劉再毅，梁長虹

(廣東省人民醫(yī)院 廣東省醫(yī)學(xué)科學(xué)院放射科,廣東 廣州 510080)

促進(jìn)影像組學(xué)的轉(zhuǎn)化研究

劉再毅，梁長虹*

(廣東省人民醫(yī)院 廣東省醫(yī)學(xué)科學(xué)院放射科,廣東 廣州 510080)

影像組學(xué)是近年來研究的熱點(diǎn)之一，可利用計(jì)算機(jī)軟件從醫(yī)學(xué)圖像中提取海量的定量圖像特征，在協(xié)助腫瘤患者的個(gè)體化治療決策方面具有廣闊的應(yīng)用前景。盡管影像組學(xué)方法可量化腫瘤異質(zhì)性，在腫瘤精準(zhǔn)醫(yī)療臨床決策中有重要輔助價(jià)值，且有巨大臨床轉(zhuǎn)化潛力，但欲將影像組學(xué)研究成果成熟應(yīng)用于臨床實(shí)踐中仍須面對諸多挑戰(zhàn)，希望國內(nèi)學(xué)者能共同努力推動其臨床應(yīng)用轉(zhuǎn)化，輔助個(gè)體化臨床決策。

影像組學(xué);腫瘤;轉(zhuǎn)化研究;挑戰(zhàn)

1895年X線的發(fā)現(xiàn)使醫(yī)學(xué)影像學(xué)科得以建立，極大地促進(jìn)了醫(yī)學(xué)實(shí)踐的發(fā)展。隨著科學(xué)技術(shù)的進(jìn)步，影像學(xué)檢查方法日趨豐富，包括超聲、核醫(yī)學(xué)、CT和MRI等，在病灶的檢出、定性、療效評價(jià)和預(yù)后預(yù)測等方面起著舉足輕重的作用，是臨床不可或缺的輔助手段。

目前影像醫(yī)學(xué)已是一門獨(dú)立的學(xué)科，技術(shù)手段發(fā)展迅猛，影像檢查不僅可提供常規(guī)的解剖結(jié)構(gòu)信息，還可提供臟器的功能信息(如擴(kuò)散成像和灌注成像等)。但臨床工作中，影像醫(yī)師對圖像的解讀主要依賴主觀判斷，通?；诓≡钚螒B(tài)、大小、部位、密度/信號、增強(qiáng)強(qiáng)化模式等作出診斷?；卺t(yī)師主觀經(jīng)驗(yàn)判讀的方法，存在主觀性強(qiáng)、依賴于臨床經(jīng)驗(yàn)等缺點(diǎn)，已不能滿足現(xiàn)代醫(yī)療模式轉(zhuǎn)向精準(zhǔn)醫(yī)學(xué)實(shí)踐的要求，故臨床亟需研發(fā)影像量化的方法。

隨著醫(yī)學(xué)圖像分析技術(shù)的發(fā)展，從醫(yī)學(xué)圖像中挖掘信息，提供臨床醫(yī)師肉眼不能判讀的深層定量信息，用于臨床分析，逐漸成為醫(yī)學(xué)圖像研究的熱點(diǎn)。醫(yī)學(xué)圖像不僅是日常臨床工作供醫(yī)師判讀的圖像，也是可挖掘的數(shù)據(jù)，即使用計(jì)算機(jī)軟件，從醫(yī)學(xué)圖像中提取海量的定量圖像特征，再基于大數(shù)據(jù)分析方法，抽提有價(jià)值的特征，用于指導(dǎo)臨床決策?；谔崛〉奶卣骶哂泻Ａ康奶攸c(diǎn)，受基因組學(xué)等組學(xué)概念啟發(fā)，荷蘭學(xué)者Lambin等[1]于2012年提出影像組學(xué)的概念。其基本分析流程包括：圖像獲取及病灶分割、影像組學(xué)特征提取、影像組學(xué)特征篩選、模型構(gòu)建和臨床信息解析等(圖1)。

