楊采薇， 蔣涵羽， 劉曦嬌， 宋彬

人工智能(Artificial Intelligence，AI)是指研究開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門信息科學(xué)[1,2]。人工智能在醫(yī)學(xué)影像中的運(yùn)用主要是基于影像大數(shù)據(jù)的挖掘、提取、搜索和運(yùn)用的圖像識別及深度學(xué)習(xí)，提供對人類日常工作不可視的模式挖掘，影像組學(xué)(radiomics)是此類工作模式的代表。

影像組學(xué)簡介及其優(yōu)勢

影像組學(xué)一詞最早由美國學(xué)者Gillies于2010年首次提出[3]，用于描述從影像圖像中提取定量特征，并于2012年由荷蘭學(xué)者Lambin進(jìn)一步完善影像組學(xué)的概念[4]，即“從放射圖像中高通量提取影像特征并創(chuàng)建高維數(shù)據(jù)集”。影像組學(xué)通過結(jié)合影像圖像識別、提取、量化及處理高通量提取出的影像特征及表型[5]。

影像組學(xué)在醫(yī)學(xué)影像中運(yùn)用廣泛，其在中樞神經(jīng)系統(tǒng)、乳腺、肺、肝、腎、胰腺、胃部、結(jié)腸、血液系統(tǒng)及前列腺等部位的腫瘤均有一定的研究，在肝纖維化、肺纖維化、心血管疾病以及中樞神經(jīng)系統(tǒng)癡呆等病變的領(lǐng)域也有所涉獵。影像組學(xué)在醫(yī)學(xué)影像應(yīng)用最成熟的領(lǐng)域為腫瘤影像，其在腫瘤檢出、定性診斷、自動結(jié)構(gòu)化報告、腫瘤提取、腫瘤放療靶器官勾畫等方面已經(jīng)有較多的科研試驗和臨床研究[6]，已廣泛應(yīng)用于肺結(jié)節(jié)和肺癌篩查、乳腺癌篩查以及前列腺癌影像診斷等臨床診療工作中[7]。

然而，目前影像組學(xué)的產(chǎn)生基本機(jī)制和生物基礎(chǔ)還有待驗證。腫瘤微環(huán)境，包括瘤周的纖維化狀態(tài)，增殖、代謝、缺氧狀態(tài)以及組織或腫瘤的血管生成等與影像組學(xué)的關(guān)系仍處于亟待研究的狀態(tài)。盡管腫瘤的成分和生物學(xué)行為復(fù)雜，腫瘤在細(xì)胞和分子水平上可見的改變與影像學(xué)信號難以直接關(guān)聯(lián)，但這些因素可能導(dǎo)致病變呈現(xiàn)出肉眼難以直接觀察的圖像變化，從而促成影像組學(xué)的存在。無論腫瘤的物理學(xué)、形態(tài)學(xué)和生物學(xué)性質(zhì)如何，影像組學(xué)在評估病變和組織方面與現(xiàn)有的其它技術(shù)相比具有根本優(yōu)勢，這些優(yōu)點包括：①影像組學(xué)可以提供有關(guān)腫瘤行為和反應(yīng)在時間演變和空間演變上的具體信息；②與活檢或?qū)嶒炇覚z查所需的樣本消耗相比，影像組學(xué)的樣本具有永久保存性；③與活檢組織的病變異質(zhì)性抽樣誤差相比，影像組學(xué)能夠直觀地觀察病變的總體特征和潛在地觀察病變器官及毗鄰器官的背景特征；④無創(chuàng)性成像而非組織活檢的相對安全性。因此，影像組學(xué)技術(shù)有可能應(yīng)用于早期檢測、治療監(jiān)測、預(yù)后預(yù)測和生物標(biāo)記物的發(fā)現(xiàn)[8]。

