黃慶 綜述，王衛(wèi)東，郎錦義審校

530000 南寧，廣西醫(yī)科大學(xué) 研究生院(黃慶) 610041成都，四川省腫瘤醫(yī)院·研究所，四川省癌癥防治中心，電子科技大學(xué)醫(yī)學(xué)院 放療科(王衛(wèi)東、郎錦義)

腫瘤在基因、蛋白質(zhì)、細(xì)胞、組織和器官水平上均表現(xiàn)出空間和時間異質(zhì)性[1-2]，這是導(dǎo)致腫瘤具有侵襲性和治療失敗的主要原因[3]，并限制了基于活檢的分子病理學(xué)的應(yīng)用。醫(yī)學(xué)影像以非侵入性的方式動態(tài)觀察腫瘤及其微環(huán)境，為全面評估腫瘤的異質(zhì)性提供了可能。目前醫(yī)學(xué)影像通常由放射科醫(yī)師或核醫(yī)學(xué)醫(yī)師通過視覺定性描述，主觀描述腫瘤表型如中心性壞死、中等強化、密度不均、邊緣毛糙等，缺乏客觀的定量指標(biāo)，同時這些特征在觀察者之間變異性較大[4-5]。經(jīng)定量圖像處理技術(shù)獲取的數(shù)據(jù)信息可以描述腫瘤的不同性質(zhì)，如形狀和尺寸，強度和紋理特征，這些特征值與統(tǒng)計建模技術(shù)相結(jié)合，以預(yù)測臨床終點或腫瘤性質(zhì)，即稱之為影像組學(xué)(Radiomics)[6]。影像組學(xué)最終目的是將其提取、分析得到的定量圖像特征與患者臨床數(shù)據(jù)結(jié)合，建立臨床預(yù)測模型，提供準(zhǔn)確的風(fēng)險分層，指導(dǎo)癌癥的精準(zhǔn)治療。其工作流程大致分為圖像采集與重建、圖像分割、特征提取、數(shù)據(jù)分析4個方面[6-7]。影像組學(xué)自出現(xiàn)以來，在癌癥管理的各個階段均表現(xiàn)出巨大的潛力，包括輔助診斷、病情評估、療效監(jiān)測、預(yù)測分析等方面。本文將重點闡述近年來影像組學(xué)研究所面臨的挑戰(zhàn)、相關(guān)技術(shù)進(jìn)展及其在非小細(xì)胞肺癌(non-small cell lung cancer, NSCLC)中的應(yīng)用。

1 影像組學(xué)研究流程與技術(shù)進(jìn)展

影像組學(xué)的工作流程主要包括以下4個方面：(1)圖像采集與重建；(2)圖像分割；(3)特征提取與選擇；(4)數(shù)據(jù)分析。

1.1 圖像采集與重建

目前影像組學(xué)研究中的圖像采集方式主要包括CT、MRI和正電子發(fā)射型計算機斷層顯像(positron emission tomography，PET)。CT對腫瘤的密度具有較高的分辨率，成像時間快，能夠準(zhǔn)確地測量各組織的X射線吸收衰減值，可作定量分析，是影像組學(xué)研究中最常用的圖像獲取方式。MRI具有較高的軟組織分辨率，多參數(shù)、多序列及功能成像能夠提供腫瘤組織的結(jié)構(gòu)和功能信息，對評估腫瘤異質(zhì)性具有較大的優(yōu)勢。PET從分子水平反映圖像功能性質(zhì)與腫瘤潛在生物學(xué)行為的關(guān)系[8]，在腫瘤的分期、療效預(yù)測、預(yù)后評估等方面具有巨大的潛力。

