肺癌放射組學的研究進展

王藝婷，張 進

（1.山西醫科大學醫學影像學系，山西 太原 030001；2.山西醫科大學第二醫院放射科，山西 太原 030001）

肺癌放射組學的研究進展

王藝婷1，張 進2*

（1.山西醫科大學醫學影像學系，山西 太原 030001；2.山西醫科大學第二醫院放射科，山西 太原 030001）

肺癌死亡率占全球高惡性腫瘤的首位，且有逐年上升的趨勢，早期診斷、治療及治療后療效評估至關重要。目前、影像學的發展在肺癌的診斷、分期、治療計劃、術后監護及療效評價中發揮了重要的作用，但并不能完全達到精準醫療的標準，放射組學（radiomic）的興起與發展將影像數據轉化為特征空間數據，并對之進行高通量（high throughput）定量分析，有望成為精準影像醫學的重要基石。本文從圖像的采集、分割和重組、特征數據的提取和量化等方面分別闡述了目前放射組學在肺癌研究的研究進展。

肺癌；定量影像；異質性；放射組學

1 肺癌影像學的發展及應用現狀

肺癌是全球范圍內癌癥導致患者死亡的主要原因，在所有惡性腫瘤中高居首位。70%以上的肺癌發現時已為晚期，因此，早期發現并診斷肺癌成為所有研究者致力于研究的方向；目前，由于失去手術治療最佳時期，晚期肺癌的主要治療手段是化療，因此，及時、準確的療效判斷對患者的治療策略及預后有著至關重要的影響[1]。傳統的影像學方法在肺癌診斷、分期、治療計劃、術后監護及療效評價中發揮著重要作用，但是還未完全達到早期診斷及早期反映化療藥物對腫瘤的作用和療效的效果[2]。近年來興起的影像定量分析應用于惡性腫瘤治療反應的評價，為肺癌的預后及監測治療反應的評估提供更客觀、準確的數據和參數。

但是，傳統的影像醫學模式既不能提供精準醫療所需要的分子與基因水平的生物學信息，也不能提供個性化生物和靶向治療所需要的信息，因此無法完全達到精準影像醫學的標準，影像醫學診斷模式亟待改變[3]。最近，一些功能影像學方法使得體內重要的腫瘤生理學和生物學過程得以描述，甚至可能通過他們的特征性影像學表型的表達模式來發揮特定的基因標志的替代作用。最新興起的放射組學（radiomics），應用大量的自動化數據特征化算法，將感興趣區域的影像數據轉化為具有高分辨率的、可發掘的特征空間數據，并對之進行高通量定量分析，有望成為精準影像醫學的重要基石。近5年來放射組學領域的研究熱度逐年上升，并在2015年出現了大幅上漲，其主要集中在結合三維后處理、計算機輔助等方法診斷非小細胞肺癌以及PET結合計算機輔助和影像整合等技術診斷肺腫瘤2個領域[4]。由此可見，肺部腫瘤的放射組學成為當前炙手可熱的研究方向。

2 放射組學在肺癌領域的應用

縱觀腫瘤異質性與克隆演變，我們了解到，肺癌是由多基因突變和表觀遺傳改變的積累而發展起來的遺傳性疾病。因此，肺癌精準醫學要依據的兩個基本原則即：腫瘤細胞間或細胞內存在基因異質性，且該異質性在對特定治療方法的臨床反應中發揮著重大的作用。肺癌腫瘤微環境和基因組的不穩定性無法用傳統功能影像學證明，放射組學將有助于推動基因型肺癌治療個性化的進一步改善。

2.1 目前用到的肺癌腫瘤的分隔方法

（1）單擊集成分割算法：用于確定肺組織和腫瘤的邊界。是一種半自動分隔算法，既減少了使用者之間的相互影響，還提供了可重復的一致的腫瘤區域的描繪。在計算腫瘤邊緣錯綜復雜的重要信息的過程中減少了觀察者之間的變異性[5]。

（2）凸面算法（Convexity algorithm）是一種評估腫瘤邊界形態變異性的算法，腫瘤邊界的不規則多由于腫瘤內部的異質性及腫瘤與周圍環境的相互作用引起；腫瘤邊緣毛刺征、指狀突起均可提示預后不良[6]。

（3）瘤內強度特征變化熵率（Entropy ratio feature）是用來計算腫瘤內像素強度衰減系數的異質性。可用于區分腫瘤不同組織特性和生長規律特點的區域。按照不同區域代表各自獨特的生物學過程的假說，將腫瘤分為中心和周邊區域，這樣，影像學檢查就可以反映出由于腫瘤的生長和其與周邊微環境的相互作用導致的腫瘤內部的變化[7]。

2.2 數據的獲取

肺癌放射組學數據的獲取包括：單參數讀取，使得單一方式的系列掃描所獲得的特征可以用于相同病人的縱向對比；多普分析的方法，該方法有巨大的闡述肺癌的分子特征的分析潛能。結合解剖學、代謝及功能數據，腫瘤影像生物學表型可以為肺癌患者診斷、分類、預后分層及早期反應評估提供有價值的信息，當前，腫瘤灌注的興起進一步促進了此方面的研究。

2.3 量化特征

放射組學在量化與疾病的轉化、預后和耐藥性相關的全部腫瘤的空間復雜度和識別腫瘤亞區方面有巨大的作用[8][9]。

（1）形態學特征：在肺癌腫瘤的體積方面，較短的體積倍增時間反應肺癌腫瘤高侵襲性，提示預后不良；此外還有腫瘤重量：整合腫瘤體積和密度，對腫塊精確測量，達到比傳統影像學方法更早檢測到亞實性結節類型腫瘤生長情況的效果[10]。

