姚嫦吟 綜述 崔恩銘 審校

腎細(xì)胞 癌（renal cell carcinoma，RCC）是腎臟最常見的惡性腫瘤，約占腎臟所有惡性腫瘤的90%［1］。除了手術(shù)治療，靶向藥物、免疫抑制劑等治療手段逐漸應(yīng)用于RCC 的治療，治療預(yù)后及其影響因素的準(zhǔn)確預(yù)測成為實(shí)現(xiàn)個(gè)體精準(zhǔn)醫(yī)療的關(guān)鍵。在臨床工作中，穿刺活檢是治療前評(píng)估RCC預(yù)后相關(guān)信息的傳統(tǒng)手段，但穿刺活檢仍有諸多缺陷，包括樣本量少、取樣片面、腫瘤出血、針道轉(zhuǎn)移等。近年來，隨著CT、MRI、PET/CT 及影像組學(xué)等技術(shù)的快速發(fā)展，以及精準(zhǔn)醫(yī)療的快速推進(jìn)，醫(yī)學(xué)影像成為了RCC 預(yù)后及其相關(guān)因素?zé)o創(chuàng)評(píng)估的重要手段。本文旨在對(duì)上述醫(yī)學(xué)影像技術(shù)在RCC 預(yù)后及其相關(guān)因素評(píng)估的應(yīng)用現(xiàn)狀及研究進(jìn)展進(jìn)行綜述。

醫(yī)學(xué)影像學(xué)對(duì)腎細(xì)胞癌療效的預(yù)測

1.手術(shù)預(yù)后預(yù)測

有30%的局限性RCC 患者在腫瘤完全切除后復(fù)發(fā)［2］，目前有多個(gè)基于TNM 分期、病理核分級(jí)和腫瘤大小、壞死等變量建立的臨床病理綜合模型，比如加利福尼亞大學(xué)洛杉磯分校腎癌風(fēng)險(xiǎn)分級(jí)系統(tǒng)（University of California Los Angeles Integrated Staging System，UISS）［3］、SSIGN（stage，size，grade，and necrosis）評(píng)分系 統(tǒng)［4］、Leibovich 評(píng)分系統(tǒng)［5］等，多個(gè)驗(yàn)證性研究表明上述模型能個(gè)體化評(píng)估患者的術(shù)后無進(jìn)展生存期或生存期［6-8］，但這些模型納入的病理指標(biāo)易受活檢取材、個(gè)人主觀分析的影響，且其操作復(fù)雜、成本高，大大限制了在臨床的廣泛使用。

有些學(xué)者對(duì)影像征象及功能分子成像參數(shù)預(yù)測RCC 術(shù)后預(yù)后的可行性進(jìn)行了研究。在傳統(tǒng)影像征象方面，Dai 等［9］通過計(jì)算在CT 或者M(jìn)RI軸位圖像上腫塊輪廓不規(guī)則的層數(shù)和腫塊總層數(shù)的比值對(duì)腎乳頭狀細(xì)胞癌（papillary renal cell carcinoma，pRCC）輪廓不規(guī)則程度進(jìn)行量化，發(fā)現(xiàn)該指數(shù)可以對(duì)患者術(shù)后進(jìn)展風(fēng)險(xiǎn)進(jìn)行分層（C 指數(shù)：0.934），并且該指數(shù)性能優(yōu)于Leibovich 評(píng)分（C 指數(shù)：0.833）。而在功能及分子成像方面，Wang 等［10］發(fā)現(xiàn)術(shù)前灌注CT 參數(shù)血流量（blood flow，BF）、腫瘤病理T 分期以及Fuhrman 分級(jí)與局限性腎透明細(xì)胞癌（clear cell renal cell carcinoma，ccRCC）患者術(shù)后無進(jìn)展生存期（progression-free survival，PFS）顯著相關(guān)，BF 預(yù)測ccRCC 患者術(shù)后遠(yuǎn)期轉(zhuǎn)移的曲線下面積（area under curve，AUC）值為0.75。Nakajima等［11］發(fā)現(xiàn)RCC 患者術(shù)前18F-氟代脫氧葡萄糖（18Ffluoro-2-deoxyglucose，18F-FDG）PET/CT 圖像上腫瘤代謝體積（metabolic tumor volume，MTV）值大于10.83、病灶糖酵解總量（total lesion glycolysis，TLG）值大于23.5 及病理TNM 分期為Ⅲ、Ⅳ期與術(shù)后早期進(jìn)展相關(guān)，MTV（P=0.02；HR=9.5；95%CI：1.50～187.0）、TLG（P=0.02；HR=9.0；95%CI：1.40～178.5）及病理TNM 分期（P=0.04；HR=5.9；95%CI：1.66～20.4）是RCC 患者術(shù)后PFS 的顯著預(yù)測因子。此外，Wu 等［12］表明18F-FDG PET/CT 圖像上腫瘤最大 標(biāo)準(zhǔn)化攝取值（maximum standardized uptake value，SUVmax）和肝臟平均標(biāo)準(zhǔn)化攝取值（mean standardized uptake value，SUVmean）比值以及病理TNM 分期是RCC 患者術(shù)后PFS 的獨(dú)立預(yù)測因子。上述研究表明傳統(tǒng)影像征象和功能及分子成像參數(shù)與RCC術(shù)后預(yù)后相關(guān)。

