影像組學在卵巢癌診療中的研究進展

崔鳳至，金龍海，龐思文，孫海峰*

(1.吉林大學第二醫院 放射線科，吉林 長春130041;2.吉林大學第一醫院 放射線科，吉林 長春130021)

卵巢癌是女性生殖系統中最常見的惡性腫瘤[1]，早期發病隱匿，患者就診時已處于臨床中晚期，因此早發現、早診斷對卵巢癌患者的治療方面具有重要的臨床意義。

CT、MRI以及PET-CT作為傳統的影像檢查方法，可定量的描述腫瘤的形態學特征。CT具有較高的空間分辨率，可為臨床提供腫瘤有價值的信息，如大小、密度、與周圍組織之間的關系等，MRI具有較高的密度分辨率，對軟組織敏感，能清晰的顯示卵巢的形態及內部結構，觀察對周圍組織的浸潤以及淋巴結的轉移范圍[2]，PET-CT可獲得腫瘤的代謝情況，對腫瘤術前作準確的分期。

影像組學作為新興熱門領域，可通過對傳統影像檢查技術采集的信息進行高通量提取及分析，定量評病灶的特征、估挖掘潛在的信息，對腫瘤的診斷、分期分級、基因表型預測等進行綜合評價，為臨床醫生提供有價值的信息，并且為患者制定個性化診療方案以及預測腫瘤的預后[3]。本文主要闡述影像組學的發展及概念，在卵巢癌中的應用以及未來的發展。

1 影像組學

基于高通量計算方法的影像組學，對采集的影像圖像數據做深入挖掘，提取大量定量特征，用于預測模型的建立，輔助醫生對疾病作出最準確的診斷，從而促進精準醫療的發展[4]。

1.1 影像組學的發展

有研究發現在腫瘤生長的不同時期及不同腫瘤間、腫瘤內部，其基因測序及表達存在差異性[5]，傳統的影像檢查方法僅能描述腫瘤的解剖學特征及形態學特征，雖然病理活檢依然是當今腫瘤診斷的金標準，但對腫瘤的取樣僅是小部分，而且重復率低，不能準確的反映在不同時期整個腫瘤的特征，因此，影像學檢查及病理學檢查方法均不能解決腫瘤異質性的問題。

在精準醫療的新時代背景下，影像組學運用而生，它將傳統的影像檢查與蛋白質組學、基因組學等技術相結合，用于腫瘤的預測及治療，它的出現解決了上述的問題。影像組學具有重復性高，無創性，信息量豐富的特點，受到越來越多研究者的關注。

1.2 影像組學的概念

荷蘭學者Lambin在2012年首次提出“影像組學”的概念，并將其定義為：用高通量的方法從影像圖像的感興趣區域(ROI)中提取大量的影像特征。

影像組學的高通量方法，對CT、MRI、PET-CT采集的圖像數據信息做深入細致的分析，提取有臨床價值的影像學特征，并建立描述性和預測性模型?？色@得腫瘤的基因組學或蛋白質組學在影像上的表現，并可對腫瘤的表型進行推斷[6]。

與傳統的影像檢查方法相比，影像組學是多學科交叉融合的新興技術，是一種無創的檢查方法，對腫瘤進行定量和定性分析，為臨床提供有價值的信息以及預測腫瘤的進展風險，進而支持和改善個性化的臨床治療方法。

1.3 影像組學的工作流程

可將影像組學的工作流程分成以下4個步：圖像獲取、圖像分割、特征提取、模型建立[7]。

1.3.1圖像獲取

獲取由CT、MRI以及PET-CT的不同檢查方法的影像圖像，對圖像預處理，從而保證所采集圖像的參數保持一致性，主要包括掃描方法、掃描層厚、輻射劑量等。

1.3.2圖像分割

圖像分割是將獲取的影像圖像劃分成多個具有特征性的區域，并將感興趣區中的大量影像特征進行提取，該步驟是影像組學工作流程的核心。在影像圖像上，大多數腫瘤的邊界模糊，對邊界的準確勾勒是圖像分割中最具挑戰性的步驟[8]。

