作者：李华秀，李振辉，王关顺，云南省肿瘤医院昆明医科大学第三附属医院放射科
据2015中国癌症统计数据显示，男性最多见的5种癌中，消化道肿瘤（胃癌、食道癌、肝癌、结直肠癌）占了4种。女性最多见的5种癌中，消化道肿瘤（胃癌，结直肠癌，食道癌）占了3种。可见，消化道肿瘤在我国的发病率很高，但其准确的早期诊断及无创、有效的疗效评估仍然是当今医学界的一大难题。
医学影像是人体信息获取和疾病诊断的重要手段，随着CT、MRI、PET-CT/MR等多种成像技术的发展及多参数、多维度、多序列的图像采集，我们能获取的影像资料越来越丰富。传统医学影像诊断仍停留在解剖形态的改变上，还有极大部分有效信息亟待提取和利用。影像组学（Radiomics）正是一种可定量提取病灶异质性的新兴影像学方法，其在全身各系统中的应用及研究现正逐步开展。
1.影像组学概述
1.1影像组学定义
影像组学是继“分子影像学”和“放射基因组学”基础上的又一新发展。2012年，荷兰学者Lambin等正式提出影像组学的概念，即“高通量地从放射影像中提取大量的影像特征”。很快影像组学就受到了全球各研究机构及临床影像工作者的广泛关注。同年，美国国家癌症研究所（NCI）旗下的量化研究网络（QIN）就明确定义了影像组学的组成，分为图像的采集和重建、图像分割及重组、图像特征的提取和量化、数据库的建立及共享、个体数据的解析五部分。
1.2图像采集、分割
基于平扫、增强、灌注等采集高质量CT、MRI、PET-CT/MR标准图像，然后勾画ROI病灶轮廓，进行图像分割。分割法有手动、半自动、自动三种。常用医学分割算法有：区域增长法（Region-growing methods）、水平设置法、图像切割法、动态轮廓算法（Active contours algorithms）及半自动分割法（Semiautomatic segmentations）、基于容积CT的分割法（Volumetric CT based segmentation）等。现阶段多用手动及半自动分割方法，其中人工追踪分割方法相对较准确，但存在不同医师之间主观性的影响，并且耗时较长，因此今后需要发展自动化、精确、稳定、重复性高的分割算法。
1.3图像重组和特征提取、量化
将分割后的二维感兴趣区进行三维容积重组以生成三维感兴趣容积（VOI），便可从中提取高维度特征数据，特征提取正是影像组学的核心。提取的特征数据包含两种类型：一种是常可以定性的传统影像术语，如部位、大小、形态、血管生成、坏死、毛刺等；另一种是不可视的肿瘤异质性（纹理）。纹理提取常用的获取量化参数方法有3种：统计法、模型法和基于变换的方法。统计法是最常用的纹理提取方法，其有不同的秩序统计参数（一阶、二阶和高阶）。
一阶和二阶测量在医学影像纹理分析中更常见。一阶统计描述的是感兴趣区（ROI）单个像素值的灰度分布情况，是一种基于直方图分析的方法，其缺点是所测得的体素值并不包含空间位置信息。一阶参数包括平均值、中位数、最小强度、最大强度、标准差、一致性、熵、偏度、峰度、像素值的百分位数等。二阶统计是基于特定的像素对的联合概率分布，二阶描述局部纹理特征主要应用空间灰度依属法或者共生矩阵，这些矩阵描述一个像素的强度与另一个像素的强度之间的关系。二阶统计相关纹理测度主要包括三类：灰度共生矩阵，其不仅包含灰度统计信息，而且反映灰度分布的空间信息，根据具体任务还可使用如下测度：角二阶矩/能量、惯量（inertia）、熵、同质性（homogeneity）、差异性（dissimilarity）和一致性（uniformity）；游程矩阵：短游程优势、长游程优势、灰度不均匀性和游程不均匀性。
高阶是应用相邻像素灰度差分矩阵描述图像局部特征，反映区域内强度的变化或同质区域的分布情况。模型法是通过数学方法建立预测/分类模型来解释纹理，常用数学方法有：分形分析（fract alanalysis）、自举法（bootstrap approach）、反向传播法（back-propagation algorithm）、逻辑回归分析（logistic regression）、支持向量机（support vector machine）、空间频率算法（spatial-frequency measurements）、随机森林算法（random-forest method）、自动识别算法（auto-detection algorithms）等。基于变换的方法有：傅立叶变换、Gabor变换、小波变换等。
对所提取的影像特征数据量化过程中，高度可重复性、信息量丰富、非冗余的有效特征的选取和维度减少至关重要。可通过序贯筛选等机器学习或统计学途径实现高效选取，也可以通过合并或主成分分析等降维方法将源特征转化为新的特征集合。最后，通过多学科合作，整合影像、提取的特征数据及临床资料，建立数据库，以便影像特征数据的分析和共享。
2.影像组学在全身各系统的应用研究概述
