肺癌18F-FDG PET-CT影像組學(xué)研究及展望

夏兆云,周 強(qiáng),裴守科,景 琳 綜述 朱 虹 審校

影像組學(xué)是借助計(jì)算機(jī)軟件從醫(yī)學(xué)影像圖像中提取影像特征，建立相關(guān)模型數(shù)據(jù)庫(kù)，采用統(tǒng)計(jì)學(xué)及機(jī)器學(xué)習(xí)等方法，對(duì)疾病定性診斷，腫瘤分級(jí)、分期、療效評(píng)價(jià)及預(yù)后預(yù)測(cè)等展開(kāi)研究。2012年由Lambin等[1]首次提出的影像組學(xué)已成為臨床研究的新熱點(diǎn)。正電子發(fā)射體層-X線計(jì)算機(jī)斷層掃描(positron emission tomography-x-ray computer tomography，PET-CT)影像組學(xué)研究起步相對(duì)較晚，筆者對(duì)近年來(lái)18氟-脫氧葡萄糖(18Fluorine-fluorodeoxy glucose,18F-FDG)PET-CT影像組學(xué)在肺癌診治中的研究及展望進(jìn)行綜述。

1 PET-CT影像組學(xué)研究的基本流程

PET-CT影像組學(xué)研究工作流程與其他影像組學(xué)相似，包括圖像采集與分割、影像特征提取與篩選、建立模型及數(shù)據(jù)庫(kù)分析等幾個(gè)關(guān)鍵步驟[2-4]。理想的標(biāo)準(zhǔn)化圖像采集源于統(tǒng)一的、高質(zhì)量成像設(shè)備、檢查技術(shù)和后處理重建軟件。圖像分割是影像組學(xué)研究的重要步驟，有自動(dòng)、半自動(dòng)和人工圖像分割等方法。影像特征包括形態(tài)特征(周長(zhǎng)、面積、體積、圓形度、矩形度、距角、外球面體積、表面中心距標(biāo)準(zhǔn)偏差、外部矩形交叉線距離等)、強(qiáng)度特征(平均強(qiáng)度、強(qiáng)度方差、最大最小強(qiáng)度差、偏度、峰度、強(qiáng)度梯度、拉普拉斯分散均值、拉普拉斯分散距離等)、紋理特征(Tamura特征、灰度共生矩陣、灰度游程矩陣、附近灰色調(diào)差矩陣等)常見(jiàn)的三類(lèi)特征[4，5]。依照研究目的提取和篩選出合適的影像特征建立模型數(shù)據(jù)庫(kù)，采用不同分析方法，獲取影像組學(xué)研究結(jié)果。常規(guī)PET-CT影像在肺癌應(yīng)用中有較高的價(jià)值，以形態(tài)學(xué)為基礎(chǔ)，利用多數(shù)惡性腫瘤葡萄糖高代謝特點(diǎn)，檢測(cè)腫瘤半定量指標(biāo)18F-FDG標(biāo)準(zhǔn)值(standardized uptake value，SUV)及最大標(biāo)準(zhǔn)化攝取值(SUVmax)，為PET-CT影像組學(xué)研究提供更豐富的圖像信息[6-8]。

2 18F-FDG PET-CT影像組學(xué)在肺癌研究中的進(jìn)展

2.1 肺癌診斷與鑒別診斷 常規(guī)PET-CT影像應(yīng)用半定量指標(biāo)18F-FDG標(biāo)準(zhǔn)攝取值最大值SUVmax≥2.5為閾值和縱隔血攝取比對(duì)的方法，結(jié)合病變形態(tài)、大小、密度及輪廓對(duì)肺部腫塊(結(jié)節(jié))性質(zhì)分析判斷，有較高的靈敏度和特異度[7]。影像組學(xué)依據(jù)肺部腫塊18F-FDG PET-CT顯像信息、影像特征及臨床信息建立模型及數(shù)據(jù)庫(kù)進(jìn)行統(tǒng)計(jì)學(xué)分析，其敏感度、特異度優(yōu)于常規(guī)PET-CT分析[7,8]。馬圓等[9]收集52例肺結(jié)節(jié)PET-CT圖像及人口學(xué)、影像學(xué)信息，基于紋理參數(shù)結(jié)合影像學(xué)信息建立支持向量機(jī)肺結(jié)節(jié)診斷模型，對(duì)良惡性肺結(jié)節(jié)具有較好的診斷與鑒別診斷價(jià)值，靈敏度、特異度分別為95.7%、100.0%。朱輝等[10]運(yùn)用紋理特征參數(shù)聯(lián)合SUVmax診斷肺部腫塊，惡性病變靈敏度為92.22%、特異性為60.0%、準(zhǔn)確性84.17%。在肺原發(fā)腫瘤與轉(zhuǎn)移腫瘤、放療后腫瘤復(fù)發(fā)與放射性炎性反應(yīng)鑒別診斷中，發(fā)現(xiàn)PET-CT影像組學(xué)比常規(guī)PET-CT更準(zhǔn)確[11，12]。

