岑永義，鮑保成，梁 克，陸玉敏（通訊作者）

（1右江民族醫(yī)學院 廣西 百色 533000）

（2廣西中醫(yī)藥大學第一附屬醫(yī)院放射科 廣西 南寧 530023）

肝局灶性病變（focal liver lesions, FLL）是指醫(yī)學影像上不同于背景對照而顯示出的肝占位性病變，其對應的病理有組織細胞學上的改變。惡性FLL首選手術切除，同時根據不同的腫瘤分子特征和對治療反應的差異進行個體化治療，而良性FLL以定期觀察為主。因此，FLL的精準診斷及其微環(huán)境評估等對臨床治療方案的選擇至關重要。醫(yī)學影像紋理分析作為近年來出現的后處理技術，在無需額外掃描儀、對比劑及掃描序列的情況下獲取一系列量化病灶內部特點的參數，為腫瘤異質性的判斷、相關生物學行為及微環(huán)境的評估以及腫瘤預后的預測提供了一個無創(chuàng)的影像學生物標志，也在一定程度上彌補了人眼無法識別細微差異的不足。因此，紋理分析在FLL中的應用也成為近年來大家研究的熱點之一。

1 CT或MRI紋理分析的定義及原理

CT或MRI紋理分析指通過計算機分析CT或MR圖像中的像素或體素強度的分布及規(guī)律，從而獲得評估病灶異質性的量化參數。目前，常用的紋理分析方法包括統(tǒng)計法、結構法、模型法和頻譜法4種，其中，統(tǒng)計法是醫(yī)學影像紋理分析最常用的方法[1]。統(tǒng)計法主要包括：一階統(tǒng)計、二階統(tǒng)計和高階統(tǒng)計?；谝浑A的紋理描述有平均灰度強度、均勻度、熵、標準差、偏度、峰度等，主要反映單個像素的分布情況，而忽略其空間位置及空間相互聯系。二階統(tǒng)計是基于特定像素對的分布描述，其灰度共生矩陣（GLCM）是描述兩個像素強度之間的關系，從而可以對一階統(tǒng)計進行信息補充，包括熵、能量、對比度、逆差距和相關性等。高階統(tǒng)計量通過相鄰像素的灰度差描述強度變化或同質區(qū)的分布和排列，從而分析三個或更多像素之間的關系，包括對比度、粗糙度、繁忙度等。CT及MRI紋理分析能反映病灶中最基礎的信息特征，這也許會對未來的診療手段提供重要的客觀依據。

2 CT或MRI紋理分析在FLL中的研究進展

2.1 CT或MRI紋理分析與FLL的鑒別診斷

許多FLL的影像學征象有一定的重疊性，加上一些病灶的表現并不典型，常規(guī)影像學有時對其鑒別困難。不同FLL的成分及分布特點均存在一定的差異，而紋理分析可反映病變內部的體素強度及不均勻性，一定程度上減少了閱片者的經驗及主觀意識的影響，在FLL鑒別診斷的研究中也展現出了可靠的效果。對于肝硬化背景下小肝細胞癌（sHCC）和非典型增生結節(jié)（DNs）的鑒別，Xi Zhong等[2]發(fā)現T2紋理分析的鑒別能力（AUC=0.96）高于DWI（AUC=0.80）或Gd-EOB-MRI（AUC=0.86）的效能（P=0.025、0.008）。而黃燕琪等[3]的研究也證明了肝局灶性結節(jié)性增生、肝血管瘤、HCC、ICC（肝膽管細胞癌）、肝轉移瘤5組疾病中，CT紋理分析對良惡性、兩兩惡性及良性之間的鑒別價值較高。

2.2 CT或MRI紋理分析與肝臟腫瘤分化程度

CT或MRI紋理分析還顯示出表征肝臟腫瘤分化程度的潛力，為臨床治療方式的選擇提供了新的證據。Wu Zhou等[4]進行一項MR紋理分析的研究發(fā)現，與高級別HCC相比，低級別HCC動脈期圖像的平均強度升高，而四個方向（0°、45°、90°、135°）的灰度游程不均勻性（GLN）降低（P＜0.05），平均強度和四個方向GLN的AUC分別為0.918、0.846、0.836、0.827和0.838。而Mengmeng Feng等[5]對分化程度不同的HCC患者術前T2及增強圖像進行紋理分析，發(fā)現非線性判別分析效果良好，高、中、低分化組間兩兩鑒別AUC范圍為0.808～0.879?？梢?，影像紋理分析對HCC惡性程度的預測價值較高，但其對ICC等其他肝惡性腫瘤分化程度的預測價值仍然有待于進一步研究。

