秦 旭 綜述,張喜榮 審校

(陜西中醫(yī)藥大學(xué)醫(yī)學(xué)技術(shù)學(xué)院,陜西 咸陽 712000)

肺癌是全球第2常見癌癥類型,其中非小細(xì)胞肺癌(NSCLC)是主要的亞型,占80%～85%[1-2]。近年來,我國(guó)肺癌發(fā)病率和死亡率呈上升趨勢(shì)[3]。惡性肺部病變的早期檢測(cè)至關(guān)重要,早期接受治療的肺癌患者5年生存率為57%,僅5 %發(fā)展為進(jìn)展期。影像學(xué)檢查是早期肺癌篩查和診斷、制定治療策略、預(yù)后評(píng)估和隨訪的一種重要無創(chuàng)性工具[4]。隨著醫(yī)學(xué)設(shè)備、影像學(xué)技術(shù)的迅速發(fā)展及精準(zhǔn)醫(yī)療的提出,影像組學(xué)作為一種新興手段被放射科醫(yī)生熟知,其具備以非侵入性方式捕獲腫瘤異質(zhì)性的能力,從而可提高肺癌診斷的特異性和準(zhǔn)確性[5]。肺癌精準(zhǔn)醫(yī)學(xué)研究的主要目的包括早期檢測(cè)和晚期量身定制治療和護(hù)理策略[6]。影像組學(xué)從CT、磁共振成像(MRI)和正電子發(fā)射斷層掃描成像/計(jì)算機(jī)斷層掃描成像(PET/CT)圖像中提取和整合特征,在判斷腫瘤組織學(xué)類型、分級(jí)分期、評(píng)估治療效果和判斷預(yù)后等方面取得較好的效果[7]。本文就影像組學(xué)在肺癌應(yīng)用中的研究進(jìn)展進(jìn)行了綜述。

1 影像組學(xué)簡(jiǎn)述

影像組學(xué)是指從醫(yī)學(xué)圖像中分離出病灶,通過高通量特征的提取和分析來建立函數(shù)或數(shù)學(xué)模型,在宏觀和微觀層面反映腫瘤學(xué)的診斷特征和發(fā)病機(jī)制,從而幫助臨床進(jìn)行疾病診斷和制訂治療決策[8]。影像組學(xué)可單獨(dú)使用,也可與人口統(tǒng)計(jì)學(xué)、組織學(xué)、基因組學(xué)或蛋白質(zhì)組學(xué)等數(shù)據(jù)結(jié)合使用,解決更多臨床問題[9]。影像組學(xué)的流程分為圖像采集、圖像分割、特征提取、模型構(gòu)建4個(gè)步驟[8-9]。

1.1圖像采集 目前主要是從CT、MRI、PET-CT等設(shè)備獲取圖像信息。但不同成像設(shè)備、不同醫(yī)療單位的掃描協(xié)議存在差異,影響提取數(shù)據(jù)的準(zhǔn)確性[10]。因此,在多中心采集圖像必須遵守標(biāo)準(zhǔn)化成像原則,并對(duì)掃描圖像進(jìn)行標(biāo)準(zhǔn)化處理,提取的圖像數(shù)據(jù)應(yīng)用圖像歸一化和重采樣技術(shù)進(jìn)行校準(zhǔn)[10],以實(shí)現(xiàn)影像組學(xué)研究的可重復(fù)性和準(zhǔn)確性。

