影像組學在宮頸癌影像學評估的應用

導語：影像組學在宮頸癌影像學評估的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】影像組學是一項從大量的醫學影像數據中提取圖像定量特征，經過量化分析處理后進行疾病的診斷和預測的新興技術，在宮頸癌的影像組學是一項從大量的醫學影像數據中提取圖像定量特征，經過量化分析處理后進行疾病的診斷和預測的新興技術，在宮頸癌的分期、治療、預后判斷等方面有廣闊的應用前景，與傳統影像學融合有助于提高臨床醫生對宮頸癌的診斷和預測復發及轉移能力，從而合理制定治療計劃以減少腫瘤復發轉移風險。本文將對國內外影像組學應用于宮頸癌影像學評估中的研究進展做一綜述。

【關鍵詞】影像組學；宮頸癌；綜述

隨著醫學影像大數據與臨床輔助診斷技術的快速發展，影像組學技術通過從患者的醫學影像資料中提取出大量影像學特征來量化疾病相關指標，經過分析可以幫助解決因腫瘤異質性而難以定量評估的一些臨床問題，因而具有重要的臨床應用價值。以下將介紹影像組學技術，闡述影像組學的基本概念、處理流程及其在宮頸癌影像學評估中的應用前景、未來的發展方向及挑戰。醫學影像技術的起始最早可追溯到1895年，德國物理學家倫琴發現X線[1]，而影像組學這一概念最早于2010年提出，其影像學特征信息具有潛在的腫瘤診斷、預后與預測價值。目前，影像組學在腫瘤的篩查、診斷、分期、放療靶器官勾畫等方面已經有相對成熟的應用[2]，特別是在肺癌、乳腺癌篩查中也發揮著重要的作用[3-4]。

1宮頸癌的診療及影像表現

宮頸癌在我國的惡性腫瘤的女性患者中發病率較高且有明顯上升趨勢[5]，在婦科惡性腫瘤的發病率中亦是最高，是危害我國女性健康的重要疾病之一。MR影像是目前正在不斷普及的宮頸癌影像學診療手段，具有更好的軟組織分辨率，可多方位、多序列成像，對宮頸癌的診斷和分級分期顯著優于其他影像檢查。在MR圖像中，宮頸癌的影像學表現為宮頸形態不規則，密度不均勻。增強掃描時，宮頸癌表現為早期早于宮頸肌層迅速強化，強化曲線呈快進慢出、持續強化。T2WI序列的宮頸間質環中斷是判斷宮頸肌層及宮旁受侵的指征，結合帶的完整性是判斷宮頸腫瘤是否浸潤肌層的重要標志。研究認為，宮頸癌在T2WI圖像上呈稍高信號或高信號，與周圍組織分界明顯，更易取得其組學特征，在影像組學應用中有較高的價值[6]。融合組學算法，能夠研究宮頸癌腫瘤內部特征及腫瘤異質性，有助于探索腫瘤和圖像間更深層次的聯系。

2影像組學的工作流程

2.1圖像采集

影像組學的圖像來源于患者在診療過程中采集到的CT、MR、PETCT等圖像序列，高質量、標準化的圖像采集也更有利于得到準確可靠的預測結果。

2.2圖像分割

通過在采集到的圖像中勾畫出感興趣區（ROI），將圖像中需要重點研究的區域標記出來。計算機自動、半自動、手動分割等都是目前常見的圖像分割的辦法。宮頸癌的圖像分割仍以臨床醫生手動分割為主，計算機輔助勾畫和自動勾畫技術也正逐漸成熟[7]。

2.3特征提取和篩選

這一步是采用多樣化的統計分析和數據挖掘方法從大批量ROI圖像信息中提取和剝離出真正起作用的關鍵信息，將所選擇的特征降維后再篩選出其中的有效特征。影像組學特征主要包括外形特征、一階直方圖特征、二階直方圖、紋理特征，或將圖像用濾波器處理后建立有關模型[8]，還有一些來源于特定圖像的影像組學特征等。其中常用的特征提取和篩選方法有LASSO篩選、最大相關最小冗余（mRMR）、主成分分析法（PCA）等[9]。

2.4建立模型

將篩選出的影像學特征進行整合統計后，找到少數真正有關鍵意義的特征，建立起數學模型并加以驗證。Logistic回歸模型是目前最為常用的一類監督分類器。常用的機器學習模型還有支持向量機、人工神經網絡、聚類分析、隨機森林、交叉驗證、自舉法、回歸模型等[10]。