影響圖像采集和重建的因素主要有：(1)呼吸運動：MRI和PET圖像采集時間相對較長，圖像質(zhì)量勢必會受到患者移動和呼吸的影響。Oliver等[9]比較了23例肺癌患者三維和四維PET / CT圖像特征，結(jié)果顯示使用靜態(tài)采集與呼吸門控技術(shù)獲得的圖像特征表現(xiàn)出顯著差異，表明呼吸運動對影像特征的影響不容忽視;(2)不同的采集設(shè)備和采集參數(shù)均會影響圖像的質(zhì)量和可靠性。Mackin等[10]發(fā)現(xiàn)不同CT掃描儀獲取的影像組學(xué)特征值的變異性較大，建議在影像組學(xué)研究中，考慮不同掃描儀間的差異。Zhao等[11]分析了不同重建算法和切片厚度得到的CT圖像，結(jié)果顯示在一定成像設(shè)置范圍內(nèi)，影像特征才具有重現(xiàn)性;(3)CT圖像后處理技術(shù)，Huynh等[12]對比靜態(tài)自由呼吸圖像和經(jīng)后處理的平均密度投影圖像(average intensity projection，AIP)發(fā)現(xiàn)，AIP圖像包含更多的信息，能更好地預(yù)測NSCLC患者的預(yù)后。目前美國醫(yī)學(xué)物理學(xué)家協(xié)會、美國放射學(xué)會、世界分子成像學(xué)會等相關(guān)專業(yè)學(xué)會正在制定關(guān)于成像儀操作和驗證的定量成像技術(shù)指南。

1.2 圖像分割

獲取的圖像需要將腫瘤從正常組織中分離出來，即圖像的分割，是影像組學(xué)研究中最具挑戰(zhàn)性和爭議性的過程。圖像分割必須是可重復(fù)且可靠的，包括手動分割、半自動或自動分割。目前已經(jīng)開發(fā)出許多半自動或自動的分割算法和軟件。Velazquez等[13]利用三維Slicer軟件平臺對NSCLC的原發(fā)腫瘤體積進(jìn)行半自動分割，腫瘤體積顯示出高度的一致性，并與實際體積相當(dāng)。Mattonen等[14]利用CT圖像紋理特征預(yù)測NSCLC放療后復(fù)發(fā)，發(fā)現(xiàn)半自動分割比手動分割速度更快，預(yù)測精度更高。有研究對半自動分割和手動分割的圖像進(jìn)行對比，發(fā)現(xiàn)基于區(qū)域增長體積算法的半自動分割獲取的圖像特征重復(fù)性更高，一致性更好[15]。手動分割耗時、重復(fù)性差，自動或半自動分割為特征量化的手動描繪提供了更好的替代方法，但自動分割仍具有一定的局限性，只有當(dāng)腫瘤和背景區(qū)域存在強烈的信號差異時，自動分割才是有效的。因此要達(dá)到最佳的分割效果可以應(yīng)用半自動或自動分割技術(shù)減少輪廓的不確定性和提高分割效率，然后由有經(jīng)驗的醫(yī)師進(jìn)行校正。

1.3 特征提取與選擇

1.3.1 特征提取 有效分割之后需要從感興趣區(qū)域提取高維影像特征，定量描述腫瘤的屬性。目前常用的特征主要分為四種類型：(1)形態(tài)學(xué)特征；(2)統(tǒng)計學(xué)特征；(3)區(qū)域特征；(4)基于模型的特征。

(1)形態(tài)特征：形態(tài)特征描述有關(guān)腫瘤形狀和體積方面的物理特性。如體積、表面積、緊密度、離心率、球形度、粘性、邊緣形態(tài)外觀等。目前評估腫瘤療效主要通過雙徑或單徑測量，如WHO或?qū)嶓w瘤療效評價標(biāo)準(zhǔn)(Response Evaluation Criteria in Solid Tumors，RECIST)[16]，但腫瘤是不規(guī)則的，徑線測量無法評估直徑?jīng)]有變化的腫瘤的形態(tài)學(xué)改變。腫瘤體積倍增時間越短，侵襲性越強，提示預(yù)后更差，體積測量可作為肺癌療效評估的關(guān)鍵參數(shù)，比常規(guī)方法更好地評估治療反應(yīng)[17]。同樣，有研究發(fā)現(xiàn)腫瘤的離散致密度與腫瘤侵襲性相關(guān)[18]。