近年來影像組學(xué)的發(fā)展非常迅猛，引起了國際上腫瘤學(xué)、影像研究和圖像分析領(lǐng)域眾多專家的重視。2014年，Aerts等[2]關(guān)于非小細(xì)胞肺癌和頭頸癌的影像組學(xué)研究結(jié)果表明，基于治療前CT的影像組學(xué)特征與腫瘤的基因表達(dá)高度相關(guān)，并可用于對腫瘤預(yù)后的預(yù)測。此后，一系列影像組學(xué)研究被廣泛用于腫瘤的定性、療效評估、預(yù)后預(yù)測、危險(xiǎn)因素分層等。在我國，影像組學(xué)的研究幾乎處于同時(shí)起步，研究水平在某些領(lǐng)域處于國際先進(jìn)行列，有多個(gè)研究組作出了高水平的研究成果，使用影像組學(xué)方法，基于術(shù)前CT圖像，提取并篩選出關(guān)鍵的影像組學(xué)特征，構(gòu)建模型成功預(yù)測結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移[3]；同時(shí)，關(guān)于影像組學(xué)研究[4]早期肺癌預(yù)后預(yù)測的研究成果也令人滿意；2017年以來，國內(nèi)多個(gè)影像組學(xué)的相關(guān)[5-6]研究結(jié)果成績不菲。

盡管研究表明影像組學(xué)方法可量化腫瘤異質(zhì)性，在腫瘤的精準(zhǔn)醫(yī)療臨床決策中有重要輔助價(jià)值，但在影像組學(xué)研究成果能夠成熟應(yīng)用于臨床工作前，還存在諸多挑戰(zhàn)，主要體現(xiàn)在以下方面。

(1)影像組學(xué)特征受到多種因素的影響。研究[7]表明，影像組學(xué)特征不僅受設(shè)備平臺(如不同廠家的機(jī)器)、采集參數(shù)的影響，還存在受試者自身因素的影響(如呼吸或其他生理運(yùn)動造成的運(yùn)動偽影)。如何克服或避免這種影響，找出能跨平臺或跨參數(shù)的穩(wěn)定影像組學(xué)特征，并研發(fā)相應(yīng)的標(biāo)準(zhǔn)化技術(shù)和方法，是今后研究的重點(diǎn)問題之一。

(2)盡管目前多項(xiàng)研究表明影像組學(xué)在腫瘤臨床應(yīng)用方面的潛能，但幾乎均為回顧性研究[2-6]，臨床證據(jù)還不充分。如將這些研究結(jié)果用于指導(dǎo)臨床決策，或成為臨床診療流程的一部分，還需進(jìn)行前瞻性、多中心驗(yàn)證，必須經(jīng)過嚴(yán)謹(jǐn)?shù)呐R床研究設(shè)計(jì)，確保研究結(jié)果的有效性和普適性，在真正的臨床環(huán)境下用于輔助臨床決策[8]。

(3)影像信息盡管很重要，可以輔助臨床決策，但不是唯一的信息。在臨床實(shí)踐中，還包括基因信息、實(shí)驗(yàn)室檢查、病理檢查、人口統(tǒng)計(jì)學(xué)信息等。臨床決策時(shí)，必須整合多維度信息，綜合做出判斷和決策，從而提高診療評估的精度和效率。在結(jié)直腸癌和肺癌的影像組學(xué)研究[3-4]中，構(gòu)建模型時(shí)，納入臨床指標(biāo)(如年齡、性別和實(shí)驗(yàn)室檢查等)，可以顯著提高影像組學(xué)的診斷能力。因此，今后的研究中，需對如何有效抽提和整合其他多源信息進(jìn)行進(jìn)一步研究。

(4)以深度學(xué)習(xí)為代表性技術(shù)的人工智能最近發(fā)展迅速，其在自然語音識別、圖像分類等方面顯示出巨大的發(fā)展?jié)撃堋Ｆ湓卺t(yī)學(xué)圖像，特別是病理圖像和眼底圖像的病灶檢出和定性診斷方面也有應(yīng)用；基于深度神經(jīng)網(wǎng)絡(luò)的糖尿病視網(wǎng)膜病變和皮膚癌診斷研究[9-10]結(jié)果，發(fā)現(xiàn)深度學(xué)習(xí)方法的診斷水平甚至可與專業(yè)醫(yī)師相當(dāng)。今后研究中，深度學(xué)習(xí)方法必將改變放射醫(yī)學(xué)及影像數(shù)據(jù)挖掘的流程，但目前這些方法在醫(yī)學(xué)影像中的應(yīng)用和研究還處于起步階段，距臨床應(yīng)用的距離還很遙遠(yuǎn)，且存在諸多挑戰(zhàn)。