對于胰腺腫瘤來說，目前的整體治療效果欠佳，并且胰腺腫瘤復(fù)雜多樣，發(fā)生發(fā)展的分子機(jī)制也尚不明確，缺乏早期診斷及鑒別診斷方法。胰腺癌起病隱匿，惡性程度高，早期發(fā)現(xiàn)困難，導(dǎo)致多數(shù)患者在初診時已無手術(shù)機(jī)會[9]；胰腺囊性腫瘤種類繁多，性質(zhì)不一，術(shù)前難以準(zhǔn)確區(qū)分良惡性，導(dǎo)致部分患者接受影響預(yù)后的不恰當(dāng)?shù)闹委煼桨福灰认偕窠?jīng)內(nèi)分泌腫瘤異質(zhì)性強(qiáng)，臨床表現(xiàn)多樣，容易誤診誤治。胰腺腫瘤診治水平的提高仍有賴于對其發(fā)生發(fā)展機(jī)制的深入了解以及診斷與治療方法的進(jìn)步[10]。

目前影像組學(xué)在胰腺腫瘤方面的研究主要關(guān)注于胰腺常見腫瘤的診斷與鑒別診斷、生物學(xué)行為評價及分層分級、惡性度評價及預(yù)后預(yù)測、治療反應(yīng)與療效評估等方面。

影像組學(xué)在胰腺腫瘤影像學(xué)中的研究現(xiàn)狀

1.胰腺腫瘤的診斷及生物學(xué)行為評價

現(xiàn)有影像組學(xué)在胰腺腫瘤研究的診斷方面?zhèn)戎赜谝认偕窠?jīng)內(nèi)分泌瘤(pancreatic neuroendocrine neoplasms，PNENs)的分級診斷及鑒別診斷，以及胰腺漿液性囊腺癌的鑒別診斷及治療方案選擇，為傳統(tǒng)影像學(xué)在診斷胰腺腫瘤時遇到的難題提供新的解決思路和方案；對于交界性腫瘤生物學(xué)評價的研究為其個體化、精準(zhǔn)化的臨床診療方案提供了診斷效能更高的術(shù)前預(yù)測手段，能夠更好地管控腫瘤的生物學(xué)進(jìn)展。

胰腺神經(jīng)內(nèi)分泌瘤的診斷、鑒別診斷及分級:PNENs占所有胰腺腫瘤的2%～10%，PNENs起源于多能干細(xì)胞并表現(xiàn)出內(nèi)分泌癥狀[11]。近十年來PNENs的發(fā)病率有升高趨勢[12]。2010年WHO指南依據(jù)Ki-67指數(shù)及核分裂數(shù)將PNENs分為G1、G2、G3這3個等級[13]。歐洲神經(jīng)內(nèi)分泌瘤協(xié)會指出，PNENs的分級評估與其生物學(xué)行為、預(yù)后預(yù)測及治療方式的選擇密切相關(guān)[14]。

PNENs典型影像表現(xiàn)為邊緣清楚的富血供實性腫瘤，在增強(qiáng)掃描動脈期明顯強(qiáng)化，CT值高于周圍正常胰腺組織，并且不伴導(dǎo)管擴(kuò)張及血管套征象[15,16]。然而近期研究報道，高達(dá)41.5%的PNENs為乏血供腫瘤，特別是G2及G3級別的腫瘤[17,18]，乏血供腫瘤影像學(xué)表現(xiàn)不典型，與胰腺癌鑒別診斷困難。Li等[19]利用CT紋理分析特別是參數(shù)直方分布圖鑒別不典型的乏血供PNENs與胰腺導(dǎo)管腺癌，發(fā)現(xiàn)了偏度(skewness)、均數(shù)(mean)、百分位數(shù)(median)等有價值的紋理參數(shù)。此外，胰腺神經(jīng)內(nèi)分泌癌(pancreatic neuroendocrine carcinoma，PNEC)與胰腺導(dǎo)管腺癌在CT上常常難以鑒別。近期有研究證實動脈期PNEC相對于胰腺導(dǎo)管腺癌通常表現(xiàn)為較低熵(entropy)和較高均勻度(uniformity)(P<0.05)。此研究證實傳統(tǒng)征象中動脈期及門脈期的增強(qiáng)程度鑒別診斷兩者的效能最高，其受試者工作特征(receiver operating characteristic，ROC)曲線的曲線下面積(area under curve，AUC)分別為0.98和0.99，但熵和均勻度的鑒別診斷效能(AUC：0.71～0.72)也達(dá)到了可接受程度[20]。相關(guān)研究則證實了CT傳統(tǒng)征象及定量組學(xué)分析可鑒別PNENs與胰腺轉(zhuǎn)移性腎細(xì)胞癌[21]，傳統(tǒng)征象如腫瘤鈣化、孤立腫塊及主胰管擴(kuò)張等是PNENs的特異性征象，但其敏感度欠缺，而紋理參數(shù)中的熵在保證一定總體準(zhǔn)確度的基礎(chǔ)上提高了敏感度(sensitivity，SEN)，其AUC為0.77±0.06，SEN為71.4%，特異度(specificity，SPE)為79.1%。而對于富血供PNENs與胰腺內(nèi)副脾的鑒別， Lin等[22]認(rèn)為胰腺內(nèi)副脾常表現(xiàn)為動脈期不均質(zhì)強(qiáng)化及門脈期與脾臟一致的強(qiáng)化(強(qiáng)化程度均強(qiáng)于富血供PNENs)，而紋理特征中的熵及均勻度在中標(biāo)準(zhǔn)差值(1.5)及高標(biāo)準(zhǔn)差值(2.5)中對于鑒別富血供PNENs與胰腺內(nèi)副脾均有統(tǒng)計學(xué)意義(P<0.01)，且其診斷效能高于傳統(tǒng)征象，均勻度在中標(biāo)準(zhǔn)差值(1.5)及高標(biāo)準(zhǔn)差值(2.5)中的鑒別診斷效能：AUC為 0.82～0.89，SEN為85.0%～95.0%，SPE為75.0%～83.3%。PNENs的鑒別診斷雖然得到了一些有意義的結(jié)果，如熵及均勻度等代表腫瘤異質(zhì)性的紋理參數(shù)，但還需要進(jìn)一步的研究結(jié)果驗證其結(jié)果的可靠性及真實性。

