盧天宇，張家祥，班允清（通訊作者）

（新疆醫(yī)科大學(xué)第五附屬醫(yī)院CT核磁室 新疆 烏魯木齊 830011）

甲狀腺結(jié)節(jié)（thyroid nodule, TN）臨床極為常見，觸診獲得的甲狀腺結(jié)節(jié)患病率為3%～7%，高分辨率B超檢查獲得的甲狀腺結(jié)節(jié)患病率為20%～76%，但大部分是良性腺瘤樣結(jié)節(jié)或囊腫，只有甲狀腺結(jié)節(jié)的5%～10%是惡性腫瘤。良性甲狀腺結(jié)節(jié)一般不需特殊治療；而惡性甲狀腺結(jié)節(jié)一旦確診，應(yīng)及時切除并進(jìn)行頸部中央組淋巴結(jié)清掃，并對預(yù)后進(jìn)行預(yù)測。傳統(tǒng)影像診斷在甲狀腺結(jié)節(jié)的診療中扮演著重要的角色，但是傳統(tǒng)的影像診斷模式基于形態(tài)學(xué)，無法得到病灶圖像中隱藏的特征。而影像組學(xué)通過從影像中提取海量特征，可用于疾病的定性、腫瘤分級分期、療效評估和預(yù)后預(yù)測等。本文就影像組學(xué)在甲狀腺結(jié)節(jié)中的應(yīng)用進(jìn)展進(jìn)行論述。

1 影像組學(xué)定義及流程

影像組學(xué)（radiomics）一詞由荷蘭學(xué)者Philippe Lambin等在2012年正式提出[1]，它是指采用高通量、自動化的特征提取方法將醫(yī)學(xué)影像圖形轉(zhuǎn)化為可以挖掘的特征數(shù)據(jù)，能比視覺分析更詳細(xì)、定量地評估病變特征，發(fā)現(xiàn)未知、潛在的信息，并應(yīng)用數(shù)據(jù)以改善診斷、預(yù)后和預(yù)測的準(zhǔn)確性。

影像組學(xué)的工作流程可以分為5步[2]：①圖像采集和重建：目前主要通過CT、MRI和PET-CT等影像掃描方式來進(jìn)行圖像的采集。由于空間分辨率高，CT在影像組學(xué)研究中被廣泛運用。②圖像分割：圖像分割是指在影像圖像上勾畫出研究區(qū)域（如腫瘤）作為感興趣區(qū)域（region of interest, ROI）。圖像分割有三種方法，分別是手動分割法、半自動分割法、自動分割法，現(xiàn)在，手動分割被認(rèn)為是金標(biāo)準(zhǔn)。半自動分割法是指在人工智能軟件對病灶區(qū)域進(jìn)行自動分割后，再由專業(yè)醫(yī)生描繪目標(biāo)區(qū)域輪廓。③圖像特征提?。核崛〉奶卣骺梢苑譃樾螤钐卣鳌⒁浑A直方圖特征、二階直方圖特征和小波特征等。④特征篩選：提取高緯度的特征后，為了避免維數(shù)災(zāi)難與模型的過度擬合，需要降低特征的維度。常用的特征降維方法有LASSO（least absolute shrinkage and selection operator）Cox回歸模型、最大相關(guān)最小冗余（maximum relevance and minimum redundancy, mRMR）主成分分析法（principal component analysis, PCA）。⑤建立模型：目前，用于影像組學(xué)的建模多涉及機(jī)器學(xué)習(xí)的方法，例如Logistic回歸、隨機(jī)森林（random forest, RM）、支持向量機(jī)（support vector machine, SVM）、決策樹、K近鄰、人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks, ANNs）、聚類分析（clustering analysis）等方法都有應(yīng)用[3]。

2 影像組學(xué)在甲狀腺結(jié)節(jié)診療中的應(yīng)用

2.1 鑒別甲狀腺結(jié)節(jié)的良惡性

影像組學(xué)通過高通量提取甲狀腺結(jié)節(jié)圖像的特征，挖掘肉眼無法識別的深層次信息以鑒別良惡性甲狀腺結(jié)節(jié)。Shin等[4]研究顯示應(yīng)用影像組學(xué)模型可以鑒別出甲狀腺濾泡狀瘤和甲狀腺濾泡狀癌，并且其預(yù)測效能高于經(jīng)驗豐富的放射科醫(yī)師。Sollini等[5]通過研究PET-CT影像組學(xué)特征發(fā)現(xiàn)HIST偏斜是良惡性分化的最佳特征，觀察到SUVstd、SUVmax、TLG、MTV、HIST偏度在甲狀腺偶發(fā)瘤之間存在顯著差異。以上研究結(jié)果顯示，利用影像組學(xué)方法鑒別甲狀腺良惡性結(jié)節(jié)是可行的，且預(yù)測效能較高，在臨床上有較好的應(yīng)用前景。

