陳武杰 許茂盛

流行病學(xué)、病理學(xué)和分子機制方面的研究顯示胃癌的發(fā)病率和死亡率較往年有所下降，但其發(fā)病率及死亡率仍分別位于全球第五和第二位[1]。早期胃癌起病隱匿，大部分患者沒有明顯臨床癥狀，在影像學(xué)檢查上也較難發(fā)現(xiàn)，臨床上超過80%患者首次就診時已經(jīng)發(fā)展為進展期胃癌（advanced gastric cancer，AGC）[1-3]。美國抗癌聯(lián)合會（AJCC）指南第8 版指出，胃癌的診斷以影像學(xué)檢查為主，但目前任何一種影像檢查對于AGC 分期分級、鑒別診斷等方面的準確率均無法滿足臨床需求[4]。影像組學(xué)作為深度挖掘圖像潛在信息的新興技術(shù)，在計算機輔助診斷（computer aided diagnosis，CAD）的基礎(chǔ)上，高通量提取和分析CT、MRI、PET/CT 等醫(yī)學(xué)圖像的紋理特征，高效且準確地采集病變內(nèi)部的潛在信息，最大程度發(fā)揮醫(yī)學(xué)圖像價值，有效提高診斷準確率，為臨床提供精準的影像信息[5-6]。

影像組學(xué)概述

影像組學(xué)是一門多學(xué)科交叉、多種影像技術(shù)相互結(jié)合的新技術(shù)，通過非侵入式的影像模式分析獲取腫瘤內(nèi)部綜合特征信息，能夠輔助解讀腫瘤在時間和空間上的異質(zhì)性問題[1，6]。與傳統(tǒng)影像學(xué)相比，影像組學(xué)可更準確、客觀地挖掘和定量分析感興趣區(qū)域（ROI），實現(xiàn)早期精準化預(yù)測和評估腫瘤異質(zhì)性及預(yù)后情況，有助于臨床制定更加完善的治療方案。隨著近年來影像學(xué)技術(shù)及計算機算法的發(fā)展及成熟，影像組學(xué)在AGC 的組織病理學(xué)分期分級預(yù)測、鑒別診斷、放化療療效及預(yù)后評估、生存分析等方面的研究有了迅猛發(fā)展[7-8]。

影像組學(xué)的實現(xiàn)

1.醫(yī)學(xué)影像原始圖像

作為影像組學(xué)的初始步驟，原始圖像決定了后續(xù)每個步驟的質(zhì)量，當前通用醫(yī)學(xué)圖像格式為DICOM。為了獲得相對精確、合理的分析結(jié)果，完整、清晰是原始圖像的首要條件，而由于外部因素而導(dǎo)致病灶圖像質(zhì)量欠佳者應(yīng)被剔除[8]。

2. ROI 勾畫

ROI勾畫方法主要包括手動、半自動或自動分割。手動分割可根據(jù)需求勾畫特定的ROI 范圍，但其耗時耗力且存在勾畫者主觀經(jīng)驗判斷差異及人工誤差等缺點；自動分割效率高，但目前僅適用于ROI 邊界與周圍組織結(jié)構(gòu)存在較大差異的情況。半自動分割算法是在機器分割的基礎(chǔ)上進行人為校正，可同時兼顧人工誤差小、分割精度及穩(wěn)定性高等優(yōu)勢[9]。當病灶范圍難以確認時，應(yīng)使用多序列、多方位作為參考來確定病灶的勾畫范圍[10]。

3.ROI 影像組學(xué)特征的提取和量化

此為影像組學(xué)“圖-數(shù)”轉(zhuǎn)換的核心步驟，包括一階特征、二階特征及高階特征。一階特征反映強度直方圖的整體信息，與ROI 內(nèi)的灰度級頻率分布有關(guān)，依賴于單個體素值而非相鄰交互的體素。二階特征通過空間灰度共生矩陣（GLCM）、灰度游程步長矩陣（GLRLM）等方式獲得。高階特征是利用鄰域灰度差值矩陣計算高階統(tǒng)計量，通常包括鄰域灰度差值矩陣（NGTDM）和灰度區(qū)域大小矩陣（GLSZM）[11]。

