趙 彤 胡星月 楊偉振

1.牡丹江醫(yī)學院，黑龍江牡丹江 157011；2.牡丹江醫(yī)學院附屬紅旗醫(yī)院放射科，黑龍江牡丹江 157011

結(jié)直腸癌（colorectal cancer，CRC）是全球第三大癌，也是全球癌癥第二大致死病因，近年來，精準治療大大提高了CRC患者的存活率，盡管如此，發(fā)生轉(zhuǎn)移的CRC 五年生存率卻僅為14.7%[1]。異質(zhì)性是惡性腫瘤的一種固有生物學特征，它是指腫瘤在生長過程中，經(jīng)過多次分裂增殖，導致腫瘤的遺傳類型發(fā)生變化，從而使腫瘤的生長速度、侵襲轉(zhuǎn)移、預后以及對藥物的敏感性等各方面產(chǎn)生差異[2]。其中，CRC是異質(zhì)性較高的惡性腫瘤，通過傳統(tǒng)的影像學檢查、結(jié)腸鏡檢查和血液學檢查難以捕捉其異質(zhì)性[3]，病理活檢雖然可以捕捉，但缺點在于有創(chuàng)。近年來影像組學成為一種新型的影像診斷方法，克服了傳統(tǒng)檢查方法的缺點，它可以對腫瘤異質(zhì)性的特征進行無創(chuàng)客觀分析，這是人眼無法客觀量化的，自荷蘭學者Lambin等[4]于2012年首次提出影像組學的概念，影像組學在CRC的臨床診療和預后等方面的研究也逐漸增多。

1 影像組學概述

影像組學被定義為一種研究方法，可通過高通量計算從多模態(tài)醫(yī)學圖像中提取出大量高維醫(yī)學圖像特征，然后對這些特征進行分析并建立模型，以探索與臨床結(jié)果的關系。具體影像組學流程如下。

1.1 數(shù)據(jù)采集和預處理

圖像采集是整個影像組學流程的基礎，要求獲得高質(zhì)量和標準化的影像用于診斷和評估。同時為避免異質(zhì)性，需要對不同CT或MRI等圖像進行均質(zhì)化處理。

1.2 圖像分割

目前一般采用自動、半自動或手動的方法來將感興趣區(qū)（region of interest，ROI）從圖像中分割出來，但對于最優(yōu)分割算法目前未達成一致。Wang等[5]的研究表明自動分割與人工分割并無明顯統(tǒng)計學差異。選擇最大層面（2D）還是腫瘤整個病灶（3D）進行分析也是一個眾說紛紜的問題。目前有研究通過一些MRI數(shù)據(jù)集中可用的時間維度，實現(xiàn)了4D紋理分析[6]。

1.3 特征提取和選擇

影像組學的關鍵步驟在于提取有價值的特征，可以使用不同的工具（如TexRAD、MaZda等）來執(zhí)行。常用的特征選擇方法包括最小絕對收縮和選擇算子（least absolute shrinkage and selection operator，LASSO）、主成分分析（principal component analysis，PCA）、單變量或多變量分析等[7]。

1.4 數(shù)據(jù)分析與建立模型

利用線性和logistic回歸、決策樹（如隨機森林）、LASSO、神經(jīng)網(wǎng)絡、深度學習等生成預測模型，也可以使用其他軟件，如R語言、SPSS。常用的驗證模型性能的方法包括：受試者工作特性（receiver operating characteristic curve，ROC）曲線、決策曲線分析（decision curve analysis，DCA）等[7]。