雖然已有許多研究證實CT、MRI及PET對于術(shù)前診斷PNENs及其分級有一定價值，但上述無創(chuàng)性影像檢查方法對其早期診斷、鑒別及分級的準(zhǔn)確度仍有待提高[23]。D’Onofrio等[24]對100例PNENs患者的術(shù)前增強(qiáng)CT圖像進(jìn)行回顧性分析，發(fā)現(xiàn)CT紋理分析中的峰度(Kurtosis)在G1、G2、G3級腫瘤中差異有統(tǒng)計學(xué)意義(G1 vs G2，P=0.0063；G2 vs G3，P=0.0004；G1vs G3，P<0.0001)，而熵在G1與G3(P=0.0013)、G2與G3級別PNENs(P=0.0084)中差異也有統(tǒng)計學(xué)意義。峰度和熵對于各級別PNENs的診斷效能也有價值，峰度診斷G3級別PNENs的AUC達(dá)0.924，SEN、SPE分別為82%、85%；熵診斷G3級別PNENs的AUC達(dá)0.732，SEN、SPE分別為82%、64%。Choi等[25]進(jìn)行了類似研究，結(jié)果顯示對于G2及G3級別PNENs的預(yù)測，CT紋理分析的診斷效能高于傳統(tǒng)CT征象(AUC分別為0.744和0.738)，但兩者差異無統(tǒng)計學(xué)意義；并且對這兩個級別PNENs的預(yù)測，CT紋理分析得到了有意義的參數(shù)——較低的球狀性(sphericity)、較高的偏度及較低的峰度，級別越高的PNENs，其囊變、鈣化、壞死的程度及范圍增加，其異質(zhì)性也相對增高。Canellas等[26]研究認(rèn)為CT紋理參數(shù)中熵與腫瘤分級相關(guān)，較高熵在中-高級別PNENs中的比值比(odd ratio，OR)是低級別PNENs的3.7倍(P= 0.008)，且熵高于4.65的PNENs患者的無病生存期與熵低于4.65的PNENs患者相比差異有統(tǒng)計學(xué)意義。基于MRI的紋理分析對于PNENs的分級有一定意義[23]，基于T2WI序列的MRI紋理參數(shù)有逆差矩(inverse difference moment)、能量(energy)、相關(guān)(correlation)和熵差(differenceEntropy)，基于DWI的MRI紋理參數(shù)有相關(guān)、對比度(contrast)、逆差矩、最大灰度(maxintensity)和熵差，該6種紋理參數(shù)的AUC在0.703～0.989之間。但以上研究均為回顧性研究，樣本量較小，且有圖像掃描技術(shù)參數(shù)不統(tǒng)一、手動勾畫興趣區(qū)(region of interest，ROI)造成的觀察者間差異等問題存在，導(dǎo)致其研究的準(zhǔn)確度及模型泛化能力受影響。

