基于MRI的影像組學(xué)在兒童疾病中的應(yīng)用進(jìn)展

朱美嬌，楊 明，王樹杰

(南京醫(yī)科大學(xué)附屬兒童醫(yī)院放射科，江蘇 南京 210008)

醫(yī)學(xué)影像學(xué)是臨床獲取信息、診斷疾病、制定治療策略的重要手段，在兒童疾病診斷中具有重要意義。但由于兒童依從性差、檢查難度高以及輻射安全等問題，精準(zhǔn)診斷一直是兒科影像學(xué)的難題。MRI無(wú)創(chuàng)、軟組織分辨率高，適于縱向隨訪，且可提供結(jié)構(gòu)和功能數(shù)據(jù)，在兒童疾病研究中具有優(yōu)勢(shì)。基于MRI數(shù)據(jù)的影像組學(xué)可將常規(guī)視覺影像信息轉(zhuǎn)化為深層次的特征以進(jìn)行量化研究，從而獲得更多的圖像信息，且可利用常規(guī)臨床MRI數(shù)據(jù)而不增加掃描時(shí)間，是目前精準(zhǔn)醫(yī)療的重要組成部分，已成為現(xiàn)階段的研究熱點(diǎn)之一[1-2]。本文對(duì)基于MRI的影像組學(xué)在兒童疾病中的應(yīng)用進(jìn)展進(jìn)行綜述。

1 基于MRI的影像組學(xué)概述

1.1 定義 Lambin等[3]于2012年提出影像組學(xué)的概念，指從CT、MRI或PET獲得的醫(yī)學(xué)圖像中提取大量影像學(xué)特征，通過高通量定量分析，將圖像轉(zhuǎn)化為具有高分辨率、可發(fā)掘的空間數(shù)據(jù)[1]。影像組學(xué)技術(shù)來(lái)源于計(jì)算機(jī)輔助診斷(computer aided diagnosis, CAD)，憑借對(duì)海量影像學(xué)數(shù)據(jù)進(jìn)行更深層次的挖掘來(lái)預(yù)測(cè)和分析疾病，并輔助臨床醫(yī)師做出準(zhǔn)確診斷，已發(fā)展成為融合影像、基因及臨床等信息的輔助診斷、分析和預(yù)測(cè)方法[4-5]，并廣泛應(yīng)用于腫瘤等疾病[6-7]。

1.2 處理流程 影像組學(xué)研究的總體處理流程[8]包括數(shù)據(jù)采集、病變識(shí)別、病灶分割、特征提取和分析建模，病灶分割及特征提取是其中的核心步驟。

數(shù)據(jù)采集和病變識(shí)別是影像組學(xué)處理的基本步驟，采集圖像時(shí)應(yīng)盡可能使用同種MR設(shè)備，且盡量保持掃描參數(shù)一致，從而獲得高質(zhì)量和標(biāo)準(zhǔn)化的原始MRI[8]。病灶分割是指基于圖像來(lái)分割病變ROI，目前主要由經(jīng)驗(yàn)豐富的放射科醫(yī)師采用軟件手動(dòng)、半自動(dòng)或自動(dòng)在目標(biāo)圖像上勾畫ROI。常用分割算法包括基于區(qū)域生長(zhǎng)法、水平設(shè)置法和圖形切割法等[5]，均適用于病變邊緣相對(duì)清晰及生理學(xué)特征分布相對(duì)均勻的區(qū)域。影像組學(xué)合并多參數(shù)(增強(qiáng)T1WI、DWI等)、多方位(軸位、矢狀位及冠狀位)的圖像，從而產(chǎn)生具有特定定量圖像數(shù)據(jù)的組合，可反映病變內(nèi)具有生理學(xué)特征差異的區(qū)域[9-10]。由于存在手動(dòng)分割所需時(shí)間長(zhǎng)、放射科醫(yī)師對(duì)結(jié)果判斷的主觀性強(qiáng)、病灶邊緣可能未明確定義等缺點(diǎn)，如何精準(zhǔn)分割病灶尚待進(jìn)一步研究。