(2)統(tǒng)計學(xué)特征：包括腫瘤直方圖特征和紋理特征。直方圖是腫瘤像素衰減與每個衰減值處像素的頻率構(gòu)成的曲線圖，顯示感興趣區(qū)域內(nèi)像素值的范圍和頻率，不包含空間位置信息，可以計算出多個一階統(tǒng)計量，如平均值、中值、標(biāo)準(zhǔn)差、峰度、偏度、能量、熵、均勻性和方差等，可評估腫瘤的細(xì)微變化。Kamiya等[19]通過密度直方圖的峰值和偏度有效區(qū)分肺結(jié)節(jié)的良惡性。紋理特征可以保留像素間的空間信息，常用的紋理特征包括①灰度共生矩陣：是像素距離和角度的矩陣函數(shù)，通過計算圖像中一定距離和一定方向的兩點灰度之間的相關(guān)性來反映圖像的信息。代表性特征有相關(guān)性、逆方差、對比度、能量和熵；②灰度游程矩陣：描述任何方向上具有相同灰度級的連續(xù)像素，提取的特征有短游程因子、長游程因子、灰度不均度、不均勻游程長度和百分比；③局部灰度差分矩陣：描述每個體素與相鄰圖像平面中相鄰體素之間差異性，包括粗糙度、復(fù)雜度、紋理強度。有研究者利用二階紋理特征預(yù)測早期NSCLC治療后復(fù)發(fā)率，顯示出良好的預(yù)測性能[14]。Pena等[20]研究發(fā)現(xiàn)紋理特征可有效區(qū)分胸膜病變的良惡性，AUC(0.92±0.05)。大量研究表明，紋理特征與肺癌分期、轉(zhuǎn)移、治療反應(yīng)和生存率相關(guān)，可作為肺癌的預(yù)后指標(biāo)。

(3)區(qū)域特征：區(qū)域特征是基于區(qū)域之間變異強度的計算，描述腫瘤內(nèi)亞區(qū)域出現(xiàn)的數(shù)量和頻率。許多微環(huán)境因素包括組織學(xué)類型，解剖位置，代謝，缺氧和血管生成均與腫瘤表型相關(guān)，但具有相同遺傳基因的腫瘤，由于其基本的分子結(jié)構(gòu)相似仍表現(xiàn)出相似的表型，此時區(qū)域特征則可以有效反映其異質(zhì)性。Ganeshan等[21]的研究發(fā)現(xiàn)區(qū)域特征與腫瘤預(yù)后相關(guān)。Wu等[22]通過PET/CT圖像腫瘤內(nèi)區(qū)域特征有效識別肺癌放療后的高危亞區(qū)。

(4)基于模型的特征：分形變化指一個物體在一定范圍內(nèi)的形狀復(fù)雜性，分形維數(shù)是其重要特征和量化指標(biāo)，精確量化物體的固有形狀。有研究[23]利用分形紋理特征區(qū)分侵襲性和非侵襲性肺癌，預(yù)測精度超過80%。

