)建模型來(lái)鑒別胸腺瘤與其他前縱隔腫物，選擇Logistic 回歸（Logistic Regression，LR）作為特征選擇分類器，最終篩選出19 個(gè)影像組學(xué)特征構(gòu)建預(yù)測(cè)模型，訓(xùn)練集（AUC：0.89）和驗(yàn)證集（AUC：0.85）都顯示出良好的預(yù)測(cè)能力，可在一定程度上幫助建立臨床治療策略。

以上研究表明，作為一種定量方法，CT 影像組學(xué)特征分析可以提供補(bǔ)充的診斷信息，幫助識(shí)別醫(yī)學(xué)圖像中人眼無(wú)法察覺(jué)的細(xì)微差異。利用CT 影像組學(xué)建立預(yù)測(cè)模型能夠?qū)η翱v隔病變進(jìn)行準(zhǔn)確鑒別，這種新技術(shù)可以克服傳統(tǒng)影像特征定性解釋的局限性。

2.2 預(yù)測(cè)侵襲程度

胸腺瘤病理分型簡(jiǎn)易分為低危組（A、AB 和B1）、高危組（B2 和B3）和胸腺癌組（C）3 組，傳統(tǒng)影像學(xué)特征常難以準(zhǔn)確區(qū)分，因此，如何基于CT 檢查圖像采用客觀、量化的指標(biāo)對(duì)胸腺瘤進(jìn)行更為準(zhǔn)確的風(fēng)險(xiǎn)類別評(píng)估，是目前胸腺瘤相關(guān)影像研究的重要內(nèi)容之一[23]。Yasaka 等[24]、Iannarelli 等[25]發(fā)現(xiàn)基于CT 平掃圖像的影像組學(xué)特征可以區(qū)分低危組和高危組胸腺瘤，表明影像組學(xué)模型對(duì)胸腺瘤進(jìn)行組織學(xué)分型有一定可行性。黃金超[8]對(duì)225 例患者CT 平掃圖像進(jìn)行研究，發(fā)現(xiàn)有5 組常規(guī)影像學(xué)特征在低危組與高危組胸腺瘤中具有相關(guān)性（P＜0.05），經(jīng)SVM 機(jī)器學(xué)習(xí)建模后，影像組學(xué)模型測(cè)試集AUC（0.701）較臨床模型AUC（0.588）高，因此與常規(guī)影像學(xué)特點(diǎn)相比，影像組學(xué)預(yù)測(cè)模型具有更高區(qū)分高危組與低危組的能力。Feng 等[26]的研究證明，臨床特征的加入可以進(jìn)一步提高影像組學(xué)模型的分類效率，該研究基于509 例患者CT 平掃圖像提取的影像組學(xué)特征，使用14 種機(jī)器學(xué)習(xí)方法，結(jié)合臨床變量建立臨床-影像組學(xué)模型，結(jié)果發(fā)現(xiàn)支持向量機(jī)（Support Vector Machine，SVM）模型在預(yù)測(cè)胸腺瘤風(fēng)險(xiǎn)分類方面表現(xiàn)最佳，測(cè)試集AUC 達(dá)到0.844（95%CI：0.793～0.894)，高于單組學(xué)模型，表明影像組學(xué)特征和臨床特征的結(jié)合產(chǎn)生了更好的性能。

增強(qiáng)CT 能更好地反映腫瘤的內(nèi)部血流動(dòng)力學(xué)特點(diǎn)，張明山等[27]認(rèn)為，胸腺瘤的強(qiáng)化程度與簡(jiǎn)化組織學(xué)分型具有明顯相關(guān)性，增強(qiáng)程度越高，腫瘤的侵襲程度越低，低危組的胸腺瘤可能性更大。因此，利用增強(qiáng)CT 圖像提取影像組學(xué)特征或許能更好地反映腫瘤的異質(zhì)性。沈潔等[28]基于增強(qiáng)CT 影像組學(xué)特征鑒別診斷B3 型胸腺瘤與胸腺癌，采用SVM 和RF 2 種方法構(gòu)建診斷預(yù)測(cè)模型，發(fā)現(xiàn)二者均具有較好的預(yù)測(cè)潛力（AUC分別為0.81、0.91），其中RF 效果更好。但此研究只對(duì)病灶動(dòng)脈期CT 圖像的最大層面進(jìn)行二維分割，提取的CT 影像組學(xué)特征較局限。相較于二維定量分析，三維勾畫(huà)腫瘤ROI 可能提取到不同的影像組學(xué)特征以及空間特性，分類精度會(huì)有所提高，能更好地反映腫瘤的整體特征[29]。Lee 等[30]通過(guò)增強(qiáng)CT 三維重建圖像的形態(tài)學(xué)分析來(lái)區(qū)分侵襲性胸腺瘤和非侵襲性胸腺瘤，如胸腺瘤的球形、離散致密度和圓形，研究發(fā)現(xiàn)，與單獨(dú)的臨床和CT 特征（AUC 為0.666，95%CI：0.626～0.707）相比，三維形狀特征與常規(guī)臨床和CT 特征的聯(lián)合顯著提高了侵襲性和非侵襲性胸腺瘤的鑒別性能（AUC 為0.955，95%CI：0.935～0.975，P＜0.001)。