4.紋理特征選擇

特征選擇是指選擇使分類結(jié)果最顯著的特征子集的過程，目的是去除冗余特征以及降低特征維數(shù)來提高運算效率。初步提取的紋理特征總數(shù)量龐大，由于部分特征之間存在彼此高度相關(guān)的信息，因此特征選擇是紋理分析中化繁為簡的一個步驟[12]。

5.預(yù)測模型構(gòu)建與驗證

模型可根據(jù)特定要求定制，同時納入其他重要的協(xié)變量，分析選定特征與預(yù)期結(jié)果的關(guān)系，并評估影像組學(xué)特征相對于傳統(tǒng)影像分析提供的額外附加潛在信息[5，7]。建模過程可以使用人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)等方法，模型構(gòu)建完成后，采用驗證集進行驗證，最理想的驗證集是外部機構(gòu)的數(shù)據(jù)集，可以盡量減少來自相同來源數(shù)據(jù)帶來的過擬合偏差，但同時外來數(shù)據(jù)的標準化及統(tǒng)一化也是模型驗證的一大挑戰(zhàn)。

進展期胃癌的影像組學(xué)研究現(xiàn)狀

1.胃癌鑒別診斷

AGC 中的Borrmann Ⅳ期胃癌與原發(fā)性胃淋巴瘤在影像上常常呈現(xiàn)出類似的彌漫性胃壁增厚征象，而治療策略完全不同，因此在影像學(xué)診斷時準確辨別兩者對治療策略及方案的制定尤其重要。Ma 等[13]回顧性研究了40 例Borrmann Ⅳ期胃癌及30 例胃淋巴瘤患者，從靜脈期CT 圖像中提取了485 個影像組學(xué)特征后，聯(lián)合影像科醫(yī)生主觀評價標準建立預(yù)測模型，發(fā)現(xiàn)該影像組學(xué)模型對Borrmann Ⅳ期胃癌及胃淋巴瘤的鑒別準確率（87.14%）高于影像科醫(yī)生的主觀判斷（81.43%）。

2.胃癌分期

目前影像組學(xué)研究成果主要集中在N、M 分期。超聲、CT、MRI 診斷胃癌的準確率分別為90.7%～100%、61.1%～100%、97.8%～100%[14]。N 分期方面，影像學(xué)檢查對胃癌總體cN 敏感度為40% ～85%，特異度為75% ～98%，但目前任何一個影像檢查均無法完全排除無淋巴結(jié)轉(zhuǎn)移的可能性[1-2，9]。Li 等[15]回顧性分析210 例經(jīng)能譜CT 掃描的胃癌患者，通過影像組學(xué)諾模圖發(fā)現(xiàn)腫瘤厚度，Borrmann 分級和靜脈期碘濃度（ICVP）是胃癌淋巴結(jié)轉(zhuǎn)移的獨立預(yù)測因子；Wang 等[16]回顧性分析247例胃癌患者，提取術(shù)前CT 動脈期圖像上紋理特征，使用隨機森林（RF）算法，篩選出5 個紋理特征來構(gòu)建一個胃癌淋巴結(jié)轉(zhuǎn)移預(yù)測的影像組學(xué)模型。結(jié)果顯示，該模型在訓(xùn)練集和測試集中AUC 分別為0.844和0.837。影像組學(xué)模型效能（訓(xùn)練集80%；測試集84%）明顯優(yōu)于傳統(tǒng)的常規(guī)CT（訓(xùn)練集62.4%， 測試集62%）；另外，Liu 等[17]根據(jù)64 例術(shù)前接受3.0T MRI 檢查的胃癌患者，發(fā)現(xiàn)與熵有關(guān)的參數(shù)在預(yù)測胃癌淋巴結(jié)轉(zhuǎn)移上均有較好表現(xiàn)。此外，術(shù)前ADC圖相關(guān)參數(shù)與腫瘤侵襲性存在顯著聯(lián)系，所有與熵相關(guān)參數(shù)在各分期及血管浸潤狀態(tài)均有顯著相關(guān)性，尤其在一階熵中最為明顯。

