促進影像組學的轉化研究

劉再毅，梁長虹

(廣東省人民醫院 廣東省醫學科學院放射科,廣東 廣州 510080)

促進影像組學的轉化研究

劉再毅，梁長虹*

(廣東省人民醫院 廣東省醫學科學院放射科,廣東 廣州 510080)

影像組學是近年來研究的熱點之一，可利用計算機軟件從醫學圖像中提取海量的定量圖像特征，在協助腫瘤患者的個體化治療決策方面具有廣闊的應用前景。盡管影像組學方法可量化腫瘤異質性，在腫瘤精準醫療臨床決策中有重要輔助價值，且有巨大臨床轉化潛力，但欲將影像組學研究成果成熟應用于臨床實踐中仍須面對諸多挑戰，希望國內學者能共同努力推動其臨床應用轉化，輔助個體化臨床決策。

影像組學;腫瘤;轉化研究;挑戰

1895年X線的發現使醫學影像學科得以建立，極大地促進了醫學實踐的發展。隨著科學技術的進步，影像學檢查方法日趨豐富，包括超聲、核醫學、CT和MRI等，在病灶的檢出、定性、療效評價和預后預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。

目前影像醫學已是一門獨立的學科，技術手段發展迅猛，影像檢查不僅可提供常規的解剖結構信息，還可提供臟器的功能信息(如擴散成像和灌注成像等)。但臨床工作中，影像醫師對圖像的解讀主要依賴主觀判斷，通常基于病灶形態、大小、部位、密度/信號、增強強化模式等作出診斷。基于醫師主觀經驗判讀的方法，存在主觀性強、依賴于臨床經驗等缺點，已不能滿足現代醫療模式轉向精準醫學實踐的要求，故臨床亟需研發影像量化的方法。

隨著醫學圖像分析技術的發展，從醫學圖像中挖掘信息，提供臨床醫師肉眼不能判讀的深層定量信息，用于臨床分析，逐漸成為醫學圖像研究的熱點。醫學圖像不僅是日常臨床工作供醫師判讀的圖像，也是可挖掘的數據，即使用計算機軟件，從醫學圖像中提取海量的定量圖像特征，再基于大數據分析方法，抽提有價值的特征，用于指導臨床決策。基于提取的特征具有海量的特點，受基因組學等組學概念啟發，荷蘭學者Lambin等[1]于2012年提出影像組學的概念。其基本分析流程包括：圖像獲取及病灶分割、影像組學特征提取、影像組學特征篩選、模型構建和臨床信息解析等(圖1)。

近年來影像組學的發展非常迅猛，引起了國際上腫瘤學、影像研究和圖像分析領域眾多專家的重視。2014年，Aerts等[2]關于非小細胞肺癌和頭頸癌的影像組學研究結果表明，基于治療前CT的影像組學特征與腫瘤的基因表達高度相關，并可用于對腫瘤預后的預測。此后，一系列影像組學研究被廣泛用于腫瘤的定性、療效評估、預后預測、危險因素分層等。在我國，影像組學的研究幾乎處于同時起步，研究水平在某些領域處于國際先進行列，有多個研究組作出了高水平的研究成果，使用影像組學方法，基于術前CT圖像，提取并篩選出關鍵的影像組學特征，構建模型成功預測結直腸癌淋巴結轉移[3]；同時，關于影像組學研究[4]早期肺癌預后預測的研究成果也令人滿意；2017年以來，國內多個影像組學的相關[5-6]研究結果成績不菲。

盡管研究表明影像組學方法可量化腫瘤異質性，在腫瘤的精準醫療臨床決策中有重要輔助價值，但在影像組學研究成果能夠成熟應用于臨床工作前，還存在諸多挑戰，主要體現在以下方面。

(1)影像組學特征受到多種因素的影響。研究[7]表明，影像組學特征不僅受設備平臺(如不同廠家的機器)、采集參數的影響，還存在受試者自身因素的影響(如呼吸或其他生理運動造成的運動偽影)。如何克服或避免這種影響，找出能跨平臺或跨參數的穩定影像組學特征，并研發相應的標準化技術和方法，是今后研究的重點問題之一。

(2)盡管目前多項研究表明影像組學在腫瘤臨床應用方面的潛能，但幾乎均為回顧性研究[2-6]，臨床證據還不充分。如將這些研究結果用于指導臨床決策，或成為臨床診療流程的一部分，還需進行前瞻性、多中心驗證，必須經過嚴謹的臨床研究設計，確保研究結果的有效性和普適性，在真正的臨床環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。在臨床實踐中，還包括基因信息、實驗室檢查、病理檢查、人口統計學信息等。臨床決策時，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。在結直腸癌和肺癌的影像組學研究[3-4]中，構建模型時，納入臨床指標(如年齡、性別和實驗室檢查等)，可以顯著提高影像組學的診斷能力。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行進一步研究。

(4)以深度學習為代表性技術的人工智能最近發展迅速，其在自然語音識別、圖像分類等方面顯示出巨大的發展潛能。其在醫學圖像，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用；基于深度神經網絡的糖尿病視網膜病變和皮膚癌診斷研究[9-10]結果，發現深度學習方法的診斷水平甚至可與專業醫師相當。今后研究中，深度學習方法必將改變放射醫學及影像數據挖掘的流程，但目前這些方法在醫學影像中的應用和研究還處于起步階段，距臨床應用的距離還很遙遠，且存在諸多挑戰。

圖1 影像組學研究流程示意圖 A.腫瘤圖像分割； B.影像組學特征提取； C.影像組學特征篩選、模型構建及臨床信息解析

盡管國內、外影像組學研究正如火如荼，但仍局限于一些規模較大的醫學中心，很多國內醫師(包括影像診斷醫師)對影像組學還不了解。因此，本刊特組織一期影像組學研究，將影像組學的基本知識、臨床價值等介紹給國內讀者，希望籍此可促進影像組學的臨床研究，從而推動其臨床應用轉化，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，主任醫師。研究方向：腹部影像診斷和腫瘤影像組學研究。E-mail: zyliu@163.com

梁長虹，廣東省人民醫院 廣東省醫學科學院放射科，510080。E-mail: cjr.lchh@vip.163.com

2017-11-20

2017-11-27

10.13929/j.1003-3289.201711133