Ohira 等[31]從CT 平掃和增強(qiáng)圖像中提取了與低危組胸腺瘤、高危組胸腺瘤和胸腺癌組相關(guān)的7 個(gè)最重要的影像組學(xué)特征：灰度共生矩陣（Gray Level Cooccurrence Matrix，GLCM）同質(zhì)性、GLCM 能量、致密性、大區(qū)域高灰度強(qiáng)調(diào)、硬度、短軸長(zhǎng)度和峰度，其中，GLCM 能量和硬度對(duì)于預(yù)測(cè)胸腺癌具有高度的特異性，特別是在比較高危胸腺瘤和胸腺癌時(shí)，GLCM 能量是與胸腺癌相關(guān)的獨(dú)立指標(biāo)，該特征代表了圖像灰度基于體素的變化，可以定量地反映腫瘤的復(fù)雜性和異質(zhì)性。Dong 等[32]的研究證明，聯(lián)合增強(qiáng)CT 影像組學(xué)特征和臨床變量的機(jī)器學(xué)習(xí)模型建立影像組學(xué)列線圖能更有效地預(yù)測(cè)不同風(fēng)險(xiǎn)胸腺瘤的分類，該研究是從CT 增強(qiáng)圖像中提取影像組學(xué)特征，采用最小絕對(duì)收縮和選擇算子算法篩選出具有代表性的特征，基于這些特征構(gòu)建了LR、SVM、RF、決策樹(shù)和梯度增強(qiáng)決策樹(shù)等5 個(gè)胸腺瘤風(fēng)險(xiǎn)預(yù)測(cè)模型，其中LR 模型表現(xiàn)出最高的AUC 值（0.819），表明其是最優(yōu)高效模型。

以上研究表明，影像組學(xué)模型能夠在一定程度上客觀有效地區(qū)分胸腺瘤的病理分型，臨床及CT 影像學(xué)特點(diǎn)聯(lián)合影像組學(xué)特征的模型性能更佳，CT 增強(qiáng)圖像及三維立體勾畫(huà)能使提取的影像組學(xué)特征更加豐富，所得預(yù)測(cè)模型更加完善、全面。此外，選擇合適的機(jī)器學(xué)習(xí)方法對(duì)于建立一個(gè)更精確和臨床適用的模型尤為重要。

2.3 評(píng)價(jià)臨床分期

臨床上應(yīng)用最廣泛的胸腺上皮腫瘤分期系統(tǒng)包括Masaoka-Koga（MK）分期和TNM 分期，將Ⅰ、Ⅱ期定義為早期，Ⅲ、Ⅳ期定義為進(jìn)展期[33]。早期胸腺瘤僅局限在胸腺或浸潤(rùn)縱隔胸膜周?chē)闹窘M織，進(jìn)展期胸腺瘤通常會(huì)侵犯進(jìn)入鄰近的器官和血管，甚至發(fā)生遠(yuǎn)處轉(zhuǎn)移[34]。胸腺瘤術(shù)后MK 分期對(duì)評(píng)估手術(shù)風(fēng)險(xiǎn)非常重要，以往一些研究表明，新輔助治療為Ⅲ期胸腺瘤患者提供了生存益處[35]。因此，胸腺瘤MK 分期的術(shù)前預(yù)測(cè)可以指導(dǎo)新輔助治療的決定。