1.3.2 特征選擇 通常單純提取得到的圖像特征數(shù)量巨大，而用于臨床應(yīng)用的特征則要求是穩(wěn)定、可重復(fù)的，因此需要對特征進(jìn)行選擇。特征選擇主要取決于臨床問題、隊列的大小、相關(guān)結(jié)構(gòu)位置等。目前主要通過主成份分析、互信息、線性判別等機器學(xué)習(xí)和統(tǒng)計學(xué)分析方法對圖像特征進(jìn)行降維，用一致性相關(guān)系數(shù)和動態(tài)范圍檢測來選擇具有低冗余度、信息豐富和可重復(fù)的穩(wěn)定特征。特征的選擇方法至關(guān)重要，Parmar等[24]對14種特征選擇方法和12種分類方法對比研究發(fā)現(xiàn)，基于Wilcoxon檢驗的特征選擇方法和隨機森林分類方法具有最高的預(yù)后預(yù)測性能。Zhang等[25]利用影像組學(xué)特征預(yù)測NSCLC預(yù)后，并對主成分分析和Wilcoxon兩種特征選擇方法的預(yù)測性能進(jìn)行比較，發(fā)現(xiàn)主成分分析AUC值明顯高于Wilcoxon(P<0.05)，表明主成分分析在預(yù)后預(yù)測方面具有更大的潛力。因此，要實現(xiàn)最佳的預(yù)測性能，必須將適合的特征選擇方法和分類模型結(jié)合使用。

1.4 數(shù)據(jù)分析

影像組學(xué)根據(jù)圖像特征對患者進(jìn)行分類和評估，建立臨床預(yù)測模型，解決臨床問題。在模式識別和機器學(xué)習(xí)語言中，數(shù)據(jù)分析相當(dāng)于建立一個分類模型，是一種分析訓(xùn)練數(shù)據(jù)并推斷假設(shè)的算法，用于預(yù)測未知的觀察值，如臨床結(jié)局或腫瘤表型。建立預(yù)測和分類模型是影像組學(xué)研究中最重要的部分，需要仔細(xì)驗證才能產(chǎn)生可靠的結(jié)果，各種計算方法如多因素分析，常用于評價圖像特征和臨床、生物信息的相關(guān)性。例如Coroller等[26]利用影像組學(xué)特征預(yù)測局部晚期肺腺癌的遠(yuǎn)處轉(zhuǎn)移。大量的圖像數(shù)據(jù)和要處理的特征需要強大的數(shù)據(jù)挖掘技術(shù)，如機器學(xué)習(xí)，深層神經(jīng)網(wǎng)絡(luò)、支持向量機和貝葉斯網(wǎng)絡(luò)等技術(shù)在影像組學(xué)中已得到廣泛應(yīng)用。

2 影像組學(xué)在NSCLC中的臨床應(yīng)用

近年來，醫(yī)學(xué)圖像分析呈現(xiàn)指數(shù)級增長，模式識別工具、數(shù)據(jù)集數(shù)量不斷增加，推動了影像組學(xué)研究的快速發(fā)展。影像組學(xué)提供了一種客觀定量評估腫瘤表型的方法，在癌癥管理的各個階段具有潛在應(yīng)用價值，如輔助診斷、基因分型、腫瘤分期、療效及副反應(yīng)評估、預(yù)后預(yù)測等方面。影像組學(xué)在NSCLC中的臨床應(yīng)用包括以下幾個方面。

2.1 輔助診斷

在臨床實踐中，腫瘤組織學(xué)鑒定的金標(biāo)準(zhǔn)是通過活檢對腫瘤組織進(jìn)行病理學(xué)檢測；與通過有創(chuàng)活檢獲取的腫瘤碎片的隨機樣本不同，影像組學(xué)通過無創(chuàng)和可重復(fù)的醫(yī)學(xué)影像技術(shù)提供關(guān)于整個腫瘤的特征，揭示肉眼不易觀察的特征，豐富和補充病理學(xué)檢測。Chae等[27]對86例經(jīng)病理證實的肺磨玻璃結(jié)節(jié)的CT圖像進(jìn)行紋理分析，發(fā)現(xiàn)峰度、熵、平均衰減值等紋理特征可以較好地區(qū)分浸潤性肺腺癌和浸潤前病變。進(jìn)一步，Yuan等[28]從431例肺腺癌患者CT圖像中提取強度、紋理和小波特征，用于區(qū)分原位腺癌/微浸潤腺癌/浸潤性腺癌，分析顯示預(yù)測準(zhǔn)確率達(dá)到80.5%。Miwa等[29]回顧性分析了54例PET / CT檢查疑似NSCLC患者的資料，研究表明形態(tài)分形維數(shù)或密度分形維數(shù)與最大SUV值結(jié)合分別將肺結(jié)節(jié)良惡性的診斷準(zhǔn)確率提高到92.6%和94.4%。Saad等[30]利用CT影像組學(xué)特征解碼組織學(xué)亞型不明確的NSCLC(non-small cell lung cancer not otherwise specified,NSCLC-NOS)的分子或細(xì)胞結(jié)構(gòu)，構(gòu)建分類模型提高了NSCLC組織學(xué)分類的特異性，平均準(zhǔn)確率為81%，平均AUC為95.3%。影像組學(xué)使非侵入性評估腫瘤異質(zhì)性成為可能，將影像數(shù)據(jù)轉(zhuǎn)換成高維定量數(shù)據(jù)，提供個性化和精準(zhǔn)醫(yī)學(xué)中基于多特征的影像組學(xué)標(biāo)記，將協(xié)助病理學(xué)家和腫瘤學(xué)家實現(xiàn)NSCLC的精確診斷和治療。