胰腺漿液性囊腺瘤的鑒別診斷及治療方案選擇:隨著多種診斷手段的不斷發(fā)展，近二十年來胰腺囊性瘤的檢出率不斷提高[27]，但是由于傳統(tǒng)影像學(xué)檢查在術(shù)前對胰腺囊性瘤的生物學(xué)行為、侵襲性以及演進(jìn)方面僅能提供有限的信息，導(dǎo)致對胰腺囊性瘤的手術(shù)管理方式往往過于激進(jìn)[28]。目前研究發(fā)現(xiàn)，胰腺囊性瘤主要分為四種亞型：漿液性囊性瘤(serous cystic neoplasms，SCNs)、導(dǎo)管內(nèi)乳頭狀粘液瘤(intraductal papillary mucinous neoplasms，IPMNs)、粘液性囊性瘤(mucinous cystic neoplasms，MCNs)以及實性假乳頭狀瘤(solid pseudopapillary neoplasms，SPNs)。其中SCNs是一類較為良性和惰性的分型，生長緩慢并且惡性進(jìn)展的風(fēng)險較低[29,30]。Wei等[31]利用基于計算機(jī)輔助支持系統(tǒng)(computer-aided diagnosis，CAD)的組學(xué)分析CT圖像，用支持向量機(jī)(support vector machine，SVM)篩選出有意義的紋理指標(biāo)，紋理參數(shù)在訓(xùn)練集中得出的診斷效能：AUC為0.767，SEN為0.686，SPE為0.709；在驗證集中得出的診斷效能：AUC為0.837，SEN為0.667，SPE為0.818。由此可見，CT組學(xué)能提高SCNs與其它種類胰腺囊性瘤的鑒別診斷效能。

2.胰腺腫瘤的預(yù)后評估、惡性程度評價及療效預(yù)測

影像組學(xué)在胰腺腫瘤的療效預(yù)測、評價及預(yù)后評估中的研究主要集中于胰腺導(dǎo)管內(nèi)乳頭狀粘液瘤(IPMNs)的風(fēng)險度分層、惡性程度預(yù)測及胰腺癌的預(yù)后、放化療的療效評估等方面。

IPMNs的風(fēng)險度分層及惡性程度預(yù)測:1982年Ohashi第一次提出了過去未被識別的胰腺囊性瘤的新病理描述——IPMNs[32]。相較于生物學(xué)行為較好，臨床大多數(shù)建議保守治療隨訪的SCNs，IPMNs被認(rèn)為是侵襲性較強(qiáng)且生物學(xué)行為較差的一類胰腺腫瘤，其為惡性或可能為惡性的程度高[33-35]。IPMNs的病理進(jìn)展為低級別腫瘤(LG-grade)-高級別腫瘤(HG-grade)-侵襲性腫瘤，而IPMN逐步進(jìn)展演變?yōu)橐认侔┑倪^程占所有胰腺癌構(gòu)成的20%～30%[36-38]。非侵襲性IPMNs外科切除后的5年生存率高達(dá)90%～100%[39]，而IPMNs進(jìn)展為侵襲性IPMNs后的5年生存率僅30%[40]，可見其腫瘤的惡性程度很高[41]，故在早期診斷高級別IPMNs以及在IPMNs進(jìn)展為侵襲性IPMNs前行根治性切除非常重要。仙臺共識指南以及福岡指南不斷更新，根據(jù)病變大小及影像學(xué)形態(tài)對其進(jìn)行預(yù)測，但其數(shù)據(jù)研究來源具有選擇偏倚——惡性程度高而進(jìn)行手術(shù)切除的病變被納入較多，并且未結(jié)合腫瘤標(biāo)志物、腫瘤代謝等臨床指標(biāo)進(jìn)行預(yù)測。故現(xiàn)有指南的預(yù)測效能不足，對一些良性病變的誤切導(dǎo)致其陽性預(yù)測值較低[42]，而影像組學(xué)的出現(xiàn)為IPMNs危險度分層及惡性程度的預(yù)測提供了新的方向。