1.2圖像分割 準(zhǔn)確的圖像分割是影像組學(xué)分析中一個(gè)關(guān)鍵且具有挑戰(zhàn)性的步驟,分割方法包括手動(dòng)分割、半自動(dòng)或自動(dòng)分割。手動(dòng)分割可以精準(zhǔn)勾畫腫瘤,準(zhǔn)確性高,被視為圖像分割的“黃金標(biāo)準(zhǔn)”,但是費(fèi)時(shí)、費(fèi)力且存在一定的主觀性[9]。近年來,半自動(dòng)或自動(dòng)分割技術(shù)快速發(fā)展,其穩(wěn)定性優(yōu)于手動(dòng)分割,已逐漸成為圖像分割的主要方法,但尚未研究出一種適合所有圖像的半自動(dòng)或自動(dòng)分割方法[10]。隨著人工智能在醫(yī)學(xué)中的應(yīng)用,深度學(xué)習(xí)算法如卷積神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于重建、去噪、分割和分類等方面,在醫(yī)學(xué)圖像分析中具有良好的穩(wěn)定性,可以克服圖像噪聲及腫瘤異質(zhì)性等方面問題,具有很大發(fā)展?jié)摿11]。

1.3特征提取 影像組學(xué)領(lǐng)域的重點(diǎn)是從對(duì)反映病灶生物學(xué)特性和腫瘤異質(zhì)性的數(shù)字圖像中提取定量特征,并將其轉(zhuǎn)換為可挖掘的高維數(shù)據(jù)。目前,如何準(zhǔn)確地進(jìn)行特征提取及精準(zhǔn)應(yīng)用定量特征是亟須解決的難題。提取的主要特征包括形狀、強(qiáng)度、紋理及小波等,各影像特征又包含眾多詳細(xì)特征指標(biāo),不同指標(biāo)特征反映病灶內(nèi)部的不同信息[8]。提取的特征數(shù)量越多并不一定代表模型性能越好,高維特征可能會(huì)導(dǎo)致多重共線和過擬合等問題。因此,在提取和分析定量特征之后,需要對(duì)數(shù)據(jù)進(jìn)行降維,從而得到具有代表性的特征以建立精準(zhǔn)預(yù)測(cè)模型[9]。最具信息量的特征是根據(jù)與其他特征的獨(dú)立性、可重復(fù)性和數(shù)據(jù)的突出性來識(shí)別的。然后,分析所選特征與治療結(jié)果或基因表達(dá)的關(guān)系。最終目標(biāo)是將成像特征納入治療結(jié)果的預(yù)測(cè)模型,并評(píng)估其對(duì)常用預(yù)測(cè)因子的附加值,從而提供準(zhǔn)確的風(fēng)險(xiǎn)分層。

1.4模型構(gòu)建 影像組學(xué)的最終目的是利用篩選出來的最優(yōu)影像組學(xué)特征構(gòu)建疾病早期診斷、腫瘤類型及治療預(yù)后的預(yù)測(cè)模型。目前常用的模型有回歸模型、分類模型、人工神經(jīng)網(wǎng)絡(luò)、多變量模型等。Bagging和boosting算法是較常用的建模方法,其通過在訓(xùn)練過程中整合特征選擇和有效采樣,并引入穩(wěn)健分類器或回歸器訓(xùn)練。該方法可以將重點(diǎn)從基于專家的特征選擇轉(zhuǎn)移到直接讓分類器評(píng)估候選特征并識(shí)別具有預(yù)測(cè)價(jià)值的特征,使模型精確度更高。最近,神經(jīng)網(wǎng)絡(luò)模型重新成為強(qiáng)大的分類和特征構(gòu)建模型。給定足夠的訓(xùn)練數(shù)據(jù)時(shí),卷積神經(jīng)網(wǎng)絡(luò)優(yōu)于特征選擇方案,因?yàn)樽罴烟卣魇菑膱D像數(shù)據(jù)本身構(gòu)建的,而不是從預(yù)定義和有限的特征候選集中選擇特征。一個(gè)限制是需要過多的訓(xùn)練數(shù)據(jù),這種限制最近已經(jīng)被遷移學(xué)習(xí)等策略成功地解決,這些策略利用了跨問題域的視覺特征的相似性。