確定ROI后，提取成像特征，包括描述病變形狀、大小、位置等關(guān)系的語(yǔ)義特征以及運(yùn)用數(shù)學(xué)運(yùn)算方法從圖像中提取的非語(yǔ)義特征，后者通常分為一階、二階和更高階的統(tǒng)計(jì)[9]。一階統(tǒng)計(jì)是基于直方圖方法描述單個(gè)體素值的分布，而不考慮空間關(guān)系，包括強(qiáng)度的均值、最大值、最小值、峰度、偏度和描述分布隨機(jī)性的熵等。二階統(tǒng)計(jì)即紋理特征，描述具有相似或不相似對(duì)比值的體素之間的相互關(guān)系，運(yùn)用基于灰度共生矩陣[11]、灰度游程步長(zhǎng)矩陣、灰度尺度區(qū)域矩陣和鄰域灰度差分矩陣等三維運(yùn)算方法可測(cè)量腫瘤內(nèi)異質(zhì)性，包括自相關(guān)、對(duì)比度、同質(zhì)性及能量等特征。高階統(tǒng)計(jì)指在圖像上施加濾波以提取重復(fù)或非重復(fù)模式，包括分形分析及小波分析等[9]。通過上述方法可提取數(shù)百個(gè)紋理特征值，但可能重復(fù)或多余，導(dǎo)致診斷效能降低，并增加過度擬合數(shù)據(jù)的可能性。因此，通常采用機(jī)器學(xué)習(xí)或統(tǒng)計(jì)學(xué)分析方法等進(jìn)行分析建模，以獲得具有最佳診斷效能的特征組合。

1.3 研究現(xiàn)狀 目前影像組學(xué)的應(yīng)用報(bào)道[12-14]較多，特別是其在腫瘤中的應(yīng)用。由于腫瘤具有異質(zhì)性，其細(xì)胞的每一部分均能驅(qū)動(dòng)基因突變，從而改變基因表達(dá)和代謝；而活體組織病理檢查僅能反映腫瘤在特定時(shí)間和空間上的特征，且為有創(chuàng)檢查，在兒童中難以廣泛開展。基于MRI的影像組學(xué)可全面、無(wú)創(chuàng)、定量地描述腫瘤的特征及異質(zhì)性，為臨床提供更多可靠信息[6]，并已廣泛應(yīng)用于對(duì)多種腫瘤的研究中，如乳腺癌、顱內(nèi)腫瘤、肺癌及消化道腫瘤等，在腫瘤的鑒別診斷、分級(jí)、基因表型預(yù)測(cè)、治療方案制定、療效及預(yù)后評(píng)估中發(fā)揮重要作用[12]。

Wang等[13]回顧性分析88例浸潤(rùn)性乳腺癌的對(duì)比增強(qiáng)MRI，采用半自動(dòng)分割技術(shù)劃定腫瘤及周圍實(shí)質(zhì)ROI，提取腫瘤形態(tài)、密度及信號(hào)強(qiáng)度等85個(gè)特征值，再以高效的浮動(dòng)搜索算法選擇最佳特征組合，并以AUC來(lái)評(píng)估其分類性能，結(jié)果顯示背景實(shí)質(zhì)增強(qiáng)是預(yù)測(cè)三陰性乳腺癌最具鑒別性的紋理特征。Zinn等[14]通過分析膠質(zhì)母細(xì)胞瘤患者的頭顱MRI及其基因表達(dá)譜，發(fā)現(xiàn)基于FLAIR圖像的腫瘤壞死體積高值組中存在多個(gè)生物學(xué)預(yù)測(cè)和反向表達(dá)的基因，可闡明腫瘤基因組成與影像學(xué)特征之間的因果關(guān)系，并提出一種適用于臨床的影像組學(xué)測(cè)序方法，可實(shí)現(xiàn)自動(dòng)化分析各種類型圖像，并提供非侵入性的基于影像組學(xué)的診斷及預(yù)后信息。此外，有學(xué)者[15]將影像組學(xué)應(yīng)用于結(jié)直腸癌診斷治療，發(fā)現(xiàn)24個(gè)影像組學(xué)特征與淋巴結(jié)狀態(tài)顯著相關(guān)，且影像組學(xué)特征、淋巴結(jié)狀態(tài)和癌胚抗原水平均是預(yù)測(cè)結(jié)直腸癌轉(zhuǎn)移的獨(dú)立影響因素，從而可建立基于影像組學(xué)標(biāo)簽的結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移術(shù)前預(yù)測(cè)模型。

2 基于MRI的影像組學(xué)在兒童疾病中的應(yīng)用

兒童正處于全身組織和器官快速成長(zhǎng)，生理、心理和精神狀態(tài)不斷完善的時(shí)期，病情變化較快。采用基于MRI的影像組學(xué)方法對(duì)兒童疾病進(jìn)行分類、預(yù)測(cè)和基因分型等非常必要。關(guān)于精準(zhǔn)影像組學(xué)應(yīng)用于兒科疾病中的研究尚較少見，需要更多研究者參與。