CT、MRI 或PET/CT 的傳統(tǒng)指標(biāo)有主觀性強(qiáng)、準(zhǔn)確性和一致性較差等缺陷，其預(yù)測效能均難以達(dá)到臨床應(yīng)用的需求，因此近年來有研究將影像組學(xué)技術(shù)應(yīng)用到RCC 手術(shù)預(yù)后預(yù)測。Choi 等［13］基于ccRCC 患者術(shù)前T1WI 增強(qiáng)、T2WI 和臨床特征構(gòu)建預(yù)測SSIGN 評(píng)分的影像組學(xué)模型對(duì)患者預(yù)后進(jìn)行無創(chuàng)性分層。用14 種特征選擇方法和10種分類器分別組合構(gòu)建預(yù)測模型并從中選出性能最佳的人工干預(yù)機(jī)器學(xué)習(xí)模型，和基于樹表示的工作流優(yōu)化（tree-based pipeline optimization tool，TPOT）在非人工干預(yù)下自動(dòng)選擇建立的最佳自動(dòng)機(jī)器學(xué)習(xí)模型進(jìn)行比較，在測試集中最佳人工干預(yù)模型受試者工作特征（receiver operating characteristic，ROC）AUC 和精確率-召回率AUC 分別為0.89、0.81，而最佳自動(dòng)機(jī)器學(xué)習(xí)模型分別為0.94、0.83，它們均能夠預(yù)測患者術(shù)后SSIGN 評(píng)分。Yang 等［14］提取篩選與ccRCC 異質(zhì)性有關(guān)的CT 圖像機(jī)器學(xué)習(xí)特征并構(gòu)建影像組學(xué)特征分?jǐn)?shù)，該分?jǐn)?shù)可預(yù)測ccRCC 患者術(shù)后PFS（訓(xùn)練集C 指數(shù)：0.696；驗(yàn)證集C 指數(shù)：0.704），以44.7 作為界值將該分?jǐn)?shù)轉(zhuǎn)化為二分類變量，低分者術(shù)后復(fù)發(fā)概率是高分者的4.44 倍。此外，將該分?jǐn)?shù)與UISS、SSIGN 分別融合構(gòu)建列線圖（nomogram），明顯提高了UISS、SSIGN對(duì)ccRCC 預(yù)后預(yù)測的評(píng)估效能（UISS 模型C 指數(shù)從0.64 提高到0.74；SSIGN 模型從0.76 提高到0.78）。上述研究表明影像組學(xué)這種無創(chuàng)技術(shù)對(duì)RCC 術(shù)后預(yù)測效能不僅可媲美有創(chuàng)的臨床病理綜合模型，還可為現(xiàn)有的臨床病理指標(biāo)提供額外信息，從而更精準(zhǔn)地實(shí)現(xiàn)患者的個(gè)體化治療。