Hanania等[43]利用CT紋理分析灰度共生矩陣對低級別IPMNs和高級別IPMNs進(jìn)行預(yù)測，通過計算機(jī)提取出360個紋理參數(shù)進(jìn)行降維、篩選、建模，最后篩選出14個參數(shù)，其預(yù)測IPMN惡性程度分級最有效參數(shù)的AUC達(dá)0.82，SEN、SPE分別為85%、68%，在交叉驗證設(shè)計研究中其最優(yōu)的logistic回歸得出的AUC為0.96，SEN、SPE高達(dá)97%、88%。同樣，Chakraborty等[44]采用較大樣本(n=103)對IPMNs的高風(fēng)險組及低風(fēng)險組進(jìn)行了紋理分析預(yù)測，同樣得出了對分組有意義的紋理參數(shù)，其最佳AUC為0.77，而紋理參數(shù)結(jié)合臨床指標(biāo)的預(yù)測效能AUC達(dá)0.81。Permuth等[45]的研究結(jié)果顯示，影像組學(xué)與miRNA基因組學(xué)分類器(miRNA genomic classifier，MGC)結(jié)合的模型較傳統(tǒng)病理學(xué)更能預(yù)測IPMNs的生物學(xué)行為及潛在惡性程度，該結(jié)合模型預(yù)測效能高于各自單獨(dú)的預(yù)測效能，AUC達(dá)0.92，并且SEN、SPE、陽性預(yù)測值(positive predictive value，PPV)、陰性預(yù)測值(negetive predictive value，NPV)分別為83%、89%、88%、85%。影像組學(xué)技術(shù)可以結(jié)合或補(bǔ)充其它已有手段來預(yù)測IPMNs的惡性程度，并獲得更準(zhǔn)確的結(jié)果，為IPMNs的治療、管理、隨訪、預(yù)后等提供更為可靠的方式。

胰腺癌的預(yù)后及放化療后的療效評估:據(jù)《2013年中國腫瘤登記年報》統(tǒng)計，胰腺癌位列我國男性惡性腫瘤發(fā)病率第8位，人群惡性腫瘤死亡率第7位，在全球范圍內(nèi)均呈快速上升趨勢[46]。胰腺癌5年生存率約為6%[47]，相較于其他上皮性癌而言，其5年生存率如此低是因為大部分胰腺癌患者在診斷時已處于晚期，大多數(shù)患者早期無特異性癥狀直到疾病進(jìn)展至中晚期[10]。外科切除曾被認(rèn)為是提高手術(shù)患者15%～20%總生存率(overall survival，OS)的唯一潛在根治性治療手段[48]，約有20%的胰腺癌患者確診后可進(jìn)行外科切除[49]，但行切除術(shù)的胰腺癌患者復(fù)發(fā)率很高，導(dǎo)致行切除術(shù)后的胰腺癌患者的5年生存率也僅有25%[47]。

如今，可切除腫瘤的術(shù)后輔助治療有望延長患者的總體生存時間，并且對于原本可能切除的病變行術(shù)前新輔助治療使得其獲得根治性切除手術(shù)的可能性[49]。早期外科切除術(shù)前增強(qiáng)CT被認(rèn)為是評估胰腺癌的可切除性、分級分期及腫瘤進(jìn)展的常規(guī)影像學(xué)手段[50,51]，源于CT的組學(xué)研究也因此有望成為評估腫瘤預(yù)后的可行性手段。對于可切除的胰腺癌患者，Eilaghi等[52]研究發(fā)現(xiàn)，胰腺癌病變組織紋理特征中的差異性 (tumordissimilarity)及歸一化逆差(inverse differencenormalized)的值顯著高于相應(yīng)胰腺實質(zhì)背景的上述紋理特征的值，相較于腫瘤信號及腫瘤大小等傳統(tǒng)CT征象而言，紋理特征對于總生存率的預(yù)測效能更高。Yun等[53]運(yùn)用紋理分析的直方圖和灰度共生矩陣回顧性研究了88例胰頭癌的術(shù)前CT，發(fā)現(xiàn)紋理特征在復(fù)發(fā)組與非復(fù)發(fā)組中差異有統(tǒng)計學(xué)意義，并且在COX風(fēng)險模型多元回歸分析中，較低標(biāo)準(zhǔn)差(standard deviation)、較低對比度、較高相關(guān)與較差的無病生存率(progression free survival，PFS)、淋巴結(jié)轉(zhuǎn)移顯著相關(guān)。