3影像組學在宮頸癌診療中的應用

經過局部放療和全身化療的宮頸癌患者，可以觀察到腫瘤的遠處轉移和復發都能得到有效控制。而在制定宮頸癌患者的治療計劃和隨訪策略時，確定腫瘤遠處轉移和復發的預測因素就顯得更為重要。淋巴結轉移是宮頸癌復發的預測因素之一，也能夠作為宮頸癌術后放療的適應證之一。Li等[11]分析了153例Ⅱa～Ⅱb期宮頸癌的盆腔淋巴結轉移患者的MR圖像，認為基于ADC圖像的影像組學模型能夠發揮一定的預測作用。實驗中宮頸癌患者的臨床分期、MR圖像中的灰度不均勻性等影像組學特征在訓練組和驗證組中表現出良好的預測性能，其中MR圖像的影像組學特征模型的預測性能較其他單因子性能更優。因而在預測Ⅱa～Ⅱb期宮頸癌的淋巴結轉移方面，從原發病變ADC圖像中提取的紋理特征有著良好的預測效能。Kan等[12]聯合T2WI及DCE序列紋理特征，基于143例宮頸癌患者MR圖像提取出超過900個影像組學特征及7個臨床特征，淋巴結是否轉移可通過影像組學特征進行有效區分。通過為宮頸癌患者在術前評估其淋巴結的轉移情況，多序列MR影像組學特征可以為早期宮頸癌患者的治療決策提供幫助。CT-MR、超聲-MR等圖像融合技術的應用也有助于提高影像診斷的準確率。在一項宮頸癌的DCE-MRI特征數據分析實驗中，藥代動力學參數具備了較高的精度和一定的診斷意義，體現了影像組學在腫瘤生物學領域蘊含的發展前景[13]。Reuze等[14]在一項晚期宮頸癌患者的回顧性研究中，提取并分析了118例接受局部放化療患者的紋理特征，如低灰度區突出和高灰度區突出、峰值標準化攝取值、同質性等，發現這些特征在預測晚期宮頸癌治療后的局部復發具有一定作用。Lucia等[15]利用宮頸癌患者的PET-CT和MR圖像紋理特征建立模型預測接受放化療后的復發情況。經實驗驗證，DFS模型達到90%的準確率，法國及加拿大隊列的LRC模型的準確率也分別達到98%、96%。臨床醫生通過影像組學能夠更準確地預測宮頸癌患者治療后的復發風險，從而能夠更有針對性地制定出個體化的診療方案，提高宮頸癌患者的生存率。

4影像組學研究及其在宮頸癌影像的應用中仍存在的問題

4.1腫瘤生物學特征方面

宮頸癌腫瘤的生物學特征存在較大差異，如病理類型、分期分型、位置形態等，目前的研究進度不一，主要集中于宮頸癌的鑒別診斷及其預后評估、生物學行為評價等方面。

4.2圖像應用方面

宮頸癌圖像的采集、感興趣區勾畫分割、特征提取、統計學建模等尚無統一的標準和規范。影像特征經不同的統計手段和篩選方法得出的結果也會產生一定差異，需要更多的研究選擇出最為可靠的方法。

4.3數據處理方面

目前大多數的回顧性研究樣本數量有限，宮頸癌影像組學閾值標準的設定受到限制。預測模型的過擬合風險可能隨著算法的復雜度增加，在人群中的驗證、測試和應用中產生限制[16]。

4.4模型的可解釋性及語義方面

影像組學中多數的紋理特征不能賦予有效的生物學、病理學意義，缺乏確切的醫學術語描述和標準化語義規范，限制了其進一步的醫學研究和臨床運用。

5影像組學在宮頸癌中的應用展望

綜上所述，宮頸癌的影像組學分析技術雖然可能永遠不會取代目前作為臨床金標準的病理分析，但能有效輔助評估宮頸癌腫瘤的固有異質性。宮頸癌的診斷、生物學行為評價、治療反應與療效評估中正越來越多地見到影像組學技術的參與。與傳統影像技術相比，影像組學更能夠定量評估宮頸癌腫瘤空間上的異質性，可重復性更強，還能夠提供更多的有效信息[17]。未來影像組學在宮頸癌診療潛在的應用方向有：通過三維虛擬重建宮頸局部橫截面圖像，獲取用于精確的手術計劃和放化療評估的宮頸癌病灶及瘤周相關的信息；宮頸癌放療反應的預測模型建立；放射性藥物的靶向分子成像等等。我們期待影像組學與基因組學等其它各種組學相結合，為優化醫療決策、推動精準醫學的發展尤其是腫瘤的個體化醫療提供新的發展方向。

作者：朱鑫宇 徐曉婷 單位：蘇州大學附屬第一醫院放療科