阻礙影像組學(xué)轉(zhuǎn)化為臨床實(shí)踐最重要的一點(diǎn)就是組學(xué)特征的可解釋性，醫(yī)學(xué)圖像是基于基因和分子水平產(chǎn)物的宏觀體現(xiàn)，影像組學(xué)理論上在一定程度上揭示醫(yī)學(xué)圖像潛藏的組織分子和基因型基礎(chǔ)［15,16］，因 此Lee 等［15］及Zhao 等［16］為了更 好地解釋和理解影像組學(xué)在RCC 預(yù)后評(píng)估中的內(nèi)在機(jī)制，探索了影像組學(xué)特征和RCC 基因的內(nèi)在關(guān)聯(lián)。Lee 等［15］用機(jī)器學(xué)習(xí)的方法從病理分期T1期RCC 患者術(shù)前CT 圖像中提取了四個(gè)與術(shù)后轉(zhuǎn)移顯著相關(guān)的影像組學(xué)特征，對(duì)特征相關(guān)基因集通過基因富集分析進(jìn)行分子功能注釋，發(fā)現(xiàn)所有相關(guān)基因均參與了細(xì)胞外基質(zhì)-受體通路，此外有三個(gè)影像組學(xué)特征相關(guān)基因均參與了PI3K/AKT信號(hào)、黏合素信號(hào)和黏著斑 通路。Zhao 等［16］利用加權(quán)相關(guān)網(wǎng)絡(luò)分析技術(shù)確定了與ccRCC 術(shù)后轉(zhuǎn)移影像組學(xué)特征最相關(guān)的基因模塊，發(fā)現(xiàn)它們主要富集在細(xì)胞外基質(zhì)-受體、黏著斑、蛋白質(zhì)消化吸收和PI3K/AKT 信號(hào)通路，其中三個(gè)與Lee 等［15］研究結(jié)果相同的生物信號(hào)通路已被證實(shí)在腫瘤的侵襲、進(jìn)展和轉(zhuǎn)移中發(fā)揮重要作用。此外Zhao 等［16］還從影像組學(xué)特征相關(guān)基因模塊中選取了19 個(gè)基因成功構(gòu)建預(yù)測ccRCC 術(shù)后轉(zhuǎn)移風(fēng)險(xiǎn)的影像基因組學(xué)標(biāo)簽（影像基因組學(xué)發(fā)現(xiàn)隊(duì)列的AUC為0.924；影像基因組學(xué)驗(yàn)證隊(duì)列的AUC 為0.843），并發(fā)現(xiàn)這些基因富集在細(xì)胞外基質(zhì)-受體和黏著斑通路中。上述研究表明通過對(duì)醫(yī)學(xué)影像圖像進(jìn)行特征挖掘可以映射腫瘤的基因表達(dá)及分子表征，增加了影像組學(xué)特征對(duì)腫瘤生物學(xué)行為預(yù)測的可解釋性。但這些研究探索的是影像組學(xué)特征和基因模塊之間的相關(guān)性而不是因果關(guān)系，影像組學(xué)特征是否反映基因模塊的全貌，還有待進(jìn)一步研究。