影像组学在人体各系统病灶分割、纹理提取及预后、疗效预测等多方面均有广泛的应用研究。在病灶分割方面，Velazquez等利用3D-Slicer软件对非小细胞肺癌CT图像进行容积分割，发现其与手动分割具有较高的一致性（重叠分数>0.90），同时3D-Slicer分割与病理病灶周径也有很强的相关性（R=0.89，95%CI，0.81~0.94）。在肿瘤异质性的提取上，Antunes等发现PET/MRI纹理分析可用于肾细胞癌靶向治疗的疗效评估，Parmar等也证实肺癌和头颈癌的肿瘤特征纹理聚类与肿瘤的预后、分期、组织学类型等参数相关。
除肿瘤本身异质性外，还有学者提取了肿瘤周围实质的纹理，发现MRI背景增强纹理和肿瘤本身纹理的综合评价（AUC=0.878，P＜0.01）较单纯肿瘤本身纹理（AUC=0.782）对三阴乳腺癌有更好的鉴别价值。另外，Vallières等比较了融合影像（PET/T1和FDG-PET/T2FS）和单一影像（FDG-PET和MRI（T1WI、T2FS）纹理，发现前者对四肢软组织肉瘤的肺转移有更高的预测价值。
3.影像组学在消化系统中的应用
3.1影像组学在食管癌中的应用
目前，国内外学者应用影像组学在食管癌中的研究主要是集中在放化疗疗效评价及生存率预测改善方面。Ypsilantis等利用卷积神经网络提取了对新辅助化疗有高度预测价值的18F-FDGPET影像特征，同时发现三层卷积神经网络（Three-slices convolutional neural network，3S-CNN）预测放化疗无效的敏感度和特异度较高，分别为80.7%、81.6%。Yip等提取了不同滤过值（0~2.5）CT纹理，发现新辅助化疗后熵和一致性减低，而偏度的改变又与生存率相关。Tan等也发现具有时间性和空间性的18F-FDG-PET密度特征（SUVmean和偏度）和纹理特征（惯性,相关性和特征集）可以很好的预测放化疗后食管癌病理改变（AUC≥0.76）。Nakajo等发现除了纹理特征，容积参数（肿瘤代谢容积（Metabolic tumour volume，MTV）、总病灶糖酵解（Total lesion glycolysis，TLG）等也可以预测疗效。Yip等比较了PET-CT纹理和SUVmax、SUVmean，发现前者能更好的反应疗效变化，同时，熵值中位数和RLM纹理能很好的判断患者的预后（log-rankP<0.02）。
3.2影像组学在肝脏疾病中的应用
影像组学在肝脏疾病中的研究主要集中在病灶分割、诊断与鉴别诊断、治疗方案选择及预后评价等方面。Echegaray等比较了人工分割和核心采样（core samples）之间的内在相关性，发现core samples能更快捷地分割出特征病灶。黄燕琪等利用增强CT纹理分析（CT texture analysis，CTTA）证实门脉期对肝局灶性实质性病变的鉴别诊断错判率最低（13.57%）。Huang等基于CT平扫图像利用支持向量机分类（support vectormachine classifier）鉴别肝脏肿瘤（80例恶性，84例血管瘤）良恶性的准确率为81.7%，敏感度为75.0%，特异度为88.1%，表明影像组学的应用有望大大减少CT增强扫描。有研究者发现CTTA还可辅助巨大肝癌（>5 cm）手术方式（肝切除或肝动脉化疗栓塞术）的选择。此外，Bowen等发现SCSPECT/CT可辅助肝癌患者肝功能及生存率的评价。
3.3影像组学在结直肠癌中的应用
结直肠癌的术前分期及预后判断是治疗决策的重要依据，术后病理学检查是其诊断金标准，目前仍没有可靠的术前临床评价手段及影像学方法，现有研究证实影像组学可以改善这一现状。目前，国内外学者对结直肠癌的研究主要集中在纹理特征提取、肿瘤分期、转移早期评价及疗效预测等方面。Hu等利用MatlabR2015a软件从二期直肠癌CT影像中提取了775个纹理特征，验证后发现其中496个纹理具有高度可重复性（ICC≥0.8）。Liang等利用LASSO回归模型提取了16个可以对直肠癌进行准确分期的CT纹理。Huang等提取了24个纹理并证实其对结肠癌淋巴结转移具有很好的预测能力，该研究团队还发现综合影像组学标签、传统CT淋巴结评估以及临床资料（如癌胚抗原）建立的预测模型可进一步实现淋巴结转移的个体化精准预测。
Nie等发现体素异质性分析较传统平均容积分析对直肠癌疗效有更好的预测价值。还有研究者发现门脉期CT图像纹理及肝脏灌注情况与未发生明显形态学肝转移的直肠癌患者生存率明显相关。
4.存在的问题
影像组学的应用研究尚处于起步阶段，研究邻域较局限，研究模式多属于单中心研究，设备、成像参数、扫描方案存在较大差异，分析软件、研究方法未标准化，研究样本量比较小等诸多不足极大地限制了研究结果的可重复性和准确性。要实现影像组学在临床的应用、推广，从图像采集、重建、分割、重组到特征的提取和量化每一步都需要进行优化、统一和标准化。另外，好多研究发现有待进一步证实。影像组学的发展面临着诸多巨大挑战。
5.前景展望
短短几年内，影像组学在肿瘤分型、分期、预后分析及诊疗方案选择的研究上已取得初步进展，研究也从恶性肿瘤性病变扩展到了肝血管瘤、肝局限性结节增生等良性病灶中。无创、定量、时空异质性等优点，使得影像组学不仅可以提高早诊率，而且能改善疗效和预后，最大程度地减轻患者医疗负担。相信在广大国内外研究者和放射医师的共同努力下，可以解码细胞、生理、遗传共同决定的综合影像信息的影像组学将成为临床医学无创检测发展的重大革命。
|