2.2 預(yù)測甲狀腺癌淋巴結(jié)轉(zhuǎn)移

目前超聲、CT和MRI等傳統(tǒng)成像方法難以準(zhǔn)確在術(shù)前對甲狀腺癌患者淋巴結(jié)轉(zhuǎn)移情況進(jìn)行評價，而有研究表明甲狀腺乳頭狀癌（papillary thyroid carcinoma, PTC）患者術(shù)前應(yīng)用影像組學(xué)可準(zhǔn)確預(yù)測淋巴結(jié)轉(zhuǎn)移。Miri Kwon等[6]首次將影像組學(xué)應(yīng)用于預(yù)測甲狀腺濾泡癌（FTC）遠(yuǎn)處轉(zhuǎn)移的研究，使用支持向量機(jī)分類器SVM構(gòu)建模型，結(jié)果顯示SVM分類器平均顯示0.90的高AUC。Tong等[7]研究將PTC的US、CT影像組學(xué)特征與US、CT報告的CLN狀態(tài)相結(jié)合構(gòu)建諾模圖，在術(shù)前以無創(chuàng)的方法評估PTC患者的CLN狀態(tài)，結(jié)果顯示構(gòu)建出的諾模圖可用于促進(jìn)臨床決策并有可能改善選定患者的生存結(jié)果[8]。Zhang等[9]從PTC患者T2WI和T2WI-FS圖像上獲得影像組學(xué)特征，采用隨機(jī)森林、支持向量機(jī)和廣義線性模型進(jìn)行建模，并使用嵌套交叉驗證方案對其進(jìn)行了評估。結(jié)果顯示從T2WI圖像中提取的放射學(xué)特征比T2WI-FS圖像更具判別力。綜上，影像組學(xué)可以成為臨床醫(yī)生術(shù)前評估甲狀腺頸部淋巴結(jié)轉(zhuǎn)移的新方法。

2.3 基因診斷

影像組學(xué)可以基于宏觀影像的特征來定量分析與基因或蛋白質(zhì)的關(guān)系。Yoon等[10]選取PTC的US圖像特征，通過LASSO回歸模型生成Radiomics分?jǐn)?shù)。通過在多變量分析中Radiomics得分是與BRAFV600E突變密切相關(guān)的唯一因素來定量分析與基因或蛋白質(zhì)的關(guān)系。以上提示影像組學(xué)特征作為無創(chuàng)性生物標(biāo)志物的價值有限，可用于預(yù)測PTC的BRAF突變狀態(tài)的存在。

3 結(jié)語

綜上所述，影像組學(xué)近年來得到了飛速的發(fā)展，已經(jīng)可以為臨床診斷、預(yù)測、預(yù)后提供可靠的幫助，影像組學(xué)有望為甲狀腺癌患者的個體化精準(zhǔn)診療提供可靠依據(jù)，應(yīng)用前景十分廣闊。雖然影像組學(xué)技術(shù)近年來得到了迅速發(fā)展，但目前關(guān)于甲狀腺結(jié)節(jié)的影像組學(xué)研究仍面臨許多挑戰(zhàn)：①目前的研究以單中心、小樣本、回顧性分析為主，缺乏多中心、大樣本、前瞻性的研究；②從圖像采集、重建、分割、重組到特征的提取和量化缺乏統(tǒng)一的標(biāo)準(zhǔn)，需要建立一個統(tǒng)一的標(biāo)準(zhǔn)規(guī)則；③影像組學(xué)技術(shù)是以計算機(jī)為基礎(chǔ)的研究，需要醫(yī)工結(jié)合，多學(xué)科合作研究；④目前缺乏公開的影像數(shù)據(jù)庫，需要各個同行共同努力建立一個屬于影像的公開科研數(shù)據(jù)庫。

目前利用影像組學(xué)預(yù)測甲狀腺癌的頸部淋巴結(jié)轉(zhuǎn)移的研究已趨于成熟，并且已在國內(nèi)外取得出色的成效；相信隨著人工智能的發(fā)展，尤其是深度學(xué)習(xí)的發(fā)展，影像組學(xué)將在疾病的診療中扮演更加重要的角色。