（2）統計學特征： 統計學特征分為兩級，即直方圖特征和紋理特征。前者包括一些基本的統計學信息，如均數、中位數、標準差等，有研究表明直方圖特征可有效區分良惡性肺結節，此外，97.5百分位CT值與CT衰減值的斜率已被認為是未來CT衰減變化和純GGO病變的增長率的預測[11]。紋理特征是通過不同的矩陣獲得的腫瘤的空間影像信息：如從灰度共生矩陣（GLCM）和灰度游程矩陣（GLRL）獲得的CT紋理特征表現出與基因表達很強的相關性；而鄰域灰度差分矩陣（NGTDM）提取的紋理特征可預測非小細胞肺癌患者放化療治療后的生存率。

（3）區域特征：該特征基于區域之間的變化強度，證實了腫瘤發生在某一特定區域的可能性及有哪些區域發生腫瘤。和紋理特征相比，區域特征有望最終定量分析腫瘤組織內的亞克隆異質性。在一項研究中，研究者利用18 F-FDG PET和MRI彌散加權相結合的檢查方法將腫瘤亞區分為壞死區域和細胞活性區域，并展現了與組織學高度的一致性[12]。

（4）基于模型的放射組學特征：分型變異導致了物質形態在一定范圍內的復雜性。基于這一理論，分型維度（fractal dimension）反應目標對象的內在形態，其較穩定，不易受到噪聲影響，并可以用于單一病人的縱向分析。肺的宏觀和微觀結構巨大的分型變異最適宜運用分型維度來反映[13]。多年來，一些研究者已經成功利用分型維度來區分侵襲性和非侵襲性肺癌。

3 展 望

總之，放射組學具有在體內對圖像進行影像基因分型和先進的圖像分析的縱向研究能力；表型和基因組相結合，開創了個性化醫療多學科戰略的發展。放射組學方法有助于讓臨床醫生選出明確的治療方法和為患者使用量身定制的藥物來改善肺癌患者的預后。目前，肺癌放射組學（Radiomics）的發展仍處于早期階段，尚未完全建立國際統一標準，還有很多艱巨的任務需要多個專業的人員合力解決。我國人口眾多，放射組學這一新興研究領域必將為我國人民健康做出巨大貢獻。

[1] 張周芳.肺癌化放療療效評估的影像學方法及進展.醫學影像學雜志[J].2015,25(3).

[2] Geewon Lee,Ho Yun Lee (MD,PhD),Hyunjin Park,Radiomics and its emerging role in lung cancer research,imaging biomarkers and clinical management:State of the art[J],Eur J Radiol.2017 Jan,86:297-307.

[3] 馮曉源.精準醫療,影像先行[J].中華放射學雜志,2016,50(1):1-2.

[4] 王 敏,宋 彬,黃子星.基于文獻計量學的近5年放射組學研究熱點分析[J].中華放射學雜志,2016,50(12):974-977.

[5] Gu Y,Kumar V,Hall LO,Goldgof DB,Li CY,et al.Automated Delineation of Lung Tumors from CT Images Using a Single Click Ensemble Segmentation Approach[J].Pattern Recognit,201 3,46(3):692-702.

[6] Honda T,Kondo T,Murakami S,Saito H,Oshita F,et al.Radiographic and pathological analysis of small lung adenocarcinoma using the new IASLC classification[J].Clin Radiol, 2013,68(1):e21-6.

[7] Rutman AM,Kuo MD.creating a link between molecular diagnostics and diagnostic imaging [J].Eur J Radiol,2009,70(2):232-241.

[8] M.R.Divine,P.Katiyar,U.Kohlhofer,L.Quintanilla-Martinez,B. J.Pichler,J.A Disselhorst.A population-based Gaussian Mixture Model Incorporating 18F-FDG PET and diffusion-weighted MRI Quantifies Tumor Tissue Classes[J].Nuclear Med,2016,57(3): 473–479.

[9] J.Y.Son,H.Y.Lee,J.H.Kim,et al.Quantitative CT analysis of pulmonary ground-glass opacity nodules for distinguishing invasive adenocarcinoma from non-invasive or minimally invasive adenocarcinoma: the added value of using iodine mapping[J].Eur. Radiol,2016,26(1):43–54.

[10] B.de Hoop,H.Gietema,S.van de Vorst,K.Murphy,R.J.van Klaveren,M. Prokop.Pulmonary ground-glass nodules: increase in mass as an early indicator of growth[J].Radiology,2010 ;255(1):199–206.

[11] S.H.Bak,H.Y.Lee,J.H.Kim,et al.Quantitative CT scanning analysis of pure ground-glass opacity nodules predicts further CT scanning change[J].Chest,2016,149(1): 180–191.

[12] M.R.Divine,P.Katiyar,U.Kohlhofer,L.Quintanilla-Martinez,B. J.Pichler,J.A.Disselhorst.A population-based Gaussian Mixture Model Incorporating 18F-FDG PET and diffusion-weighted MRI Quantifies Tumor Tissue Classes[J].Nuclear Med,2016,57(3):473–479.

[13] F.E.Lennon,G.C.Cianci,N.A.Cipriani,et al.Lung cancer-a fractal viewpoint[J].Nat.Rev.Clin.Oncol.,2015,12(11): 664–675.

本文編輯：吳玲麗

R734.2

A

ISSN.2095-8242.2017.018.3563.02

張進，男，副教授，Email：779173782@qq.com