影像組學(xué)在EGFR突變型非小細(xì)胞肺癌的研究

劉昊沅， 艾和平， 趙俊蘋(píng)， 李紅

肺癌是世界癌癥相關(guān)死亡的主要原因，盡管低劑量CT在體檢中的廣泛開(kāi)展有助于早期篩查，但仍有部分患者就診時(shí)病情已處于進(jìn)展期[1]。非小細(xì)胞肺癌(non-small cell lung cancer，NSCLC)約占所有肺癌病例的80%左右[2]。NSCLC的發(fā)生、發(fā)展、侵襲和轉(zhuǎn)移涉及多種基因，目前最常研究的NSCLC驅(qū)動(dòng)基因包括表皮生長(zhǎng)因子受體(epidermal growth factor receptor，EGFR)，克爾斯滕大鼠肉瘤病毒癌基因同源物(kirsten rat sarcoma viraloncogene，KRAS)和間變性淋巴瘤激酶(anaplastic lymphoma kinase，ALK)。過(guò)去數(shù)十年，針對(duì)基因激活通路的靶向治療為非小細(xì)胞肺癌患者的治療帶來(lái)革命性變化，尤其是針對(duì)EGFR 突變的小分子酪氨酸激酶抑制劑(TKI) 。與標(biāo)準(zhǔn)一線(xiàn)化療方案相比，EGFR-TKI靶向治療的EGFR突變敏感型患者擁有更長(zhǎng)的無(wú)進(jìn)展生存期(progression free survival，PFS)和更高的客觀(guān)緩解率(objective remission rate，ORR )，而EGFR野生型肺癌患者若接受EGFR-TKI藥物治療，其PFS將會(huì)明顯縮短[3]，早期準(zhǔn)確診斷患者腫瘤基因突變狀態(tài)將對(duì)臨床診療意義重大。常規(guī)分子突變狀態(tài)的檢測(cè)依賴(lài)于術(shù)后基因測(cè)序或擴(kuò)增阻礙突變系統(tǒng)(ARMS)，但腫瘤內(nèi)部存在異質(zhì)性，病理活檢可能會(huì)出現(xiàn)操作不佳、活檢標(biāo)本較小及取樣偽影等情況，最終結(jié)果可能無(wú)法完全反映腫瘤的整體情況。CT掃描常作為肺癌患者的常規(guī)影像檢查，具有無(wú)創(chuàng)、經(jīng)濟(jì)、方便等特點(diǎn)。隨著大數(shù)據(jù)時(shí)代的來(lái)臨及人工智能的發(fā)展，影像組學(xué)(Radiomics)已成為腫瘤分子影像學(xué)中的研究熱點(diǎn)。通過(guò)分析影像學(xué)相關(guān)特征與腫瘤分子表型之間的關(guān)系，揭示腫瘤內(nèi)部異質(zhì)性及生物學(xué)相關(guān)特征，極大的提高了臨床診斷客觀(guān)性及診斷效能，對(duì)患者個(gè)體化治療及管理意義重大。本文就影像組學(xué)在非小細(xì)胞肺癌中EGFR突變狀態(tài)的早期診斷、EGFR-TKI療效評(píng)價(jià)、預(yù)后風(fēng)險(xiǎn)分層及轉(zhuǎn)移等方面的研究現(xiàn)狀及前景展開(kāi)綜述。