2.靶向藥物療效預(yù)測

靶向治療特異性地干擾對(duì)腫瘤細(xì)胞生長、凋亡和血管生成至關(guān)重要的細(xì)胞通路，可能導(dǎo)致腫瘤壞死和空洞使疾病穩(wěn)定而腫瘤體積卻無縮小［17］，因此僅根據(jù)實(shí)體瘤療效評(píng)價(jià)標(biāo)準(zhǔn)1.1（Response Evaluation Criteria in Solid Tumours Version 1.1，RECISTv1.1）通過測量CT 或MRI 圖像上腫瘤體積變化可能會(huì)低估靶向藥物的療效。對(duì)此Choi等［18］結(jié)合CT 圖像上腫瘤大小及密度的變化提出了一套新的靶向藥物療效評(píng)估標(biāo)準(zhǔn)。Smith 等［19］提出了MASS（morphology，attenuation，size，and structure）標(biāo)準(zhǔn)，根據(jù)治療后CT 圖像上腫瘤大小、密度變化以及有無中心壞死等評(píng)估腎細(xì)胞癌轉(zhuǎn)移（metastatic renal cell carcinoma，mRCC）患者抗血管生成靶向治療效果。Schmidt 等［17］研究表明根據(jù)Choi 療效評(píng)價(jià)標(biāo)準(zhǔn)判斷為部分緩解的mRCC 患者PFS、總生存期（overall survival，OS）較穩(wěn)定、進(jìn)展患者明顯延長，盡管RECISTv1.1 部分緩解與穩(wěn)定、進(jìn)展患者間PFS、OS 無顯著區(qū)別，但進(jìn)展與部分緩解、穩(wěn)定患者間OS 有區(qū)別（HR：0.23；95%CI：0.09～0.57；P=0.002）。而在Gupta 等［20］的研究中Choi 部分反應(yīng)和穩(wěn)定mRCC 患者間PFS 及OS 無統(tǒng)計(jì)學(xué)差異，但是改良Choi（modified Choi，mChoi）及修正Choi（revised Choi，rChoi）部分緩解較穩(wěn)定患者PFS 及OS 顯著延長，而RECISTv1.1 及MASS 部分緩解和穩(wěn)定患者間PFS 差異有統(tǒng)計(jì)學(xué)意義，但是OS 無統(tǒng)計(jì)學(xué)差異。盡管結(jié)合CT 圖像上腫瘤密度變化及腫瘤有無壞死可以改善對(duì)mRCC 靶向治療療效評(píng)估，但是計(jì)算所有轉(zhuǎn)移灶平均密度變化情況非常耗時(shí)、耗力，限制了這些新評(píng)估標(biāo)準(zhǔn)在臨床實(shí)踐中的應(yīng)用。

在分子 成像方 面，Hwang 等［21］在 一項(xiàng)納入56 例接受抗血管生成靶向藥物治療mRCC 患者的研究中發(fā)現(xiàn)，根據(jù)國際轉(zhuǎn)移性腎癌數(shù)據(jù)庫聯(lián)盟（International Metastatic Renal-Cell Carcinoma Database Consortium Model，IMDC）評(píng)分判定為低危患者和中高?；颊呓M間DFS、OS 無差異。根據(jù)MTV 及TLG 值對(duì)低危組和中高危組分別進(jìn)行重新分類，在低危組中，低TLG（≤143.5）較高TLG（＞143.5）有更長的PFS（P=0.010 ）。在中高危組中，低MTV（≤27.2）或低TLG 均有更長的PFS 和OS（P＜0.05）。

