影像組學在結直腸癌中應用的研究進展

趙 彤 胡星月 楊偉振

1.牡丹江醫學院，黑龍江牡丹江 157011；2.牡丹江醫學院附屬紅旗醫院放射科，黑龍江牡丹江 157011

結直腸癌（colorectal cancer，CRC）是全球第三大癌，也是全球癌癥第二大致死病因，近年來，精準治療大大提高了CRC患者的存活率，盡管如此，發生轉移的CRC 五年生存率卻僅為14.7%[1]。異質性是惡性腫瘤的一種固有生物學特征，它是指腫瘤在生長過程中，經過多次分裂增殖，導致腫瘤的遺傳類型發生變化，從而使腫瘤的生長速度、侵襲轉移、預后以及對藥物的敏感性等各方面產生差異[2]。其中，CRC是異質性較高的惡性腫瘤，通過傳統的影像學檢查、結腸鏡檢查和血液學檢查難以捕捉其異質性[3]，病理活檢雖然可以捕捉，但缺點在于有創。近年來影像組學成為一種新型的影像診斷方法，克服了傳統檢查方法的缺點，它可以對腫瘤異質性的特征進行無創客觀分析，這是人眼無法客觀量化的，自荷蘭學者Lambin等[4]于2012年首次提出影像組學的概念，影像組學在CRC的臨床診療和預后等方面的研究也逐漸增多。

1 影像組學概述

影像組學被定義為一種研究方法，可通過高通量計算從多模態醫學圖像中提取出大量高維醫學圖像特征，然后對這些特征進行分析并建立模型，以探索與臨床結果的關系。具體影像組學流程如下。

1.1 數據采集和預處理

圖像采集是整個影像組學流程的基礎，要求獲得高質量和標準化的影像用于診斷和評估。同時為避免異質性，需要對不同CT或MRI等圖像進行均質化處理。

1.2 圖像分割

目前一般采用自動、半自動或手動的方法來將感興趣區（region of interest，ROI）從圖像中分割出來，但對于最優分割算法目前未達成一致。Wang等[5]的研究表明自動分割與人工分割并無明顯統計學差異。選擇最大層面（2D）還是腫瘤整個病灶（3D）進行分析也是一個眾說紛紜的問題。目前有研究通過一些MRI數據集中可用的時間維度，實現了4D紋理分析[6]。

1.3 特征提取和選擇

影像組學的關鍵步驟在于提取有價值的特征，可以使用不同的工具（如TexRAD、MaZda等）來執行。常用的特征選擇方法包括最小絕對收縮和選擇算子（least absolute shrinkage and selection operator，LASSO）、主成分分析（principal component analysis，PCA）、單變量或多變量分析等[7]。

1.4 數據分析與建立模型

利用線性和logistic回歸、決策樹（如隨機森林）、LASSO、神經網絡、深度學習等生成預測模型，也可以使用其他軟件，如R語言、SPSS。常用的驗證模型性能的方法包括：受試者工作特性（receiver operating characteristic curve，ROC）曲線、決策曲線分析（decision curve analysis，DCA）等[7]。

2 影像組學在CRC轉移方面的研究

2.1 影像組學在淋巴結轉移的研究

淋巴結轉移（lymph node metastasis，LNM）是CRC的主要轉移途徑，同時，LNM直接影響CRC的手術范圍、新輔助放化療方案的選擇以及患者的生存率。但常規的影像學檢查及穿刺活檢對準確評估是否發生LNM尚存在一定困難。目前，手術是治療CRC的首選方法。但在手術時不清楚淋巴結是否存在轉移的情況下，清除全部的癌旁淋巴結會產生不必要的副反應。因此術前準確評估淋巴結狀態是評價CRC的治療決策和預測預后的關鍵因素。

2.1.1 基于原發灶的研究 目前有研究應用影像定量分析方法從腫瘤原發灶上預測淋巴結狀態[8]，研究表明基于CT和MRI的影像組學模型均有助于預測CRC患者術前的LNM，具有一定的臨床價值，并且表明了原發灶的異質性通常決定了腫瘤的發生發展過程，對于CRC患者，其原發灶本身的影像組學特征往往受更少因素的影響且更加穩定，但Zhu等[9]研究比較了基于原發灶和淋巴結的影像組學分析，認為淋巴結特征比原發灶特征更好。因此，基于CRC原發灶的影像組學預測LNM的研究仍需進一步探索，并且應進一步研究動脈期和延遲期的特征。

2.1.2 基于淋巴結的研究 相關meta分析顯示，MRI、CT和直腸內超聲成像都不能準確地評估LNM情況，主要是因為這些研究均以淋巴結大小為標準來判斷是否有轉移性淋巴結，導致較高的假陽性率[10]。Nakanishi等[11]從兩家醫院納入患者建立模型，研究表明基于增強CT的影像組學模型其預測性能優于僅測量盆腔外側腫大淋巴結直徑的臨床模型。還有一項研究通過標記影像與病理完全匹配對應的區域腫大淋巴結，探討了單個淋巴結的紋理特征與LNM的相關性[12]，證明了對淋巴結的影像組學分析優于依靠淋巴結短軸直徑預測LNM情況的分析。