2.3 CT或MRI紋理分析與肝臟腫瘤的相關基因及免疫組化表達

腫瘤相關基因和免疫組化的異常表達與其增值、侵襲性等生物學行為有密切的聯系，全面了解其表達情況對藥物的選擇有積極的指導意義。因此，有必要探索一個靈敏度及特異度好、推廣價值高且檢查成本低的新型無創(chuàng)性檢測手段。目前，已有不少研究證明CT或MRI的紋理量化在肝腫瘤微環(huán)境的預測中有較高的應用價值。Jun Zhang等[6]對ICC患者術前T1動脈期圖像進行紋理分析，用Logistic回歸選出顯著相關的特征并建立預測模型，結果三個小波和一個3D特征對CD8+T的表達情況有很好的識別能力，四者聯合的預測AUC達0.919。Hongzhen Wu等[7]研究CT紋理分析與HCC P53突變情況的關系發(fā)現，P53突變與GLCM有關，其相關性和熵是最有望區(qū)分P53（-）和P53（+）的參數。

2.4 CT或MRI紋理分析與肝臟腫瘤微血管侵犯（MVI）的預測

除了臨床分期、病理分級、相關基因及免疫組化表達等方面，MVI是與肝惡性腫瘤預后相關的另一個重要因素。紋理分析作為“虛擬活檢”的手段，有望成為肝惡性腫瘤MVI預測的可靠無創(chuàng)性檢查方法。Gregory C.Wilson等[8]從T1、T2、HAP、PVP圖像中進行紋理分析，在Logistic回歸中發(fā)現T1的均值和PVP的熵與HCC的MVI之間差異有統(tǒng)計學意義（P＜0.05），當二者標準都滿足時，HCC的MVI預測準確率為87%。

2.5 CT或MRI紋理分析與肝臟惡性腫瘤的預后預測

當前，TNM分期是預測肝臟惡性腫瘤預后的最常用手段，但其存在一定的不足。因此，加入TNM分期以外的預后指標以提高預后預測的準確性對患者意義重大。近年來，紋理分析對腫瘤預后的預測也是人們研究的熱點之一。一項研究[9]將100例HCC患者分為A組（直徑＜3 cm）和B組（直徑＞3 cm），根據術后1年療效不同分為早期復發(fā)組（ER）和非早期復發(fā)組（NER），比較MR圖像的紋理特征與療效的關系。結果A組HAP圖像的均勻性、熵和B組HAP圖像的偏度、熵可作為ER的獨立預測因子。此外，楊柏帥等[10]的研究也表明了MR紋理分析能有效地預測ICC經肝動脈灌注化療的療效。

3 CT或MRI紋理分析在FLL中的不足

盡管CT或MRI紋理分析在FLL的研究中顯示出令人滿意的結果，但在臨床的應用上仍面臨著很大的挑戰(zhàn)[11]：（1）紋理分析需要經過病灶分割、特征提取、數據處理等一系列復雜的工作流程，而目前的研究所使用的軟件、分割方法、后處理技術及提取紋理特征的數量和質量均不盡相同，而目前在這些問題上并沒有形成統(tǒng)一的標準和共識。（2）在病灶最大層面上（2D）提取的紋理特征未必能最好地體現病變的異質性特點，而在容積上（3D）進行紋理分析會增加額外的人力和時間。（3）紋理特征反映的是圖像像素及灰度的分布情況，從而間接反映腫瘤內部的異質性，對病變發(fā)生發(fā)展過程中潛在的病理生理過程的解釋仍有待于進一步研究。（4）當前對FLL的紋理分析研究中，絕大多數都是小樣本、單中心、回顧性研究，多中心及前瞻性研究仍有待于進一步完善。

4 小結

CT或MRI紋理分析作為醫(yī)工結合的新學科，在FLL的研究中發(fā)展迅速、前景廣闊。然而，如其他影像學新技術一樣，紋理分析在軟件和工作流程的指南上仍然一片空白，在臨床的投入應用中仍需很大努力。同時，我們迫切需要更多有提高準確性和可解釋性的研究，以更好地促進紋理特征解釋和臨床推廣。