2.2 基因分型

影像特征與基因表達(dá)調(diào)控、突變狀態(tài)或表觀遺傳變化相關(guān)，為影像組學(xué)的臨床應(yīng)用提供了生物學(xué)基礎(chǔ)。Rizzo等[31]分析了285例NSCLC的CT特征與表皮生長因子受體(epidermal growth factor receptor，EGFR)、K-ras(kirsten rat sarcoma)和間變性淋巴瘤激酶(anaplastic lymphoma kinase，ALK)突變狀態(tài)的相關(guān)性，其中支氣管充氣征、胸膜凹陷、病灶尺寸、無纖維化與EGFR突變相關(guān)，圓形病灶、非腫瘤葉結(jié)節(jié)與K-Ras突變相關(guān)，胸腔積液與ALK重排相關(guān)。Rios等[32]通過綜合分析352例肺腺癌患者體細(xì)胞突變檢測和CT圖像資料，發(fā)現(xiàn)影像組學(xué)特征可以有效區(qū)分EGFR(+)和EGFR(-)，AUC=0.69。Weiss等[33]對48例早期NSCLC患者的腫瘤DNA和CT圖像進(jìn)行研究，偏度與峰度特征可區(qū)分K-ras突變型與野生型腫瘤，靈敏度、特異度和準(zhǔn)確度分別為96.3%、81.0%和89.6% 。Yoon等[34]則使用影像組學(xué)方法比較ALK和c-ros原癌基因1酪氨酸激酶(c-rosoncogene 1 receptor tyrosine kinase，ROS1) / 原癌基因RET(rearranged during transfection proto-oncogene)融合陽性肺腺癌的特征，ROS1 / RET與ALK融合陽性腫瘤在中心位置、SUV(max)、體素距離均一性和體素距離上的總和均有顯著差異，提出無創(chuàng)性評估ALK、ROS1/RET 狀態(tài)的方法?；A(chǔ)研究方面，Panth等[35]發(fā)現(xiàn)影像組學(xué)特征可以識別基因誘導(dǎo)或放療后基因表達(dá)的早期改變。整合醫(yī)學(xué)圖像和基因表達(dá)狀態(tài)的影像基因組學(xué)可作為腫瘤預(yù)后的圖像生物學(xué)標(biāo)志，促進(jìn)個體化醫(yī)療的發(fā)展[ 36-37]。目前影像基因組學(xué)在NSCLC中的研究仍處于早期階段，許多問題仍亟待解決，需要醫(yī)學(xué)圖像、基因組學(xué)、臨床數(shù)據(jù)的有效整合和大數(shù)據(jù)研究。