圖1 影像組學(xué)研究流程示意圖 A.腫瘤圖像分割； B.影像組學(xué)特征提??； C.影像組學(xué)特征篩選、模型構(gòu)建及臨床信息解析

盡管國內(nèi)、外影像組學(xué)研究正如火如荼，但仍局限于一些規(guī)模較大的醫(yī)學(xué)中心，很多國內(nèi)醫(yī)師(包括影像診斷醫(yī)師)對影像組學(xué)還不了解。因此，本刊特組織一期影像組學(xué)研究，將影像組學(xué)的基本知識、臨床價(jià)值等介紹給國內(nèi)讀者，希望籍此可促進(jìn)影像組學(xué)的臨床研究，從而推動其臨床應(yīng)用轉(zhuǎn)化，輔助臨床決策。

[1] Lambin P, Rios-Velazquez E. Leijenaar R et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[2] Aerts HJ, Velazquez ER, Leijenaar RT, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun, 2014,5:4006.

[3] Huang Y, Liu Z, He L, et al. Radiomics signature: A potential biomarker for the prediction of disease-free survival in early-stage (I or II) non-small cell lung cancer. Radiology, 2016,281(3):947-957.

[4] Huang YQ, Liang CH, He L, et al. Development and validation of a radiomics nomogram for preoperative prediction of lymph node metastasis in colorectal cancer. J Clin Oncol, 2016,34(18):2157-2164.

[5] Liu Z, Zhang XY, Shi YJ, et al. Radiomics analysis for evaluation of pathological complete response to neoadjuvant chemoradiotherapy in locally advanced rectal cancer. Clin Cancer Res, 2017 Sep 22. [Epub ahead of print]

[6] Zhang B, Tian J, Dong D, et al. Radiomics features of multiparametric MRI as novel prognostic factors in advanced nasopharyngeal carcinoma. Clin Cancer Res, 2017,23(15):4259-4269.

[7] Larue RT, Defraene G, De Ruysscher D, et al. Quantitative radiomics studies for tissue characterization: A review of technology and methodological procedures. Br J Radiol, 2016:20160665.

[8] Verma V, Simone CB 2nd, Krishnan S, et al. The rise of radiomics and implications for oncologic management. J Natl Cancer Inst, 2017,109(7). doi: 10.1093/jnci/djx055.

[9] Gulshan V, Peng L, Coram M, et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA, 2016,316(22):2402-2410.

[10] Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature, 2017,542(7639):115-118.

Promotingtranslationalresearchofradiomics

LIUZaiyi,LIANGChanghong*

(DepartmentofRadiology,GuangdongGeneralHospital,GuangdongAcademyofMedicalSciences,Guangzhou510080,China)

As one the research hotspots in recent years, radiomics, allowing a high-throughput extraction of quantitative imaging features from medical imaging with computer software, has the promising potential in assisting individualized treatment for tumor patients. Though radiomics could quantify the heterogeneity of tumor and show potential values in clinical decision making to promote precision medicine for tumor patients, there are still lots of challenges in clinically translational research of radiomics. Thus, a joint effort should be made by researchers to promote the clinical application of radiomics to assist personalized management for patients.

Radiomics; Tumor; Translational research; Challenge

R73; R811

A

1003-3289(2017)12-1765-03

劉再毅(1975—)，男，四川安岳人，博士，主任醫(yī)師。研究方向：腹部影像診斷和腫瘤影像組學(xué)研究。E-mail: zyliu@163.com

梁長虹，廣東省人民醫(yī)院 廣東省醫(yī)學(xué)科學(xué)院放射科，510080。E-mail: cjr.lchh@vip.163.com

2017-11-20

2017-11-27

10.13929/j.1003-3289.201711133