2 影像組學(xué)在NSCLC診療中的應(yīng)用

2.1在NSCLC篩查和早期診斷中的應(yīng)用 影像組學(xué)作為一種新興的技術(shù),已經(jīng)被廣泛應(yīng)用于NSCLC篩查和早期診斷中,其主要基于醫(yī)學(xué)影像分析、計(jì)算機(jī)輔助診斷及人工智能等技術(shù),對(duì)腫瘤形態(tài)、紋理等多重特征進(jìn)行綜合分析,有效提高了NSCLC檢測(cè)效率和準(zhǔn)確性。

早期診斷是NSCLC治療成功的關(guān)鍵。影像組學(xué)通過對(duì)CT、PET等影像分析,能夠快速發(fā)現(xiàn)可能存在的NSCLC病灶,從而提高患者生存率。近年來,越來越多的研究表明,基于深度學(xué)習(xí)的影像組學(xué)技術(shù)在肺癌早期診斷方面具有良好的效果。CHAE等[12]研究使用深度學(xué)習(xí)模型結(jié)合傳統(tǒng)的特征提取方法,實(shí)現(xiàn)了對(duì)肺結(jié)節(jié)的自動(dòng)化篩查和分類,為肺癌早期診斷提供了一種新的解決方案。有研究表明,在聯(lián)合使用傳統(tǒng)機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法的情況下,NSCLC篩查靈敏度可以高達(dá)90.2%,而誤診率則降低至11.5%[13]。

虛擬胸透也是一種潛在的影像組學(xué)技術(shù),可用于NSCLC早期篩查。虛擬胸透可將多個(gè)X射線影像合并成一個(gè)三維圖像,從而提高準(zhǔn)確性。一項(xiàng)2022年的研究表明,通過使用虛擬胸透技術(shù)和計(jì)算機(jī)視覺算法對(duì)肺部結(jié)節(jié)進(jìn)行診斷,可實(shí)現(xiàn)95.2%的準(zhǔn)確率和90.2%的靈敏度[14]。此外,PET-CT也在NSCLC早期診斷中得到廣泛應(yīng)用。一項(xiàng)研究表明,利用人工智能算法對(duì)PET-CT圖像進(jìn)行分析,可以提高NSCLC早期診斷精確度,并且可以實(shí)現(xiàn)更好的定量評(píng)估[15]。

2.2在NSCLC惡性程度評(píng)估中的應(yīng)用 腫瘤惡性程度評(píng)估是一個(gè)復(fù)雜的過程,需要考慮多個(gè)因素,如腫瘤大小、形態(tài)、紋理等。傳統(tǒng)方法主要依賴于人的判斷,存在主觀性和誤差。影像組學(xué)技術(shù)的一個(gè)重要應(yīng)用是基于人工智能的深度學(xué)習(xí)模型。深度學(xué)習(xí)模型可以通過大量的醫(yī)學(xué)影像數(shù)據(jù),自動(dòng)學(xué)習(xí)腫瘤特征,并建立高度準(zhǔn)確的預(yù)測(cè)模型。

SONG等[16]對(duì)661例NSCLC患者的CT影像組學(xué)特征進(jìn)行了研究,結(jié)果顯示,CT影像組學(xué)為NSCLC的轉(zhuǎn)移潛力或侵襲性提供了可靠信息,為指導(dǎo)NSCLC個(gè)體化治療方案的選擇提供了臨床價(jià)值。在肺癌組織學(xué)亞型區(qū)分方面,結(jié)合手工勾畫圖像和邏輯回歸分析的臨床特征可以有效區(qū)分小細(xì)胞肺癌(SCLC)和NSCLC,其受試者工作特征曲線下面積(AUC)為0.94,準(zhǔn)確率為86.2%。此外,該研究選擇了5個(gè)手工制作的放射性組學(xué)特征作為區(qū)分肺鱗狀細(xì)胞癌和腺癌的特征,其AUC為0.89。對(duì)920例患者的研究顯示,影像組學(xué)在鑒別腺癌、鱗狀細(xì)胞癌和小細(xì)胞肺癌方面均具有較高的性能[17]。最近的研究表明,影像組學(xué)可以提供Ki-67表達(dá)水平信息[18]。