2016 年Antunes 等［22］提出舒尼替尼治療前和治療3 周后18F-氟代胸苷（18F-fluorothymidine，18FFLT）-PET/MRI 圖像兩個(gè)紋理特征表觀擴(kuò)散系數(shù)（apparent diffusion coefficient，ADC）能量（energy）、T2WI 差值平均（difference average）的變化能夠早期識(shí)別mRCC 對(duì)靶向藥物治療的早期結(jié)構(gòu)變化和功能反應(yīng)，但他們的研究只納入了兩個(gè)患者，因此該理論的可靠性有待驗(yàn)證。而后Haider 等［23］表明舒尼替尼治療前及治療兩個(gè)月后CT 圖像紋理特征大小歸一化標(biāo)準(zhǔn)差（size normalized standard deviation，nSD）與腎透明細(xì)胞癌轉(zhuǎn)移（metastatic clear cell renal cell carcinoma，mccRCC）患者PFS和OS 正相關(guān)，而治療后熵值和熵值變化與OS 負(fù)相關(guān)。治療前nSD 和治療后nSD 可以提高IMDC 模型對(duì)mccRCC 患 者OS 的預(yù)測效能。Chen 等［24］提取mccRCC 患者接受酪氨酸激酶抑制劑治療前增強(qiáng)CT 圖像平掃期及動(dòng)脈期特征，并計(jì)算出德爾塔特征（動(dòng)脈期與平掃期特征的差值），分別構(gòu)建平掃期、動(dòng)脈期、平掃結(jié)合動(dòng)脈期、德爾塔特征的影像組學(xué)模型預(yù)測靶向治療6 個(gè)月后的療效。最終結(jié)果表明在驗(yàn)證集中德爾塔模型擁有最高的敏感度（71.4%）和準(zhǔn)確度（87.5%），雖然其AUC 值（0.916）最高，但和平掃期AUC 值（0.710）沒有組間差異（P=0.056）。校準(zhǔn)曲線表明在驗(yàn)證集中只有德爾塔特征模型仍然擁有良好的校準(zhǔn)，決策曲線也表明德爾塔特征模型擁有最高的凈收益。這證明動(dòng)脈期與平掃期的差值特征反映病灶的血管化或灌注情況，可以更好地預(yù)測抗血管生成靶向藥物的療效。盡管上述影像組學(xué)研究均表明利用影像組學(xué)能早期評(píng)估患者靶向藥物治療效果及預(yù)后，但都是使用機(jī)器學(xué)習(xí)的方法，仍然難以避免勾畫所有轉(zhuǎn)移灶這種高強(qiáng)度的勞動(dòng)，近年來深度學(xué)習(xí)的興起也許能解決這個(gè)問題。

3.免疫抑制劑療效預(yù)測

免疫檢查點(diǎn)抑制劑可以延長mRCC 患者總生存期，但其客觀緩解率只有25%，目前尚無準(zhǔn)確預(yù)測免疫治療效果的生物標(biāo)志物［25］。隨著免疫治療在臨床的應(yīng)用增多，如何篩選有效治療對(duì)象成為臨床工作中的難點(diǎn)和重點(diǎn)。

免疫檢查點(diǎn)抑制劑起作用的過程中腫瘤體積可能變大，這被稱為“假性進(jìn)展”，為解決這個(gè)問題提出了針對(duì)免疫治療的療效評(píng)價(jià)標(biāo)準(zhǔn)（immune RECIST，iRECIST）［26］、實(shí)體腫瘤免疫治療療效評(píng)價(jià)標(biāo)準(zhǔn)（immune-modified RECIST，imRECIST）［27］等，仍然依靠CT 或MRI 圖像上腫瘤及轉(zhuǎn)移灶大小變化評(píng)估腫瘤療效及預(yù)后，但目前臨床實(shí)驗(yàn)及實(shí)踐中對(duì)于腫瘤免疫治療效果尚無統(tǒng)一標(biāo)準(zhǔn)，其臨床效用還需進(jìn)一步的驗(yàn)證。

Vento 等［28］發(fā)現(xiàn)一位通過納武利單抗治療得到緩解的mccRCC 患者腫瘤組織高表達(dá)細(xì)胞程序性死亡-配體1（programmed death-ligand 1，PDL1），將患者腫瘤組織及低表達(dá)PD-L1 的pRCC 腫瘤組織分別植入小鼠體內(nèi)，然后用18Zr 標(biāo)記的PD-L1 單克隆抗體阿替利珠單抗作為顯像劑對(duì)小鼠進(jìn)行PET/CT 檢查，發(fā)現(xiàn)移植該患者腫瘤組織的小鼠病灶明顯較對(duì)照組高攝取。使用PD-L1 單克隆抗體作為顯像劑的PET/CT 可以無創(chuàng)性評(píng)估腫瘤PD-L1 表達(dá)水平，或許可以用來預(yù)測納武利單抗等以程序性死亡受體1（programmed dead protein 1，PD-L1）/PD-L1 作為靶點(diǎn)的免疫檢查點(diǎn)抑制劑對(duì)mRCC 的療效以及通過觀察正常組織對(duì)顯像劑的攝取情況評(píng)估免疫檢查點(diǎn)抑制劑的毒副作用。然而這還需要進(jìn)一步的研究，因?yàn)镻D-L1 表達(dá)水平是否能作為免疫治療效果預(yù)測指標(biāo)仍需要進(jìn)一步研究，而且單克隆抗體顯像制劑制備復(fù)雜、成本高，尚處于試驗(yàn)階段。