2.3 腫瘤分期

準(zhǔn)確的分期決定了治療的方式和強度，影像組學(xué)特征被證明可以區(qū)分腫瘤的早期和晚期階段。Flechsig等[38]對122例肺癌(絕大部分為NSCLC)患者的PET/CT圖像進(jìn)行分析，發(fā)現(xiàn)良性和惡性淋巴結(jié)中位CT密度值有顯著差異(P<0.05)，提出非侵入性評估肺癌淋巴結(jié)分期的方法。同樣，Pham等[39]使用灰度共生矩陣和半方差圖特征預(yù)測肺癌(NSCLC 147例，SCLC1例)縱隔淋巴結(jié)的良惡性，敏感性為75%，特異性為90%，AUC為0.89。Nguyen等[40]對肺門和縱隔淋巴結(jié)支氣管內(nèi)超聲圖像進(jìn)行研究，發(fā)現(xiàn)超聲圖像特征可鑒別良惡性淋巴結(jié)，結(jié)果與PET-CT相當(dāng)。在宮頸癌、結(jié)直腸癌、食管癌也得到了類似的結(jié)果[41-43]。使用影像組學(xué)特征輔助腫瘤分期，可以將患者進(jìn)行風(fēng)險分層，選擇最佳的個體化治療方案。

2.4 療效及副反應(yīng)評估

影像組學(xué)通過預(yù)測治療反應(yīng)來指導(dǎo)腫瘤的精準(zhǔn)治療，包括預(yù)測治療效果和副反應(yīng)評估。Coroller等[44]從127例NSCLC患者新輔助放化療前的CT圖像中提取15個影像組學(xué)特征，發(fā)現(xiàn)7個特征可預(yù)測大體殘留病變(AUC>0.6,P<0.05)，1個特征可預(yù)測病理完全緩解(AUC=0.63,P=0.01)。進(jìn)一步，Coroller等[45]的研究表明，描述腫瘤球形度和淋巴結(jié)均勻性的3個影像學(xué)特征可以區(qū)分NSCLC新輔助放化療后病理完全緩解和非完全緩解。Mattonen等[46]則使用影像組學(xué)方法識別NSCLC立體定向消融放療后的局部復(fù)發(fā)，AUC為0.85，表明影像特征可以發(fā)現(xiàn)臨床醫(yī)師肉眼無法察覺的早期變化，指導(dǎo)高危復(fù)發(fā)患者的早期治療。副反應(yīng)評估方面，Moran等[47]研究發(fā)現(xiàn)，灰度共生矩陣特征可以有效區(qū)分立體定向放射治療(stereotactic body radiotherapy,SBRT)后的中度/重度肺損傷和無/輕度肺損傷(AUC 為0.643～0.750)。影像組學(xué)以非侵入性的方式預(yù)測NSCLC治療效果和副反應(yīng)，指導(dǎo)臨床治療，有望進(jìn)一步改善患者生存。

2.5 預(yù)后預(yù)測

Kirienko等[48]對295例NSCLC患者的術(shù)前影像展開研究，發(fā)現(xiàn)CT、PET、PET / CT影像特征均可用于預(yù)測術(shù)后患者的無病生存期(disease-free survival，DFS), AUC分別為0.75、0.68和0.68。Yu等[49]回顧性分析了經(jīng)手術(shù)和立體定向消融放療(stereotactic ablative radiotherapy,SABR)治療的Ⅰ期NSCLC患者CT圖像和臨床資料，發(fā)現(xiàn)峰度和灰度共生矩陣特征構(gòu)建的預(yù)測模型實現(xiàn)最佳的風(fēng)險分層(P<0.001)，是總生存期(overall survival，OS)的獨立預(yù)測因子。Fave等[50]研究表明影像組學(xué)特征可顯著改善常規(guī)臨床因素模型的預(yù)測能力，使 OS預(yù)測的一致性指數(shù)從0.60增加到0.67，遠(yuǎn)處轉(zhuǎn)移從0.53增加到0.63。類似，Huang等[51]研究發(fā)現(xiàn)影像特征與DFS明顯相關(guān)，與傳統(tǒng)分期系統(tǒng)和臨床病理危險因素相結(jié)合可更好地預(yù)測DFS。Grossmann等[52]發(fā)現(xiàn)，結(jié)合影像組學(xué)特征，分子途徑和臨床因素可最大限度預(yù)測NSCLC的預(yù)后。影像組學(xué)可準(zhǔn)確預(yù)測NSCLC的臨床結(jié)局，實現(xiàn)治療前的病情評估。鑒于影像生物學(xué)標(biāo)志的潛在價值，美國國家癌癥研究所已經(jīng)建立定量影像分析網(wǎng)絡(luò)，促進(jìn)定量成像方法、標(biāo)準(zhǔn)和軟件工具的發(fā)展。