2.2 輔助肺癌病理學(xué)診斷 在肺活檢取材有限、無(wú)法活檢獲取標(biāo)本以及肺腫瘤分化較差時(shí)，影像組學(xué)以無(wú)創(chuàng)的方式輔助病理定性診斷，協(xié)助腫瘤分級(jí)與分期。PET-CT影像組學(xué)區(qū)別鱗癌與腺癌、細(xì)支氣管肺泡癌與非細(xì)支氣管肺泡癌預(yù)測(cè)精度達(dá)63%～87%，利用分類(lèi)器模型對(duì)非小細(xì)胞肺癌病理分型平均準(zhǔn)確度可達(dá)81%～92%[13,14]。Hyun等[15]運(yùn)用機(jī)器學(xué)習(xí)分析基于PET數(shù)據(jù)特征建立的肺腺癌亞型預(yù)測(cè)模型，驗(yàn)證了性別、SUVmax、灰度帶長(zhǎng)度不均勻性、射線帶不均勻性和病變總糖酵解度5個(gè)特征是預(yù)測(cè)肺腺癌亞型的最佳因子，其中l(wèi)ogistic回歸模型(AUC=0.859，準(zhǔn)確度=0.769)和神經(jīng)網(wǎng)絡(luò)模型(AUC=0.854，準(zhǔn)確度=0.772)兩種分類(lèi)器優(yōu)于其他模型分類(lèi)器，能更好地協(xié)助病理診斷與組織分型。部分影像組學(xué)特征也是影響病理分級(jí)的獨(dú)立因素，可作為肺癌侵襲性預(yù)測(cè)指標(biāo)，用于早期肺癌治療分層[16]。Yuan等[17]通過(guò)CT影像組學(xué)模型評(píng)價(jià)肺腺癌侵襲性，回歸分析比容量分析具有更好的預(yù)測(cè)能力，兩者對(duì)原位腺癌、微浸潤(rùn)腺癌與浸潤(rùn)性腺癌診斷準(zhǔn)確率分別為80.5%和69.5%。與常規(guī)影像相比，18F-FDG PET-CT的 SUVmax、平均標(biāo)準(zhǔn)攝取值(SUVmean)、總體積(GTV)、代謝體積(MTV)、病灶糖酵解總量(TLG)及紋理特征等腫瘤整體代謝特征，更有助于腫瘤異質(zhì)性評(píng)估、病理分級(jí)和分期[18]。淋巴結(jié)轉(zhuǎn)移是腫瘤臨床分期關(guān)鍵要素, PET-CT影像組學(xué)對(duì)淋巴結(jié)轉(zhuǎn)移檢測(cè)有較高敏感度[19]。Giesel等[20]觀察了148例肺癌患者1022個(gè)淋巴結(jié)PET-CT顯像，應(yīng)用容積直方圖方法分析發(fā)現(xiàn)，CT值和SUVmax值是鑒別淋巴結(jié)良惡性、指導(dǎo)臨床分期及擬定臨床肺癌診療方案重要的特征參數(shù)。