影像組學(xué)的概述

影像組學(xué)(Radiomics)[4]指從醫(yī)學(xué)影像中高通量地提取定量成像特征，可深度挖掘圖像所包含的信息，為臨床診療及預(yù)后預(yù)測(cè)等提供有效信息。一般包括4個(gè)步驟。①高質(zhì)量圖像的獲取及重建：根據(jù)研究目的獲取相關(guān)圖像，通常需要對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化處理，從而減少不同掃描協(xié)議及重建參數(shù)差異帶來(lái)的誤差。②圖像分割：即感興趣區(qū)(region of interest，ROI)的分割，ROI分割直接影響到特征提取，精確分割是進(jìn)行影像組學(xué)研究的前提。一般有手動(dòng)、半自動(dòng)和全自動(dòng)等3種方式，其中以手動(dòng)分割最為準(zhǔn)確，但任務(wù)繁重，需耗費(fèi)大量時(shí)間與人力；半自動(dòng)及全自動(dòng)分割方法高效且可重復(fù)性高，故目前多采用自動(dòng)勾畫(huà)后由人工輔助修改邊緣的方式[5,6]。③特征提取及篩選：特征提取是關(guān)鍵步驟，一般包括形態(tài)學(xué)特征、一階灰度直方圖特征、二階與高階紋理特征、小波特征等；大量特征可提高事物描述的準(zhǔn)確度，但當(dāng)樣本量過(guò)小而特征維度較大時(shí)，會(huì)導(dǎo)致模型出現(xiàn)過(guò)擬合影響其泛化能力，必須對(duì)提取的特征進(jìn)行篩選及降維處理，找出最佳特征，從而提高模型準(zhǔn)確性及魯棒性，常用的選擇方法有Lasso-Cox回歸模型、最大相關(guān)最小冗雜(mRNA)、RELIEF和PCA法等。④模型構(gòu)建及分析：常用模型有邏輯回歸(logistic regression)模型[7]、隨機(jī)森林算法(radom forest)[8]、決策樹(shù)(decision tree)、支持向量機(jī)(SVM)模型[9]和人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)[10]等，選取最適合的數(shù)據(jù)模型，然后對(duì)模型進(jìn)行訓(xùn)練及驗(yàn)證。可采用受試者工作曲線(xiàn)(receiver operating curve，ROC)的曲線(xiàn)下面積(area under the curve，AUC)、靈敏度和特異度等評(píng)估模型的診斷效能。目前，影像組學(xué)在肺部疾病的診療中應(yīng)用廣泛，如鑒別磨玻璃結(jié)節(jié)的良惡性[11]、預(yù)測(cè)肺腺癌的病理分級(jí)[12]及預(yù)后預(yù)測(cè)[13]。

EGFR基因突變與非小細(xì)胞肺癌的發(fā)生

EGFR突變?cè)趤喼奕巳褐型蛔兟瘦^高，約為50%，好發(fā)于不吸煙的女性患者中[14]。EGFR突變位點(diǎn)主要位于酪氨酸激酶功能區(qū)的18～21外顯子，其中外顯子19缺失(EGFR 19Del)和外顯子21 L858R點(diǎn)突變(EGFR 21L858R)對(duì)EGFR酪氨酸激酶抑制劑(TKIs)的治療表現(xiàn)出更好的客觀(guān)反應(yīng)率[15]。部分患者在EGFR-TKI治療過(guò)程中會(huì)出現(xiàn)繼發(fā)性耐藥而導(dǎo)致病情進(jìn)展，約60%的繼發(fā)性耐藥與外顯子20的T790M位點(diǎn)突變相關(guān)[16]。

影像組學(xué)在EGFR突變型非小細(xì)胞肺癌早期診斷中的應(yīng)用

既往研究[17-19]指出EGFR突變與不吸煙、病灶小、空氣支氣管征、胸膜回縮等征象有關(guān)，含有GGO成分的腫瘤更易發(fā)生EGFR突變。Shi等[20]發(fā)現(xiàn)19外顯子缺失相關(guān)的影像特征包括女性、腫瘤最大直徑較小、胸膜凹陷、無(wú)纖維化，而21外顯子突變與無(wú)吸煙史、毛刺、亞實(shí)性病灶有關(guān)。Zhou等[21]指出具有明顯增強(qiáng)異質(zhì)性或空洞的腫瘤可能與19外顯子的缺失有關(guān)。這些研究主要依賴(lài)于傳統(tǒng)形態(tài)學(xué)征象，主觀(guān)性較強(qiáng)，且圖像易受掃描條件和重建算法等因素的影響，導(dǎo)致結(jié)果可重復(fù)性差，各中心無(wú)法形成統(tǒng)一共識(shí)。

影像組學(xué)能對(duì)圖像中像素與空間分布關(guān)系進(jìn)行定量分析及充分挖掘，補(bǔ)充傳統(tǒng)形態(tài)學(xué)成像特征，可作為早期預(yù)測(cè)非小細(xì)胞肺癌患者EGFR基因突變有用的影像診斷工具[22]。Wu等[23]基于術(shù)前增強(qiáng)CT圖像，提取了849個(gè)組學(xué)特征，LASSO回歸分析后顯示10個(gè)影像組學(xué)特征與EGFR突變相關(guān)，加入臨床特征后模型取得了較好的檢測(cè)效能(AUC=0.97)，顯著高于單一影像組學(xué)模型(AUC=0.88)及單一臨床模型(AUC=0.84)。周建忠等[24]利用雙能CT靜脈期的組學(xué)特征建立模型，多因素分析后指出，肺腺癌EGFR基因突變狀態(tài)與DECT定量參數(shù)λHU(能譜曲線(xiàn)斜率)存在顯著的相關(guān)性(P=0.004)，理論上不同物質(zhì)有其獨(dú)特的λHU ，這在一定程度上反映出腫瘤的異型性。唐興等[25]基于多序列MRI影像組學(xué)來(lái)預(yù)測(cè)EGFR突變，分別在T2WI、DWI序列及ADC圖中提取出404個(gè)特征，經(jīng)過(guò)SVM-RFE方法篩選后，保留16個(gè)最優(yōu)特征，包括4個(gè)GLCM、9個(gè)GLRLM，1個(gè)NGDTM和2個(gè)GLSZM，其預(yù)測(cè)EGFR突變型的敏感度53.1%，特異度92.9%，準(zhǔn)確度75.7%，AUC 0.826；聯(lián)合性別因素構(gòu)建模型，預(yù)測(cè)準(zhǔn)確率可提升至78.9%，且DWI序列較ADC更有價(jià)值。MRI掃描過(guò)去常因易受呼吸偽影影響及價(jià)格較高等特點(diǎn)，在肺部疾病診斷中應(yīng)用并不廣泛，但MRI有著較高的軟組織分辨率及多序列成像等獨(dú)特優(yōu)勢(shì)，未來(lái)隨著呼吸門(mén)控技術(shù)的進(jìn)一步發(fā)展，基于MRI的影像組學(xué)在肺部疾病的診斷也將有良好的應(yīng)用前景[26]。