對于不可切除或可能切除的胰腺癌患者，Sandrasegaran等[54]運(yùn)用影像組學(xué)紋理分析的方法回顧性分析60例化療患者，通過Kaplan-Meier生存分析，發(fā)現(xiàn)高峰度(>0.565)及高正像素平均值(mean values of positive pixels，MPP)(>31.625)與預(yù)后更差的總生存率有關(guān)，但影響不可切除胰腺癌患者總生存率最為重要的因素還是腫瘤轉(zhuǎn)移。在COX風(fēng)險模型多元回歸分析中，腫瘤轉(zhuǎn)移與總生存率、無進(jìn)展生存率顯著相關(guān)。Cheng等[55]也對不可切除的胰腺癌化療前CT進(jìn)行組學(xué)研究，發(fā)現(xiàn)了可預(yù)測無病生存率及總生存率的相關(guān)紋理參數(shù)，如特定過濾值下的偏度、腫瘤標(biāo)準(zhǔn)差。Campbell等[56]研究證實，在轉(zhuǎn)移性胰腺癌原發(fā)病灶的組學(xué)研究中，熵值及峰度與染色體間異質(zhì)性相關(guān)，而胰腺背景實質(zhì)的熵值及峰度也能提供轉(zhuǎn)移性胰腺癌總生存率的預(yù)后信息。

除化療之外，立體定向全身放療(stereotactic body radiation therapy，SBRT)是近年來針對不可切除胰腺癌的新興治療技術(shù)，可利用1～5個分?jǐn)?shù)的有限靶區(qū)實現(xiàn)高劑量放射精準(zhǔn)定位，因此在胰腺癌局部治療中有較大優(yōu)勢[57]。Cozzi等[58]評估了CT紋理分析在預(yù)測胰腺癌SBRT放療治療的總生存率及局部控制方面的能力，并發(fā)現(xiàn)了在高風(fēng)險組與低風(fēng)險組中可觀察到有統(tǒng)計學(xué)差異的紋理參數(shù)。與總生存率有關(guān)的紋理參數(shù)在訓(xùn)練集和驗證集中均有統(tǒng)計學(xué)意義(P=0.01和0.05，一致性指數(shù)分別為0.73和0.75)；與局部控制有關(guān)的紋理參數(shù)在訓(xùn)練集和驗證集中均有統(tǒng)計學(xué)意義(P=0.007和0.004，一致性指數(shù)分別為0.69和0.75)。

綜上所述，影像組學(xué)對于預(yù)測胰腺癌的預(yù)后與評估放化療的療效具有巨大的潛在價值，但目前的研究尚不完善，需要進(jìn)一步研究與驗證。

影像組學(xué)研究及其在胰腺腫瘤影像中存在的問題

雖然影像組學(xué)的研究如火如荼，但其在運(yùn)用于臨床實踐前需要解決的問題還很多。

病變自身方面。由于腫瘤的類型、大小、形態(tài)、解剖位置、涉及器官等方面都存在差異，所以在不同腫瘤中的研究成果進(jìn)度不一。對于胰腺腫瘤，目前研究主要集中于胰腺惡性腫瘤中最常見的胰腺癌與其它腫瘤的鑒別診斷及其預(yù)后評估、治療評價，導(dǎo)管內(nèi)乳頭狀粘液瘤的預(yù)后、生物學(xué)行為評價，胰腺神經(jīng)內(nèi)分泌瘤的分級預(yù)測、鑒別診斷等，而胰腺腫瘤分類繁多，特別是胰腺囊性腫瘤分類繁雜，對于胰腺少見及罕見腫瘤以及腫瘤合并炎癥或其它疾病的影像組學(xué)研究還有所欠缺。