2 影像組學在CRC轉(zhuǎn)移方面的研究

2.1 影像組學在淋巴結(jié)轉(zhuǎn)移的研究

淋巴結(jié)轉(zhuǎn)移（lymph node metastasis，LNM）是CRC的主要轉(zhuǎn)移途徑，同時，LNM直接影響CRC的手術范圍、新輔助放化療方案的選擇以及患者的生存率。但常規(guī)的影像學檢查及穿刺活檢對準確評估是否發(fā)生LNM尚存在一定困難。目前，手術是治療CRC的首選方法。但在手術時不清楚淋巴結(jié)是否存在轉(zhuǎn)移的情況下，清除全部的癌旁淋巴結(jié)會產(chǎn)生不必要的副反應。因此術前準確評估淋巴結(jié)狀態(tài)是評價CRC的治療決策和預測預后的關鍵因素。

2.1.1 基于原發(fā)灶的研究 目前有研究應用影像定量分析方法從腫瘤原發(fā)灶上預測淋巴結(jié)狀態(tài)[8]，研究表明基于CT和MRI的影像組學模型均有助于預測CRC患者術前的LNM，具有一定的臨床價值，并且表明了原發(fā)灶的異質(zhì)性通常決定了腫瘤的發(fā)生發(fā)展過程，對于CRC患者，其原發(fā)灶本身的影像組學特征往往受更少因素的影響且更加穩(wěn)定，但Zhu等[9]研究比較了基于原發(fā)灶和淋巴結(jié)的影像組學分析，認為淋巴結(jié)特征比原發(fā)灶特征更好。因此，基于CRC原發(fā)灶的影像組學預測LNM的研究仍需進一步探索，并且應進一步研究動脈期和延遲期的特征。

2.1.2 基于淋巴結(jié)的研究 相關meta分析顯示，MRI、CT和直腸內(nèi)超聲成像都不能準確地評估LNM情況，主要是因為這些研究均以淋巴結(jié)大小為標準來判斷是否有轉(zhuǎn)移性淋巴結(jié)，導致較高的假陽性率[10]。Nakanishi等[11]從兩家醫(yī)院納入患者建立模型，研究表明基于增強CT的影像組學模型其預測性能優(yōu)于僅測量盆腔外側(cè)腫大淋巴結(jié)直徑的臨床模型。還有一項研究通過標記影像與病理完全匹配對應的區(qū)域腫大淋巴結(jié)，探討了單個淋巴結(jié)的紋理特征與LNM的相關性[12]，證明了對淋巴結(jié)的影像組學分析優(yōu)于依靠淋巴結(jié)短軸直徑預測LNM情況的分析。

2.1.3 基于原發(fā)病灶與周圍淋巴結(jié)的研究 只有Li等[13]的ROI包括原發(fā)灶和周圍淋巴結(jié)，研究結(jié)果顯示，臨床-原發(fā)病灶-淋巴結(jié)的聯(lián)合影像組學模型預測LNM的準確度最高，高于其他任何模型，因此其可能是術前預測LNM的最優(yōu)模型，這增加了臨床評估的特異性，并有助于制訂個體化治療方案。

2.2 影像組學在同步或異時肝轉(zhuǎn)移（metachronous liver metastasis，MLM）的研究

同步肝轉(zhuǎn)移（synchronous liver metastasis，SLM）是指直腸癌患者在確診時即有肝轉(zhuǎn)移，有15%～20%的直腸癌患者容易發(fā)生[14]。Liu等[15]的研究表明結(jié)合影像組學特征和臨床因素的模型能更好地預測SLM轉(zhuǎn)移。手術切除是早期發(fā)現(xiàn)MLM的主要治療方法。因此，篩查MLM高?；颊卟⒓霸绨l(fā)現(xiàn)，將為手術切除提供機會，改善患者預后和生存。Li等[16]的研究結(jié)果類似于Liu等[15]，其在內(nèi)、外部驗證中均取得了良好的表現(xiàn)，說明基于CRC的CT影像組學模型具有很好的預測MLM性能?；陬愃频耐普摚琇iang等[17]表明基于MRI的影像組學模型對預測MLM具有很高的潛力，研究表明，影像組學模型有較好的預測CRC肝轉(zhuǎn)移的能力，為檢測CRC遠處肝轉(zhuǎn)移提供了一個無創(chuàng)性的定量評估方法。