PET-CT能夠同時(shí)提取功能和結(jié)構(gòu)特征,具有比單獨(dú)PET或CT更廣闊的應(yīng)用前景[19]。HYUN等[20]關(guān)于210例肺腺癌和186例肺鱗癌患者的研究表明,基于PET-CT的影像組學(xué)可以區(qū)分肺腺癌和肺鱗癌。ZHANG等[21]關(guān)于248例未經(jīng)治療肺癌患者的研究表明,綜合臨床和放射特征預(yù)測(cè)表皮生長(zhǎng)因子受體(EGFR)突變模型的AUC可達(dá)到0.87。此外,對(duì)于EGFR突變患者,深度放射評(píng)分是一種非侵入性工具,可用于識(shí)別對(duì)酪氨酸激酶或免疫檢查點(diǎn)抑制劑敏感的NSCLC患者。

MRI技術(shù)在肺癌的診斷中相對(duì)于CT和PET/CT等影像學(xué)技術(shù)而言,其應(yīng)用仍不普及。然而,近年來一些研究表明,MRI也可以用于NSCLC惡性程度評(píng)估,并且取得了一定的進(jìn)展[22]。一項(xiàng)研究通過比較不同組織的MRI信號(hào)強(qiáng)度差異時(shí)發(fā)現(xiàn),在T2加權(quán)影像中觀察到的信號(hào)強(qiáng)度越高,患者存活率越低,提示MRI信號(hào)強(qiáng)度可以作為預(yù)測(cè)NSCLC惡性程度和預(yù)后的一個(gè)潛在指標(biāo)[23]。

2.3在淋巴結(jié)轉(zhuǎn)移診斷中的作用 國(guó)際肺癌研究協(xié)會(huì)的一項(xiàng)大型數(shù)據(jù)庫(kù)顯示,肺癌淋巴結(jié)轉(zhuǎn)移患者5年生存率為26%～53%[24]。關(guān)于轉(zhuǎn)移性淋巴結(jié)的精確評(píng)估、淋巴結(jié)清掃程度的研究仍存在爭(zhēng)議。肺癌淋巴結(jié)轉(zhuǎn)移是影響腫瘤和淋巴結(jié)分期的重要因素。因此,術(shù)前無創(chuàng)評(píng)估淋巴結(jié)對(duì)于確定肺癌分期、手術(shù)計(jì)劃和預(yù)后至關(guān)重要[25]。CT是目前臨床診斷淋巴結(jié)轉(zhuǎn)移最常用的無創(chuàng)方法,如果能提高診斷準(zhǔn)確性,將為確定放療靶點(diǎn)和手術(shù)范圍提供更重要的臨床指導(dǎo)。已有研究證實(shí)了利用影像組學(xué)特征預(yù)測(cè)直腸癌、乳腺癌和食管癌中淋巴結(jié)轉(zhuǎn)移的可行性[26]。SHA等[24]對(duì)86例具有病例診斷結(jié)果的肺癌淋巴結(jié)轉(zhuǎn)移患者進(jìn)行影像學(xué)組學(xué)模型構(gòu)建,結(jié)果顯示,不同分期的診斷模型均具有鑒別良惡性淋巴結(jié)的能力,CT平掃比CT增強(qiáng)掃描能選擇更多的紋理特征,CT平掃的紋理特征對(duì)鑒別縱隔轉(zhuǎn)移淋巴結(jié)更有意義。TAU等[27]使用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練PET圖像,結(jié)果顯示,以中等性能預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的準(zhǔn)確率為80%,遠(yuǎn)處轉(zhuǎn)移的準(zhǔn)確率為63%。在CT圖像中整合大量人眼無法識(shí)別或區(qū)分的特征的方法,對(duì)診斷NSCLC患者縱隔淋巴結(jié)轉(zhuǎn)移具有較高的準(zhǔn)確度和靈敏度,從而有望提高NSCLC治療療效。