圖像方面。由于掃描參數(shù)、掃描儀器的不統(tǒng)一，圖像質(zhì)量不能保證；圖像采集、圖像分割、圖像感興趣區(qū)勾畫分割及紋理參數(shù)的提取都采用不同的方法標(biāo)準(zhǔn)，以及圖像后處理及統(tǒng)計學(xué)建模等采用的標(biāo)準(zhǔn)也無規(guī)范。胰腺作為腹膜后器官，體積較小，形態(tài)柔軟，在不同個體及年齡間表現(xiàn)出非常高的患者間解剖變異性，導(dǎo)致其在定位及自動分割等方面的研究進(jìn)展緩慢，現(xiàn)多采用手動分割的方法。而且在組學(xué)紋理特征的統(tǒng)計中也存在選擇偏倚，不同的統(tǒng)計手段得出的紋理特征經(jīng)不同的篩選方法得出的結(jié)果不一，導(dǎo)致研究結(jié)果的可重復(fù)性有待商榷，需要更加細(xì)致、更規(guī)范化、更標(biāo)準(zhǔn)的研究工作。

數(shù)據(jù)及方案設(shè)計方面。大數(shù)據(jù)、云數(shù)據(jù)無法獲得，信息壁壘導(dǎo)致深度學(xué)習(xí)的大規(guī)模研究無法開展實施，這是大多數(shù)影像組學(xué)研究存在的問題，目前大多數(shù)研究為單中心回顧性研究，樣本數(shù)量有限，不僅限制了影像組學(xué)閾值標(biāo)準(zhǔn)的設(shè)定，而且數(shù)據(jù)受限于樣本量不足而使模型無法得到充分訓(xùn)練，難以擬合疾病特征的真實狀態(tài)，過于復(fù)雜的算法也會增加模型的過擬合風(fēng)險，限制了其在前瞻性人群中的應(yīng)用[59]，并且還存在缺乏外部及內(nèi)部驗證和交叉測試的問題。目前需要多中心大樣本前瞻性研究來證實組學(xué)特征模型的可靠性和魯棒性，以待加入臨床應(yīng)用[60]。

模型的可解釋性及語義方面。影像組學(xué)中的紋理特征為描述病變異質(zhì)性的不可視特征，屬于一階、二階或高階的統(tǒng)計學(xué)術(shù)語，缺乏具體臨床意義。并且，目前大多數(shù)腫瘤及非腫瘤性疾病研究得出的有意義的紋理參數(shù)大多只對應(yīng)具體的預(yù)測模型和診斷效能，多數(shù)紋理特征尚缺乏與之對應(yīng)的生物學(xué)特性之間的關(guān)聯(lián)，以及其合理的病理學(xué)解釋，導(dǎo)致其在重復(fù)研究以及臨床運(yùn)用中的可解釋性受限[59]。如今尚缺乏對影像組學(xué)紋理的確切術(shù)語描述和標(biāo)準(zhǔn)化語義規(guī)范，其在運(yùn)用于臨床報告中可能將遭遇困難。

影像組學(xué)在胰腺腫瘤中的未來展望

人工智能在多種疾病的定量成像、數(shù)據(jù)提取和模型構(gòu)建等方面具有極大的應(yīng)用前景，并且具有預(yù)測性、診斷性、生物性和即時療效評估性。目前影像組學(xué)已逐漸運(yùn)用于胰腺常見腫瘤的診斷、生物學(xué)行為評價、預(yù)后預(yù)測、治療反應(yīng)與療效評估中。未來影像組學(xué)在胰腺腫瘤方面潛在的應(yīng)用領(lǐng)域包括但不限于：胰腺橫截面圖像的三維虛擬重建，以提供胰腺腫瘤病灶及瘤周相關(guān)的詳細(xì)、全面信息，用于精確的手術(shù)計劃和放化療評估；放射性藥物的靶向分子成像，專門針對胰腺腫瘤的宿主依賴細(xì)胞——這些放射性標(biāo)記劑直接針對CA19-9、PAM-4、EGFR2等分子靶向標(biāo)志物[8]。我們期待影像組學(xué)與基因組學(xué)、蛋白質(zhì)組學(xué)等其它各種組學(xué)結(jié)合起來，為精準(zhǔn)醫(yī)療、個體化醫(yī)療的實現(xiàn)提供平臺。