2.3 肺癌治療反應(yīng)、療效評(píng)價(jià)與監(jiān)測(cè) PET-CT通過(guò)比較肺癌放化療前后18F-FDG攝取SUV值變化，觀察腫瘤組織活性。不同組織類(lèi)型或相同組織類(lèi)型肺癌對(duì)同一治療方案反應(yīng)不同，同一腫瘤在相同治療方案療程中的反應(yīng)不同。PET-CT影像組學(xué)利用提取大量圖像特征、捕捉額外信息(SUV值、臨床特性、基因表達(dá)等)，能更好地反映腫瘤空間異質(zhì)性，為制定和調(diào)整治療方案提供準(zhǔn)確參考[21]。文獻(xiàn)[8]采用視覺(jué)適應(yīng)自動(dòng)圖像分割，從233例Ⅱ-Ⅳ期肺癌患者放射治療后PET-CT復(fù)查圖像中提取影像特征，進(jìn)行紋理特征、形態(tài)特征分析，并與SUV測(cè)量值比較，結(jié)果顯示紋理特征、形態(tài)特征與MTV、GTV相關(guān)性更好，強(qiáng)調(diào)腫瘤FDG代謝空間分布與FDG攝取程度同樣重要，同樣能夠反映惡性腫瘤空間異質(zhì)性與治療反應(yīng)。腫瘤MTV、TLG、SUV直方圖寬度、紋理特征等比單一觀察SUVmax值變化預(yù)測(cè)和評(píng)價(jià)腫瘤的療效更有價(jià)值[22]。Cook等[23]研究表明18F-FDG PET影像組學(xué)顯示腫瘤異質(zhì)性降低與埃羅替尼治療反應(yīng)有關(guān)，與總生存期及治療反應(yīng)具有獨(dú)立相關(guān)性。PET-CT影像組學(xué)研究多側(cè)重于腫瘤患者個(gè)體治療結(jié)果的預(yù)測(cè)，肺癌療效監(jiān)測(cè)和預(yù)后判斷可測(cè)信度和穩(wěn)定性較好，能從治療前后影像中反復(fù)挖掘影像組學(xué)數(shù)據(jù)特征，追蹤和比較特征的差異，及時(shí)了解患者是否存在藥物抵抗，為個(gè)體化治療提供幫助[24]。

2.4 預(yù)測(cè)預(yù)后、腫瘤轉(zhuǎn)移與生存率 腫瘤代謝變化早于影像形態(tài)學(xué)改變，常規(guī)PET-CT影像在腫瘤TNM分期上有一定優(yōu)勢(shì)，但評(píng)估預(yù)后的能力有限?；赑ET-CT高維圖像特征提取，建立肺癌預(yù)后預(yù)測(cè)模型，紋理特征分析能準(zhǔn)確地預(yù)測(cè)預(yù)后、評(píng)估總生存率，量化FDG在腫瘤內(nèi)部空間分布，了解癌組織內(nèi)部微血管分布、細(xì)胞增殖、壞死等生物學(xué)異質(zhì)性，進(jìn)行預(yù)后預(yù)測(cè)、腫瘤轉(zhuǎn)移危險(xiǎn)因素分層和存活率評(píng)估[25]。有學(xué)者在非小細(xì)胞型肺癌立體定向放射治療18F-FDG PET-CT影像組學(xué)研究中，通過(guò)單變量和多變量分析，結(jié)合臨床信息對(duì)總生存期(OS)、疾病特異生存期(DSS)、無(wú)病生存期(DFS)進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)紋理特征不一致是預(yù)測(cè)預(yù)后關(guān)鍵性指標(biāo)，并從肺門(mén)、縱隔淋巴結(jié)提取的紋理特征中得到了上述評(píng)價(jià)的附加信息，紋理特征不一致可預(yù)測(cè)腫瘤轉(zhuǎn)移風(fēng)險(xiǎn)[26]。Fried等[27]對(duì)195例Ⅲ期非小細(xì)胞型肺癌研究表明，治療前PET特征與總生存期有關(guān)，影像組學(xué)特征結(jié)合傳統(tǒng)預(yù)后預(yù)測(cè)因素綜合分析能提高患者總生存期預(yù)測(cè)能力。Coroller等[28]從肺腺癌18F-FDG PET圖像中提取35個(gè)影像組學(xué)特征可預(yù)測(cè)肺癌遠(yuǎn)處轉(zhuǎn)移，12個(gè)特征可預(yù)測(cè)生存率。羅居?xùn)|等[29]應(yīng)用Matlab程序重建和分割腫瘤靶區(qū)，提取治療前后PET-CT圖像4個(gè)強(qiáng)度特征及5個(gè)紋理特征，還包括角二階距、對(duì)比度、逆差距、自相關(guān)等共9個(gè)特征，結(jié)果表明逆差距(RS 0.557,P=0.009)和SUVmax(RS 0.468,P=0.033)與腫瘤體積變化率有相關(guān)性，其他參數(shù)無(wú)明顯相關(guān)性，逆差距和SUVmax能較好的預(yù)測(cè)生存率。