2.1 兒童腫瘤性疾病 影像組學(xué)在兒科主要用于腫瘤性疾病，尤其是腦腫瘤。腦腫瘤為最常見的兒童實(shí)質(zhì)性腫瘤之一，是導(dǎo)致兒童死亡的重要原因[16]。Rodriguez Gutierrez等[17]回顧性分析40例后顱窩腫瘤患兒的術(shù)前MRI資料，根據(jù)增強(qiáng)T2WI和T1WI以及ADC圖計(jì)算腫瘤形狀、直方圖和紋理特征，并使用特征組合來(lái)訓(xùn)練用于鑒別腫瘤特異性的分類器，發(fā)現(xiàn)根據(jù)ADC直方圖中第25、75百分位數(shù)的ADC值和偏度的支持向量機(jī)分類器可很好地區(qū)分小兒后顱窩腫瘤類型；同時(shí)ADC紋理分析中熵及均勻性的組合可區(qū)分經(jīng)典髓母細(xì)胞瘤。既往研究[18-19]發(fā)現(xiàn)基于ADC及DTI直方圖的分析方法可用于鑒別小兒后顱窩與小腦腫瘤。上述研究提示腫瘤擴(kuò)散圖像的定量特征分析在小兒神經(jīng)腫瘤學(xué)中有重要診斷價(jià)值。Poussaint等[20]分析140例腦橋膠質(zhì)瘤患兒放療前后的頭顱MRI，采用聯(lián)合液體反轉(zhuǎn)恢復(fù)序列及增強(qiáng)圖像確定腫瘤的ROI并生成ADC直方圖，分析后者與患兒無(wú)進(jìn)展生存率及總體生存期的相關(guān)性，發(fā)現(xiàn)ADC峰值數(shù)量與患兒的無(wú)進(jìn)展生存率及總體生存期均呈負(fù)相關(guān)，提示影像組學(xué)在預(yù)測(cè)患兒生存期方面也具有潛在價(jià)值。

目前影像組學(xué)在兒童非腦部腫瘤中的研究較少見。Meeus等[21]回顧性分析42例腹部腫瘤患兒的ADC及IVIM圖，發(fā)現(xiàn)D*和f的直方圖參數(shù)(包括平均值、中位數(shù)和第75、90百分位數(shù)，D*偏度和f的第25百分位數(shù)、峰度和熵)有助于鑒別兒童腹部惡性神經(jīng)母細(xì)胞瘤與腎母細(xì)胞瘤，并可區(qū)分良惡性病變。

2.2 兒童非腫瘤性疾病 影像組學(xué)在兒童非腫瘤性疾病中的應(yīng)用較少見。Zeng等[22]分析急性期與恢復(fù)期腸道病毒71型腦炎患兒T1WI及T2WI的信號(hào)強(qiáng)度直方圖，并采集平均值及中位數(shù)等特征值，發(fā)現(xiàn)急性期與恢復(fù)期T1和T2的信號(hào)強(qiáng)度差異顯著，提示T1、T2直方圖技術(shù)可量化監(jiān)測(cè)疾病的嚴(yán)重程度。有學(xué)者[23]認(rèn)為ADC直方圖參數(shù)值能識(shí)別新生兒缺氧缺血性腦病，且患兒腦成熟度與ADC值具有相關(guān)性。

3 基于MRI的影像組學(xué)在兒科疾病研究中的不足

與成人疾病的影像組學(xué)研究相比，兒童疾病影像組學(xué)研究尚處于起步階段，存在較多局限性：①病種單一，樣本量較小；②所采用的序列及觀察的影像學(xué)特征較為單一，掃描方案、研究方法等尚未標(biāo)準(zhǔn)化[24]，采用紋理特征的方法提取影像學(xué)特征的研究較少，而采用小波分析方法進(jìn)行特征提取的研究罕見；③研究方向較為單一，與成人相比，目前兒童影像組學(xué)主要運(yùn)用于腫瘤性疾病，對(duì)于基因分型、輔助治療、預(yù)測(cè)生存率等方面的研究尚不多見。

4 小結(jié)

隨著深度學(xué)習(xí)及大數(shù)據(jù)分析的推動(dòng)，基于深度學(xué)習(xí)的分析和預(yù)測(cè)方法將是影像學(xué)的發(fā)展方向之一。目前基于MRI的影像組學(xué)因其能定量分析病變的生物學(xué)特征，已在腫瘤分型、分期、預(yù)后分析及診療方案選擇的研究中取得初步進(jìn)展，并逐漸擴(kuò)展到非腫瘤性病變的研究中，但在兒童疾病的研究中尚不完善。相信隨著國(guó)家對(duì)兒童醫(yī)療的高度重視，基于MRI的影像組學(xué)在兒童疾病的研究中將會(huì)發(fā)揮重要作用，使更多患兒受益。