現階段，圖像分割包括人工圖像分割、半自動圖像分割和自動圖像分割方法，人工圖像分割是由醫生依據自身的經驗勾勒出病灶的輪廓，具有高度主觀性和工作密集型，而且十分耗時，對于大數據的圖像分析來說是不切實際的；自動與半自動分割方法是利用計算機自動確定腫瘤邊界，針對不同區域的解剖學區域，開放了多種不同的分割方法，與自動分割方法不同的是，半自動分割方法有醫生的參與，可進一步完善自動分割過程中出現的偏差。目前，半自動分割方法是臨床最常用的，降低醫生的工作負擔，提高工作效率，并且提供準確和可重現的腫瘤邊界[9]。

1.3.3特征提取

主要對影像圖像中具有價值的特征信息進行選擇，主要是對感興趣區的信息提取，比如感興趣區內形狀、密度、位置、大小和紋理等。

通過三維重建，對感興趣區的形狀和大小加以描述，如最大三維直徑和最小三維直徑是對最常用的參數。采用一階、二階或高階統計方法對腫瘤內部的特征信息進行提取，同時結構分析方法可對腫瘤異質性進行描述，上述方法的應用可客觀揭示出難以用人眼所觀察到的腫瘤信息。

隨著技術的發展，研究者采用紋理特征、語義特征及小波變換的方法對采集的影像圖像信息進行深入的分析挖掘，進一步獲得更多感興趣區內有價值的臨床信息[10]。

1.3.4 模型建立

建立預測模型是影像組學工作流程的最后一步，對所采集的大量數據進行分析與整理，選取具有顯著特征的信息，將圖像特征信息與腫瘤表型、基因、蛋白質相結合，并利用生物統計學、流行病學和生物信息等方法，建立可靠的、有價值的、與臨床相關的預測模型[11]。

2 影像組學在卵巢癌的應用

目前，影像組學在主要應用于腫瘤良惡性的鑒別、預測腫瘤預后及為患者制定個性化治療方案等。

2.1 鑒別卵巢腫瘤良惡性

MRI及CT傳統的影像檢查僅了解腫瘤大小、邊界、密度、強化方式、淋巴結轉移等信息，放射科醫生多根據自身經驗來判斷腫瘤的良惡性，主觀性比較強，缺乏客觀的衡量標準，易出現誤診，然而病理穿刺也無法反映腫瘤的整體特征，董天發等[12]利用灰度共生矩陣方法對采集的影像圖像作深入細致分析，獲取腫瘤的能量、對比、逆差距、熵等紋理參數，將獲取的定量參數與基因組學相關聯，從多方面多層次評估腫瘤的異質性。Saha A等[13]認為基于密度的核磁共振圖像聚類技術，可用于評估膠質母細胞瘤的異質性，腫瘤惡性程度越高，其異質性越強。Li Z等[14]通過實驗證明，紋理分析對診斷乳腺的良惡性具有重要的意義，可顯著提高診斷性能。

2.2 疾病的預后與治療

許多研究已證明，腫瘤的異質性是影響患者預后的重要因素。有研究表明，影像圖像的異質性與遺傳基因水平的異質性具有一定的相關性，可幫助了解腫瘤的表型，為臨床醫生提供可靠的診斷信息，并制定個性化的治療方法[15,16]。

以往紋理分析是基于對原發腫瘤的異質性分析，對原發和轉移之間異質性沒有做深入的研究，Vargas HA等[17]人采用位點間相似性矩陣技術對38例患者進行研究，得出原發和轉移之間的異質性可預測卵巢癌患者的預后。現階段，原發和轉移之間的異質性對腫瘤的發展、患者治療及預后方面具有舉足輕重的地位[18]。

3 影像組學的未來前景

影像組學作為最熱門的研究領域，得到國內外廣泛關注，其具有非侵入性、可重復性的特點，并逐漸應用于臨床，輔助醫生對疾病作出準確診斷，為患者制定個性化的治療方案，促進精準醫療的發展。