此外，有學(xué)者對(duì)EGFR突變型非小細(xì)胞肺癌相關(guān)紋理特征展開(kāi)研究。紋理分析是對(duì)圖像灰度空間排布位置及規(guī)律的定量分析，腫瘤內(nèi)部異質(zhì)性會(huì)導(dǎo)致灰度排列空間性出現(xiàn)微小差異。Sacconi等[27]指出均值(mean)、SD值、偏度(skewness)等一階統(tǒng)計(jì)參數(shù)與EGFR基因突變密切相關(guān)，其AUC值分別為0.751、0.749、0.641。呂昌生等[28]在肺腺癌 EGFR 突變狀態(tài)與CT紋理灰度共生矩陣相關(guān)性的研究中指出EGFR野生組的對(duì)比度均值明顯高于EGFR突變組，且突變組與野生組在對(duì)比度、逆差距、相關(guān)性之間的差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)，這代表著EGFR突變型肺癌圖像紋理溝紋淺、視覺(jué)效果模糊。Li等[29]在研究中對(duì)比發(fā)現(xiàn)EGFR 19Del CT 圖像中包含4個(gè)紋理相關(guān)特征，而這些特征在EGFR 21L858R中不存在；在用于預(yù)測(cè)EGFR 19Del 特征中具有最大AUC的特征是偏度(AUC=0.722)，而EGFR 21L858R中具有最大AUC的特征是球形(AUC=0.727)，這表明EGFR 19Del腫瘤在內(nèi)部紋理特征上表現(xiàn)出差異，而 EGFR 21L858R 腫瘤則在形狀上表現(xiàn)出不同。這可能為開(kāi)發(fā)針對(duì)突變亞型的靶向NSCLC藥物提供基礎(chǔ)，為患者帶來(lái)更好的治療效果。

影像組學(xué)在EGFR-TKI療效評(píng)價(jià)中的應(yīng)用現(xiàn)狀

楊春生等[30]及Song等[31]基于影像組學(xué)特征成功篩選出EGFR-TKIs治療優(yōu)勢(shì)人群，并能快速區(qū)分進(jìn)展和緩慢進(jìn)展的EGFR-TKI治療的患者，列線(xiàn)圖在訓(xùn)練集及兩個(gè)獨(dú)立驗(yàn)證集的C指數(shù)分別為0.743(95%CI：0.700～0.786)、0.718(95% CI:0.669～0.767)、0.720(95% CI:0.676～0.764)。AERTS等[32]對(duì)比觀(guān)察了47例早期EGFR突變型NSCLC患者使用吉非替尼治療前后的CT圖像，發(fā)現(xiàn)治療后影像組學(xué)特征Gabor_Energy-dir135-w3的增加與EGFR-TKI療效較好相關(guān)(AUC=0.74)。這些可能代表著腫瘤對(duì)EGFR-TKI敏感性差異可以表現(xiàn)在圖像中，利用影像組學(xué)的相關(guān)特征可以幫助臨床早期篩選出EGFR-TKI治療優(yōu)勢(shì)人群。Hyun等[33]研究144名TKI靶向治療后因T790M突變?cè)斐赡退幍幕颊撸l(fā)現(xiàn)空氣支氣管征與T790M突變陽(yáng)性有關(guān)(P=0.06)。目前上市的第三代EGFR-TKI藥物(奧希替尼)對(duì)EGFR-TKI獲得性耐藥的患者有較好的療效。因此，影像組學(xué)對(duì)于EGFR突變型NSCLC患者耐藥突變位點(diǎn)的深入研究將會(huì)為患者提供更加個(gè)性化和精確的治療選擇。