Rossi 等［29］發(fā)現(xiàn)mRCC 患者治療前門脈期CT圖像的一些灰度直方圖特征與患者免疫治療后進(jìn)展明顯相關(guān)。Khene 等［30］提取mRCC 患者治療前增強(qiáng)CT 圖像紋理特征，分別用K 近鄰、隨機(jī)森林樹、邏輯回歸和支持向量機(jī)分類器基于經(jīng)過最小絕對(duì)收縮算子算法（least absolute shrinkage and selection operator，LASSO）選取的5 個(gè)特征建立了4 個(gè)模型，預(yù)測免疫治療效果，AUC 分別為0.79、0.67、0.92、0.71。Park 等［31］分別建立mRCC 患者接受免疫治療前以及免疫治療后三個(gè)月內(nèi)第一次隨訪的CT 圖像紋理特征模型，治療前紋理模型可以區(qū)分PFS 及OS 的長期和短期生存，而隨訪紋理模型只能區(qū)分OS 的長期和短期生存。此外，隨訪紋理模型可以提高IMDC 評(píng)分預(yù)測mRCC 患者OS 效能（C 指數(shù)從0.63 提高至0.70）。以上研究均證明了影像組學(xué)在RCC 免疫治療療效預(yù)測中的應(yīng)用前景，但上述都是小樣本、單中心的研究，因此其預(yù)測價(jià)值還需進(jìn)一步證實(shí)。

醫(yī)學(xué)影像學(xué)對(duì)腎細(xì)胞癌預(yù)后影響因素的預(yù)測

既往研究證實(shí)RCC 預(yù)后與腫瘤核分級(jí)、TNM分期密切相關(guān)［5,32,33］，近年來大量研究證實(shí)無創(chuàng)的醫(yī)學(xué)影像技術(shù)能有效預(yù)測上述因素，從而為RCC預(yù)后評(píng)估提供精準(zhǔn)的客觀依據(jù)。

1.腫瘤核分級(jí)預(yù)測

Fuhrman 是最常用的核分級(jí)系統(tǒng)之一，但由于該系統(tǒng)存在主觀性強(qiáng)、可重復(fù)性差等缺陷，目前臨床工作中普遍采用2016 世界衛(wèi)生組織/國際泌尿病理學(xué)核分級(jí)系統(tǒng)（World Health Organization/International Society of Urological Pathology，WHO/ISUP）。臨床工作中通常將Ⅰ、Ⅱ級(jí)定義為低級(jí)別RCC，Ⅲ、Ⅳ級(jí)定義為高級(jí)別RCC，多個(gè)研究證實(shí)核分級(jí)是RCC 預(yù)后的獨(dú)立影響因素［5,34,35］。

Grajo 等［36］研究表 明CT 增強(qiáng)腎 實(shí)質(zhì)期腹主動(dòng)脈和腫瘤CT 值差可以用來鑒別高低級(jí)別ccRCC、pRCC 及腎嫌色細(xì)胞癌（chromophobe renal cell carcinoma，ChRCC），然而該征象鑒別效能較低（AUC 為0.60）。Chen 等［37］提出灌注CT 參數(shù)滲透性表面面積可以鑒別高低級(jí)別的ccRCC（AUC 為0.7）。此外，一項(xiàng)薈萃分析［38］表示DWI 對(duì)高低級(jí)別ccRCC的診斷性能中等（敏感度78%；特異度86%；綜合ROC 曲線AUC 為0.85）。Zhu 等［39］和Cao 等［40］均證明了擴(kuò)散峰度成像（diffusional kurtosis imaging，DKI）參數(shù)平均峰度可以用來區(qū)分高低級(jí)別ccRCC，且Cao 等［40］的研究表明平均峰度的區(qū)分效能優(yōu)于ADC。另一研究表明體素內(nèi)不相干運(yùn)動(dòng)成像（introvoxel incoherent motion，IVIM）所有參數(shù)診斷效能均較ADC 值高［41］。盡管MRI 擴(kuò)散功能成像預(yù)測ccRCC核分級(jí)表現(xiàn)出良好的診斷效能，但這些研究多是單中心、小樣本。此外分子成像方面，Gao 等［42］表明68Ga-前列腺特異性膜抗原（prostate-specific membrane antigen，PSMA）-11 PET/CT 圖像上腫瘤SUVmax可以有效區(qū)分WHO/ISUP 高低級(jí)別ccRCC（AUC 為0.89）。