3 問題與展望

綜上所述，影像組學(xué)是一種全面評估腫瘤及其微環(huán)境的非侵入性方法，提取的圖像特征可作為腫瘤遺傳學(xué)和臨床結(jié)局的預(yù)測因子，實現(xiàn)患者的危險分層和個體化治療。目前影像組學(xué)已經(jīng)在NSCLC的輔助診斷、基因分型、病情評估、療效預(yù)測、預(yù)后分析等方面開展了大量的研究并取得了令人鼓舞的成果，在NSCLC的診療中有巨大的臨床應(yīng)用價值。然而，當(dāng)前影像組學(xué)仍處于初步研究階段，應(yīng)用于臨床實踐仍需要克服以下關(guān)鍵問題：(1)不同采集設(shè)備、參數(shù)設(shè)置、分割方式、特征選擇方法所獲取的影像特征存在明顯的差異[9-15,24-25]，應(yīng)用于臨床的影像生物標(biāo)志物必須是穩(wěn)定且可重現(xiàn)的，因此圖像采集和特征計算的標(biāo)準(zhǔn)化是未來研究的主要方向之一；(2)樣本量決定了臨床預(yù)測模型的普遍性和預(yù)測性能，目前大多數(shù)研究僅涉及少部分特定對象的圖像特征，缺乏普遍性，同時這些特征易受多種因素影響，因此需要足夠多的數(shù)據(jù)集來克服臨床影像中的異質(zhì)性問題。通過跨區(qū)域、跨機構(gòu)的數(shù)據(jù)共享建立大型影像組學(xué)數(shù)據(jù)庫是可能的解決方案；(3)在臨床試驗中，通過前瞻性收集的獨立隊列進(jìn)行驗證，是驗證一個確定的統(tǒng)計學(xué)關(guān)聯(lián)或生物學(xué)標(biāo)志的參考標(biāo)準(zhǔn)。目前大多數(shù)研究仍為回顧性分析，與其他生物學(xué)標(biāo)志一樣，仍需要高質(zhì)量的前瞻性研究加以驗證。盡管許多問題還亟待解決，影像組學(xué)結(jié)合表型和遺傳學(xué)的多學(xué)科方法仍是實現(xiàn)精準(zhǔn)醫(yī)療的重要戰(zhàn)略。可以預(yù)見，通過計算機科學(xué)家、醫(yī)學(xué)物理學(xué)家、臨床醫(yī)生的多學(xué)科合作，影像組學(xué)與基因組學(xué)、蛋白質(zhì)組學(xué)的有效整合，影像組學(xué)將有望應(yīng)用于臨床，推動癌癥的精準(zhǔn)治療，改善患者預(yù)后。

作者聲明：本文第一作者對于研究和撰寫的論文出現(xiàn)的不端行為承擔(dān)相應(yīng)責(zé)任；

利益沖突：本文全部作者均認(rèn)同文章無相關(guān)利益沖突；

學(xué)術(shù)不端：本文在初審、返修及出版前均通過中國知網(wǎng)(CNKI)科技期刊學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)學(xué)術(shù)不端檢測；

同行評議：經(jīng)同行專家雙盲外審，達(dá)到刊發(fā)要求。