M 分期方面，由于影像上對AGC 患者隱匿性腹膜轉(zhuǎn)移（PM）的診斷能力有限，Liu 等[18]回顧性分析233 例AGC 患者，從術(shù)前CT 靜脈期圖像上提取539 個特征，篩選得到6 個紋理特征用于模型的建立，結(jié)果發(fā)現(xiàn)PM 與病變部位、CT 圖像T 分期，活檢病理類型和分化程度有顯著統(tǒng)計學(xué)差異（P=＜0.001 ～0.019）；Dong 等[19]分析來自四個中心的554 例AGC 患者，由原發(fā)性腫瘤（RS1）、腹膜區(qū)域（RS2）CT 表型和Lauren 類型建立了3 個影像組學(xué)諾模圖。結(jié)果顯示RS1、RS2 的CT 表型、Lauren類型與隱匿性PM 狀態(tài)顯著相關(guān)，且通過外部驗證諾模圖潛在的泛化能力，AUC 值分別為0.958、0.941、0.928 和0.920。

3.胃癌療效及預(yù)后評估

胃癌的常規(guī)治療方式為根治性手術(shù)切除，同時輔以新輔助化療、免疫治療等。Giganti 等[20]回顧性分析34 例接受新輔助化療的胃癌患者，根據(jù)病理TRG分級分為有效組和無效組，單因素變量顯示，14 個術(shù)前CT 紋理特征可用于區(qū)分TRG 分級及預(yù)測治療效果；Li 等[21]回顧性研究30 例接受新輔助化療的AGC 患者的術(shù)前CT 紋理特征，預(yù)測AGC 患者的新輔助化療療效，提出影像組學(xué)具有評估新輔助化療療效的潛力。

進展期胃癌影像組學(xué)的未來發(fā)展與挑戰(zhàn)

作為近年來的熱門新興技術(shù)，影像組學(xué)在直腸癌、乳腺癌及肺癌等疾病的診治預(yù)后評估方面有一定研究進展，而在胃癌相關(guān)研究上仍處于初始階段，原因如下。

1.圖像獲取標準化

目前多數(shù)胃癌影像組學(xué)研究為單中心的回顧性研究，受限于樣本量不足及臨床資料缺失，同時又因各種因素所導(dǎo)致的低質(zhì)量圖像而無法符合納入標準，使得數(shù)據(jù)庫的建立存在瓶頸。其次對于多中心研究中圖像重建算法、參數(shù)設(shè)置統(tǒng)一性也是目前研究中的一大難題[7-8，12]。

2.ROI 獲取差異

胃腔充盈度及病灶與水的毗鄰位置會對存在浸潤生長的AGC 病灶勾畫造成干擾。目前ROI 勾畫對于病灶范圍判斷受主觀性影響較大[6-7，12]，且不同分割軟件對影像特征穩(wěn)定性及可重復(fù)性的差異值得后續(xù)進一步研究比較。此外，以二維或三維、厚層或薄層進行ROI 勾畫均有涉及，但其差異及可重復(fù)性仍需要后續(xù)大數(shù)據(jù)的支持。

3.臨床需求

當前胃癌影像組學(xué)研究以術(shù)前診斷、淋巴結(jié)預(yù)測、放化療療效評估、預(yù)后情況預(yù)測等方面為主，缺乏臨床實踐中真正使用的實用模型。此外，對于生存期及生存質(zhì)量的大樣本研究因耗時耗力而鮮有報道，后續(xù)應(yīng)根據(jù)臨床實際及個體化診療需求進一步提高影像組學(xué)在臨床上的實際應(yīng)用價值。