近年來，多個(gè)研究表明影像組學(xué)技術(shù)能有效區(qū)分高低級(jí)別ccRCC［43-48］。Xv 等［47］的研究表明影像組學(xué)模型對(duì)高低級(jí)別ccRCC 區(qū)分能力（獨(dú)立測試集AUC 為0.787）優(yōu)于臨床影像特征組合模型（獨(dú)立測試集AUC 為0.637），而將兩者融合組成的模型區(qū)分能力得到了進(jìn)一步的提高（獨(dú)立測試集AUC 為0.828）。此 外，Cui 等［48］利用多期增 強(qiáng)CT 及多參數(shù)MRI 圖像建立了能有效區(qū)分高低級(jí)別ccRCC 的機(jī)器學(xué)習(xí)模型，在外部驗(yàn)證中證實(shí)基于所有時(shí)相CT 和所有參數(shù)MRI 的融合模型鑒別效能最高，其準(zhǔn)確率分別為69%、74%。

2.腎細(xì)胞癌TNM 分期預(yù)測

CT、MRI 對(duì)于TNM 分期標(biāo)志良好的識(shí)別能力以及無創(chuàng)性、易獲得性是目前臨床術(shù)前最常用的分期方式［49］，但常規(guī)形態(tài)影像學(xué)對(duì)于T 分期和N分期的預(yù)測能力有一定限制［50］。

傳統(tǒng)影像主要依靠淋巴結(jié)大小及強(qiáng)化模式來判斷是否轉(zhuǎn)移淋巴結(jié)，但是這可能忽略了淋巴結(jié)早期微小的轉(zhuǎn)移以及有58%淋巴結(jié)增大是反應(yīng)性增生［50,51］。據(jù)Tadayoni 等［51］報(bào)道對(duì)RCC 淋巴結(jié)轉(zhuǎn)移，MRI 具有最高的敏感度100%，而多排螺旋CT（MDCT）為75%～77%；氟代脫氧葡萄糖［（F-fluoro-2-deoxyglucose，F(xiàn)DG）-PET 為75%～87%］，而FDGPET 是根據(jù)代謝來判斷是否發(fā)生轉(zhuǎn)移，故具有最高的特異度100%（MDCT：75%～82%；MRI：92%），但由于腫瘤攝取不一致敏感度較低。此外利用嗜淋巴細(xì)胞納米顆粒作為對(duì)比劑的MRI 檢查對(duì)轉(zhuǎn)移淋巴結(jié)檢出特異度提高到了95.7%。而Sun 等［52］提出結(jié)合RCC 患者年齡、影像上T 分期及淋巴結(jié)大小的列線圖可以用來預(yù)測患者淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)（AUC 為0.94），僅依靠淋巴結(jié)大小預(yù)測是否發(fā)生淋巴結(jié)轉(zhuǎn)移，則AUC 為0.88。