2.1.3 基于原發病灶與周圍淋巴結的研究 只有Li等[13]的ROI包括原發灶和周圍淋巴結，研究結果顯示，臨床-原發病灶-淋巴結的聯合影像組學模型預測LNM的準確度最高，高于其他任何模型，因此其可能是術前預測LNM的最優模型，這增加了臨床評估的特異性，并有助于制訂個體化治療方案。

2.2 影像組學在同步或異時肝轉移（metachronous liver metastasis，MLM）的研究

同步肝轉移（synchronous liver metastasis，SLM）是指直腸癌患者在確診時即有肝轉移，有15%～20%的直腸癌患者容易發生[14]。Liu等[15]的研究表明結合影像組學特征和臨床因素的模型能更好地預測SLM轉移。手術切除是早期發現MLM的主要治療方法。因此，篩查MLM高危患者并及早發現，將為手術切除提供機會，改善患者預后和生存。Li等[16]的研究結果類似于Liu等[15]，其在內、外部驗證中均取得了良好的表現，說明基于CRC的CT影像組學模型具有很好的預測MLM性能。基于類似的推論，Liang等[17]表明基于MRI的影像組學模型對預測MLM具有很高的潛力，研究表明，影像組學模型有較好的預測CRC肝轉移的能力，為檢測CRC遠處肝轉移提供了一個無創性的定量評估方法。

3 影像組學對CRC分子分型的預測

KRAS基因是一種小鼠肉瘤病毒癌基因，與人類腫瘤的發生發展密切相關。KRAS突變是CRC中最常見的基因突變，KRAS基因是否突變不僅具有預后意義，更是預測抗表皮生長因子受體（如西妥昔單抗和帕尼單抗）治療是否有效的重要生物學標志物[18]。Zhou等[19]的研究發現KRAS狀態與PCR無關，并且KRAS突變的患者預后較差，認為KRAS突變與較低的總生存率（overall survival，OS）高度相關。Taguchi等[20]發現與18F-FDG-PET相比，基于CT的預測模型在預測CRC的KRAS突變狀態方面表現更好。Hu等[21]基于多相CT的相關研究也同樣證明了影像組學具有良好的預測KARS能力，有助于確定治療策略。

4 影像組學對CRC術前治療反應的評估

CRC對新輔助放化療（neoadjuvant chemoradiotherapy，NCRT）的反應差異很大，通常表現為以下3種情況：①沒有存活腫瘤細胞的病理完全反應（pathologic complete response，PCR）；②幾乎沒有腫瘤消退；③腫瘤進一步發展[22]。區分可能對NCRT有反應的患者和無反應的患者很重要，因為對于無反應的患者，可調整其臨床治療方案，為患者實行“wait-andsee”的提議[23]，避免放化療的不必要毒性，減輕患者的經濟負擔。部分研究[24]只關注于NCRT治療前的MR圖像，而忽略了NCRT治療后的。Li等[25]的研究比較了NCRT前后基于MRI圖像的特征變化，這對腫瘤變化和治療反應有很好的指導作用，結果顯示PCR組和非PCR組的化療方案存在顯著差異。Bordron等[26]認為，與MRI掃描相比，增強CT掃描對預測PCR沒有任何價值，這一觀點不同于Bibault等[27]的研究。因此，預測CRC對NCRT的完全反應仍是值得進一步探索的問題。

5 影像組學對CRC預后的預測

準確和及時識別影響患者預后的因素，有助于幫助CRC患者選擇最佳治療方案。雖然有很多的臨床及病理學指標可用于預測CRC患者的生存率，但是這些因素的預后準確性仍然很低，因此，應該開發更準確的預后因素或預測模型。Huang等[28]的研究沒有進行影像學特征與生存結果相關聯的單變量分析，而是通過整合一組選定的特征作為預后標志物，構建了EcoRad特征，證明了對患者生存的足夠預測性能。這與Dai等[29]的報道是一致的，其構建了一種高于任何其他臨床病理特征的影像組學特征來預測結腸癌的OS。研究表明將影像組學特征和臨床特征相結合能顯著提高預測無病生存率和OS的能力，有助于指導臨床患者的個體化治療。

6 小結與展望

本綜述討論了目前影像組學在CRC研究中的應用。影像組學正在逐漸成為新興精準醫療的核心工具，特別是對于腫瘤患者，它具有廣闊的應用前景。在未來，多參數、多模態、多區域影像組學的分析可能會促使結果的進一步完善，同時也需更多標準化研究結果進一步驗證。本綜述旨在幫助放射科醫生、臨床醫生更好地理解和利用影像組學來制訂個性化治療，并鼓勵與人工智能合作，促進研究轉化為臨床實踐，更好地幫助臨床醫生做出決策。