Marom 等[36]認(rèn)為，CT 成像特征可以區(qū)分MKⅠ/Ⅱ期和MK Ⅲ/Ⅳ期胸腺瘤。然而，僅通過(guò)肉眼識(shí)別CT 圖像上的腫瘤對(duì)周?chē)M織的浸潤(rùn)具有挑戰(zhàn)性。Wang 等[37]基于平掃和增強(qiáng)CT 圖像的影像組學(xué)分析鑒別早期胸腺瘤和進(jìn)展期胸腺瘤，使用3D slicer 軟件勾畫(huà)ROI 并提取影像組學(xué)特征，使用最小絕對(duì)收縮和選擇算子法邏輯回歸模型和10 倍交叉驗(yàn)證進(jìn)一步進(jìn)行特征選擇和放射組學(xué)特征構(gòu)建，研究發(fā)現(xiàn)基于CT 平掃圖像構(gòu)建的模型（AUC 為0.829）和基于CT 增強(qiáng)圖像構(gòu)建的模型（AUC 為0.86）具有良好的預(yù)測(cè)效能，其判斷的準(zhǔn)確度優(yōu)于放射診斷醫(yī)生。Yang 等[34]利用CT 平掃圖像來(lái)預(yù)測(cè)胸腺瘤分期Ⅰ期及Ⅱ期，通過(guò)2 種分割方法（細(xì)分標(biāo)簽分割法及邊界標(biāo)簽分割法）建立的人工神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)預(yù)測(cè)模型AUC 值分別為0.966、0.951，均高于通過(guò)傳統(tǒng)CT 征象建立的預(yù)測(cè)模型，表明影像組學(xué)特征在預(yù)測(cè)胸腺瘤臨床分期方面優(yōu)于CT 特征，該研究得出結(jié)論，深度學(xué)習(xí)在胸腺瘤術(shù)前分期方面具有巨大潛力，與視覺(jué)觀察相比，顯著提高了MK Ⅰ期和Ⅱ期胸腺瘤之間的識(shí)別能力，可以幫助指導(dǎo)手術(shù)治療并改善臨床結(jié)果。

在預(yù)測(cè)胸腺瘤TNM 分期中，Araujo-Filho 等[38]基于增強(qiáng)CT 圖像，使用ITK-SNAP 軟件勾畫(huà)ROI，使用CERR 軟件提取影像組學(xué)特征，通過(guò)LR 建模，最終影像組學(xué)模型AUC 值為0.708，表現(xiàn)良好。此外，該研究還構(gòu)建了預(yù)測(cè)胸腺瘤可切除性的模型，根據(jù)術(shù)后邊緣是否殘留腫瘤組織分為完全切除組及不完全切除組，模型AUC 值達(dá)0.803，有較好的預(yù)測(cè)效能。

以上研究表明，影像組學(xué)模型對(duì)胸腺瘤臨床分期具有很好的預(yù)測(cè)效能，其判斷的準(zhǔn)確度優(yōu)于傳統(tǒng)CT 特征，還可以預(yù)測(cè)胸腺瘤完全切除的可能性，為臨床提高幫助。

3 總結(jié)與展望

盡管很多研究證實(shí)了影像組學(xué)在胸腺瘤相關(guān)領(lǐng)域中的價(jià)值，但其作為一種新興研究方法，目前處于發(fā)展階段，仍存在一些問(wèn)題和局限性。首先，大部分研究都是單中心小樣本研究。影像組學(xué)的研究需要大量的樣本數(shù)據(jù)來(lái)建立準(zhǔn)確的模型，但是，獲取大規(guī)模樣本存在一定困難，而且單中心研究缺乏外部驗(yàn)證，無(wú)法保證模型的穩(wěn)定性和可重復(fù)性。未來(lái)可以采取多中心合作，通過(guò)多個(gè)醫(yī)療機(jī)構(gòu)共享數(shù)據(jù)，增加樣本數(shù)量，促進(jìn)研究者之間的合作，共同建立更大規(guī)模的數(shù)據(jù)庫(kù)。其次，醫(yī)學(xué)影像數(shù)據(jù)的質(zhì)量和紋理特征的準(zhǔn)確性對(duì)于影像組學(xué)研究至關(guān)重要，然而，數(shù)據(jù)可能存在噪音、偽影或缺陷，且手動(dòng)勾畫(huà)費(fèi)時(shí)、重復(fù)性差。這些可以通過(guò)嚴(yán)格的質(zhì)量控制和使用一致性檢驗(yàn)來(lái)確保數(shù)據(jù)的準(zhǔn)確性和一致性，開(kāi)發(fā)自動(dòng)化的圖像分割工具來(lái)提高效率。最后，近年來(lái)CT 影像組學(xué)在胸腺瘤鑒別診斷、組織學(xué)分型、臨床分期研究較多，也取得了一些成果，但在胸腺瘤療效評(píng)估、預(yù)后預(yù)測(cè)及基因組學(xué)方面的研究較少，未來(lái)研究方向可涉及以上胸腺瘤相關(guān)領(lǐng)域，使胸腺瘤相關(guān)研究更加全面，爭(zhēng)取盡早在臨床實(shí)踐中進(jìn)行推廣應(yīng)用。