2.5 肺癌基因表達(dá)、基因表型與突變 Yoon等[30]對(duì)539例肺腺癌研究發(fā)現(xiàn)，影像組學(xué)能分辨腫瘤基因表達(dá)陽(yáng)性或陰性，在腫瘤SUV值、形態(tài)特征和基于像素紋理特征與基因表達(dá)模式的關(guān)系中，一些影像特征在ALK基因和ROS/RET融合基因陽(yáng)性表達(dá)組中存在顯著差異，其中16個(gè)特征建立的預(yù)測(cè)模型表現(xiàn)良好，敏感度、特異度分別為0.73和0.70，SUXmax值、一階、二階特征均勻性等影像組學(xué)特征與腫瘤ALK/ROSI/RET基因表達(dá)密切相關(guān)。非小細(xì)胞肺癌18F-FDG PET-CT顯像表現(xiàn)與EGFR基因突變及表達(dá)相關(guān)[31]，代謝參數(shù)聯(lián)合腫瘤標(biāo)志物對(duì)肺腺癌EGFR基因突變的預(yù)測(cè)價(jià)值[32]。Liu等[33]通過(guò)影像組學(xué)研究發(fā)現(xiàn)，周?chē)头蜗侔┠[瘤表型相關(guān)信息，建立模型可提高亞洲人群肺腺癌EGFR突變預(yù)測(cè)能力(ROC下面積0.71)。Zhang等[34][A30]收集248例肺癌患者治療前PET-CT數(shù)據(jù)，運(yùn)用LIFEx軟件包提取47個(gè)PET及45個(gè)CT影像組學(xué)特征，以LASSO算法建立模型驗(yàn)證了18F-FDG PET-CT治療前檢查資料可預(yù)測(cè)非小細(xì)胞肺癌EGFR突變，區(qū)分EGFR突變和EGFR野生型的能力(AUC:0.79)，為選擇靶向藥物治療提供參考。

3 展 望

18F-FDG PET-CT顯像以功能代謝、分子影像為特點(diǎn)，為PET-CT影像組學(xué)研究與應(yīng)用提供更豐富特征數(shù)據(jù)。盡管18F-FDG PET-CT影像組學(xué)在肺癌研究中取得一些進(jìn)展，與其他影像組學(xué)研究相比，PET-CT影像組學(xué)研究仍處于起步階段，面臨標(biāo)準(zhǔn)化和可重復(fù)性挑戰(zhàn)[4]。圖像數(shù)據(jù)非標(biāo)準(zhǔn)化可導(dǎo)致影像組學(xué)研究系統(tǒng)誤差，其中重建方式是主要的影響因素，自動(dòng)、半自動(dòng)以及手工圖像分割存在可重復(fù)性差異，圖像分割、提取與重建標(biāo)準(zhǔn)還是不統(tǒng)一。通常根據(jù)研究的目的提取與篩選可利用的肺癌影像組學(xué)特征建立模型數(shù)據(jù)庫(kù)，常用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)的方法模型數(shù)據(jù)庫(kù)分析，研究工作量大、過(guò)程耗時(shí)長(zhǎng)，需要醫(yī)工結(jié)合、軟件支持和數(shù)據(jù)共享，目前各類(lèi)模型預(yù)測(cè)能力還存在不足[5,8,34]。18F-FDG PET-CT肺部早期病變及18F-FDG低攝取或不攝取惡性病變?cè)\斷，PET顯像有價(jià)值特征數(shù)據(jù)較少，更多依賴于高分辨率CT所提供的特征信息[7]。隨著設(shè)備技術(shù)性能改進(jìn)與新型示蹤劑研發(fā)，PET-CT影像組學(xué)可開(kāi)展更深層次圖像特征挖掘，深入解析肺癌發(fā)生、發(fā)展與演變，使視覺(jué)影像信息轉(zhuǎn)化為全面量化數(shù)據(jù)信息，為肺癌準(zhǔn)確診斷、個(gè)體化精準(zhǔn)治療提供決策參考。