2.4在預(yù)測(cè)NSCLC治療反應(yīng)中的作用 NSCLC常用的治療方式包括手術(shù)、立體定向消融放射治療、細(xì)胞毒性化療、酪氨酸激酶抑制劑治療和免疫檢查點(diǎn)抑制劑治療等[28]。影像學(xué)檢查是評(píng)估NSCLC治療反應(yīng)的主要手段,主要依賴于腫瘤大小,輔以其他腫瘤特征的定性評(píng)估,如密度、形狀等。從定量角度來看,這種方法不了解醫(yī)學(xué)圖像中的大量信息,影像組學(xué)可以構(gòu)建治療反應(yīng)的預(yù)測(cè)模型,提供定量標(biāo)記物及治療策略等[29]。有研究對(duì)分別接受聯(lián)合放化療和酪氨酸激酶抑制劑治療后行手術(shù)切除患者進(jìn)行了多變量分析,結(jié)果顯示,接受聯(lián)合放化療患者的峰度(OR=1.107,P=0.009)和接受酪氨酸激酶抑制劑治療患者的強(qiáng)度變異性(OR=1.093,P=0.028)是獨(dú)立預(yù)測(cè)病理反應(yīng)的指標(biāo)。有學(xué)者進(jìn)行了一項(xiàng)前瞻性研究,調(diào)查了接受放化療聯(lián)合手術(shù)切除的NSCLC患者基于PET的定量特征與病理反應(yīng)之間的關(guān)系,結(jié)果顯示,最大標(biāo)準(zhǔn)化攝取值的早期變化是病理完全緩解的一個(gè)極好的預(yù)測(cè)因子[30]。影像組學(xué)的預(yù)測(cè)模型必須在臨床實(shí)踐中進(jìn)行前瞻性研究,提高重復(fù)性和臨床實(shí)用性。

3 小 結(jié)

雖然影像組學(xué)在NSCLC臨床診斷方面具有非常重要的價(jià)值,但是仍然存在著不足。首先,可重復(fù)性低是影像組學(xué)領(lǐng)域中亟待解決的問題,大部分影像組學(xué)研究只使用了分裂樣本方法,即單中心數(shù)據(jù)集被分成訓(xùn)練和驗(yàn)證數(shù)據(jù)集后進(jìn)行特征提取,這種模型通常具有重復(fù)性低的缺點(diǎn)[31]。其次,缺乏具有高質(zhì)量數(shù)據(jù)的大型數(shù)據(jù)集及標(biāo)準(zhǔn)化數(shù)據(jù)采集方法。影像組學(xué)模型預(yù)測(cè)的準(zhǔn)確性與設(shè)備的性能、掃描協(xié)議、影像科醫(yī)生圖像處理能力及選取的數(shù)據(jù)特征息息相關(guān)。目前,不同設(shè)備在NSCLC患者圖像采集和圖像后處理方面的標(biāo)準(zhǔn)不統(tǒng)一,很大程度上影響著模型預(yù)測(cè)的準(zhǔn)確性,因此需要大型的、多中心的數(shù)據(jù)集來便創(chuàng)建穩(wěn)健的模型[32]。最后,有研究對(duì)肺癌影像組學(xué)方法進(jìn)行綜述時(shí)發(fā)現(xiàn),不同研究間無法確定可靠的放射組學(xué)特征[32]。

目前,在數(shù)據(jù)和方法學(xué)方面的挑戰(zhàn)阻礙了影像組學(xué)在臨床實(shí)踐中的廣泛應(yīng)用。未來,影像組學(xué)有望克服這些障礙,朝著更安全、更有效的模型訓(xùn)練模式發(fā)展,融合多模態(tài)圖像,并結(jié)合多學(xué)科或多組學(xué)來形成“醫(yī)學(xué)組學(xué)”,以滿足精準(zhǔn)醫(yī)療的要求。