腎被膜是包繞在腎臟周圍的一層牢固的纖維層可以保護(hù)腫瘤不種植或擴(kuò)散到鄰近組織，因此被膜侵犯是腫瘤擴(kuò)散的早期標(biāo)志，如果腫塊沒有累及腎周圍脂肪間隙，在CT、MRI 圖像上通過形態(tài)學(xué)難以準(zhǔn)確判斷有無腎包膜侵犯。Yang 等［53］利用影像組學(xué)方法判斷腎被膜是否受累，首先人工分割增強(qiáng)CT 圖像上腫瘤最大層面腫瘤區(qū)域，在人工分割基礎(chǔ)上通過算法自動(dòng)分割腫瘤外3 mm 的周圍區(qū)域，最后基于腫瘤區(qū)域和腫瘤外周區(qū)域提取圖像特征并建立相應(yīng)模型。最終結(jié)果表明平掃期基于腫瘤外周區(qū)域的組學(xué)模型效能最高（AUC 為0.80），而皮質(zhì)期、實(shí)質(zhì)期及排泄期基于腫瘤區(qū)域的組學(xué)模型效能最高（AUC 分別為0.81、0.77、0.78）。

問題與展望

大量研究證實(shí)醫(yī)學(xué)影像技術(shù)能為RCC 預(yù)后評(píng)估提供重要客觀依據(jù)，尤其是影像組學(xué)技術(shù)在該領(lǐng)域展現(xiàn)出巨大的應(yīng)用前景。近期ChatGPT 類大型語言模型的發(fā)布，使人工智能從研究階段向?qū)嵱秒A段過渡，同樣基于醫(yī)學(xué)影像的組學(xué)技術(shù)有望成為臨床實(shí)際工作中的可靠助手。盡管如此，醫(yī)學(xué)影像技術(shù)在RCC 預(yù)后評(píng)估的臨床應(yīng)用依然面臨多方面挑戰(zhàn)：（1）樣本量：很多研究特別是分子成像方面的研究樣本量較小，結(jié)果的可靠性還需要進(jìn)一步驗(yàn)證。（2）單中心：多數(shù)都是單中心研究，結(jié)果的普適性有待驗(yàn)證。（3）單模態(tài)：所有研究都是僅基于單種檢查技術(shù)的研究，但各種技術(shù)各有優(yōu)缺點(diǎn)，綜合多項(xiàng)檢查技術(shù)所提供的信息或許可以提高影像技術(shù)對(duì)RCC 預(yù)后的評(píng)估能力。（4）一致性：傳統(tǒng)影像人的主觀判斷和無論是傳統(tǒng)影像還是影像組學(xué)不同機(jī)器掃描技術(shù)、參數(shù)以及掃描方案均影響結(jié)果的呈現(xiàn)，導(dǎo)致許多研究結(jié)果難以復(fù)現(xiàn)。（5）標(biāo)準(zhǔn)化：影像組學(xué)方面的研究，對(duì)于圖像的處理、特征的提取篩選及模型的建立等環(huán)節(jié)目前缺乏統(tǒng)一標(biāo)準(zhǔn)及規(guī)范，同樣可能導(dǎo)致研究結(jié)果可重復(fù)性差，難以復(fù)現(xiàn)。（6）可解釋性：影像組學(xué)模型分析過程難以解釋，這也是阻礙其在醫(yī)學(xué)領(lǐng)域廣泛應(yīng)用的因素之一。但ChatGPT 的發(fā)布大大加快了人工智能向?qū)嵱没较虻陌l(fā)展進(jìn)程，在技術(shù)持續(xù)發(fā)展、制度進(jìn)一步完善的背景下，該問題或會(huì)得到解決。

綜上所述，毋庸置疑醫(yī)學(xué)影像檢查是臨床實(shí)踐中無創(chuàng)性評(píng)估腎細(xì)胞癌預(yù)后的重要工具，隨著多中心、多學(xué)科、多模態(tài)數(shù)據(jù)的進(jìn)一步融合，以及成像技術(shù)和圖像處理技術(shù)的持續(xù)發(fā)展，相信醫(yī)學(xué)影像將為腎細(xì)胞癌患者個(gè)體化精準(zhǔn)治療提供更為可靠、精準(zhǔn)的技術(shù)手段。