3 影像組學對CRC分子分型的預測

KRAS基因是一種小鼠肉瘤病毒癌基因，與人類腫瘤的發(fā)生發(fā)展密切相關。KRAS突變是CRC中最常見的基因突變，KRAS基因是否突變不僅具有預后意義，更是預測抗表皮生長因子受體（如西妥昔單抗和帕尼單抗）治療是否有效的重要生物學標志物[18]。Zhou等[19]的研究發(fā)現(xiàn)KRAS狀態(tài)與PCR無關，并且KRAS突變的患者預后較差，認為KRAS突變與較低的總生存率（overall survival，OS）高度相關。Taguchi等[20]發(fā)現(xiàn)與18F-FDG-PET相比，基于CT的預測模型在預測CRC的KRAS突變狀態(tài)方面表現(xiàn)更好。Hu等[21]基于多相CT的相關研究也同樣證明了影像組學具有良好的預測KARS能力，有助于確定治療策略。

4 影像組學對CRC術前治療反應的評估

CRC對新輔助放化療（neoadjuvant chemoradiotherapy，NCRT）的反應差異很大，通常表現(xiàn)為以下3種情況：①沒有存活腫瘤細胞的病理完全反應（pathologic complete response，PCR）；②幾乎沒有腫瘤消退；③腫瘤進一步發(fā)展[22]。區(qū)分可能對NCRT有反應的患者和無反應的患者很重要，因為對于無反應的患者，可調(diào)整其臨床治療方案，為患者實行“wait-andsee”的提議[23]，避免放化療的不必要毒性，減輕患者的經(jīng)濟負擔。部分研究[24]只關注于NCRT治療前的MR圖像，而忽略了NCRT治療后的。Li等[25]的研究比較了NCRT前后基于MRI圖像的特征變化，這對腫瘤變化和治療反應有很好的指導作用，結(jié)果顯示PCR組和非PCR組的化療方案存在顯著差異。Bordron等[26]認為，與MRI掃描相比，增強CT掃描對預測PCR沒有任何價值，這一觀點不同于Bibault等[27]的研究。因此，預測CRC對NCRT的完全反應仍是值得進一步探索的問題。

5 影像組學對CRC預后的預測

準確和及時識別影響患者預后的因素，有助于幫助CRC患者選擇最佳治療方案。雖然有很多的臨床及病理學指標可用于預測CRC患者的生存率，但是這些因素的預后準確性仍然很低，因此，應該開發(fā)更準確的預后因素或預測模型。Huang等[28]的研究沒有進行影像學特征與生存結(jié)果相關聯(lián)的單變量分析，而是通過整合一組選定的特征作為預后標志物，構(gòu)建了EcoRad特征，證明了對患者生存的足夠預測性能。這與Dai等[29]的報道是一致的，其構(gòu)建了一種高于任何其他臨床病理特征的影像組學特征來預測結(jié)腸癌的OS。研究表明將影像組學特征和臨床特征相結(jié)合能顯著提高預測無病生存率和OS的能力，有助于指導臨床患者的個體化治療。

6 小結(jié)與展望

本綜述討論了目前影像組學在CRC研究中的應用。影像組學正在逐漸成為新興精準醫(yī)療的核心工具，特別是對于腫瘤患者，它具有廣闊的應用前景。在未來，多參數(shù)、多模態(tài)、多區(qū)域影像組學的分析可能會促使結(jié)果的進一步完善，同時也需更多標準化研究結(jié)果進一步驗證。本綜述旨在幫助放射科醫(yī)生、臨床醫(yī)生更好地理解和利用影像組學來制訂個性化治療，并鼓勵與人工智能合作，促進研究轉(zhuǎn)化為臨床實踐，更好地幫助臨床醫(yī)生做出決策。