影像組學(xué)在EGFR突變型非小細(xì)胞肺癌預(yù)后及轉(zhuǎn)移預(yù)測(cè)中的進(jìn)展

非小細(xì)胞肺癌的預(yù)后與多種因素相關(guān)如個(gè)體差異、病理分型、腫瘤原發(fā)灶-淋巴結(jié)-轉(zhuǎn)移(tumor-node-metastasis,TNM)分期等。計(jì)算機(jī)通過(guò)定量化相關(guān)特征可將預(yù)后因素可視化，從而更好的輔助臨床決策。Wang等[8]以3年生存期作為界限，回顧性分析了173例非小細(xì)胞肺癌患者的CT圖像及臨床資料，提取了23個(gè)特征建立模型，其模型預(yù)測(cè)準(zhǔn)確率可達(dá)79.6%，其中灰度共生矩陣(GLCM)中的逆差矩及角二階矩與肺癌患者的生存期最相關(guān)。晚期非小細(xì)胞肺癌患者常發(fā)生遠(yuǎn)處轉(zhuǎn)移，提示預(yù)后不良，患者5年生存率較低。肺門(mén)及縱隔淋巴結(jié)轉(zhuǎn)移是肺癌較早的轉(zhuǎn)移途徑，與肺癌TNM分期中的N分期高度相關(guān)，TNM分期對(duì)治療方式與預(yù)后評(píng)價(jià)有重要意義[34]。從夢(mèng)迪等[35]基于增強(qiáng)CT成功預(yù)測(cè)了IA期非小細(xì)胞肺癌淋巴結(jié)轉(zhuǎn)移，這將會(huì)幫助避免病理活檢等有創(chuàng)檢查，為下一步治療提供有利證據(jù)。腦也是肺癌遠(yuǎn)處轉(zhuǎn)移的常見(jiàn)靶器官，約10%～36%的肺癌會(huì)發(fā)生腦轉(zhuǎn)移，導(dǎo)致進(jìn)行性神經(jīng)功能缺損，給患者帶來(lái)極大的危害。Chen等[36]研究75位EGFR突變型非小細(xì)胞肺癌腦轉(zhuǎn)移患者的MRI圖像，發(fā)現(xiàn)瘤周水腫程度特征(edema_intensity_squareroot_intensity_median)與患者的生存時(shí)間密切相關(guān)，同時(shí)，基于T1WI+C及T2FLAIR等序列建立影像組學(xué)模型可預(yù)測(cè)腦轉(zhuǎn)移瘤發(fā)生風(fēng)險(xiǎn)，其AUC、靈敏度、特異度分別為0.977、0.960、0.940。一般來(lái)說(shuō)能夠穿過(guò)血腦屏障的腫瘤細(xì)胞更具侵襲性和轉(zhuǎn)移性，而腫瘤內(nèi)部及癌周的差異能在影像學(xué)表現(xiàn)出細(xì)微變化并被檢測(cè)出來(lái)[37]，這表明影像組學(xué)可在疾病早期對(duì)腦轉(zhuǎn)移發(fā)生進(jìn)行預(yù)測(cè)及風(fēng)險(xiǎn)評(píng)估，提示臨床制定最合適的診療方案，極大改善患者的預(yù)后。

問(wèn)題與展望

當(dāng)前，精準(zhǔn)醫(yī)療對(duì)臨床診療提出了更高的標(biāo)準(zhǔn)，影像組學(xué)作為新興技術(shù)，其多參數(shù)的定量分析在疾病診療中具有巨大的優(yōu)勢(shì)，其在肺部疾病診療中已展現(xiàn)出巨大的潛能。將分子生物特性與影像學(xué)特征相結(jié)合也是未來(lái)腫瘤診療的發(fā)展趨勢(shì)。但影像組學(xué)研究尚處于初始探索階段，仍然存在許多問(wèn)題需要解決：①大部分為回顧性研究，缺乏前瞻性研究，這可能會(huì)導(dǎo)致數(shù)據(jù)過(guò)擬合，模型泛化能力不足。②各研究間樣本量相差較大，同類(lèi)型研究的入選標(biāo)準(zhǔn)未達(dá)成一致，且部分研究為單中心小樣本研究，缺乏外部獨(dú)立驗(yàn)證，這就需要多中心合作，建立龐大的數(shù)據(jù)庫(kù)，提高模型的準(zhǔn)確率。③掃描設(shè)備及掃描參數(shù)難以標(biāo)準(zhǔn)化，ROI的勾畫(huà)方式未達(dá)成一致，這會(huì)在一定程度上影響實(shí)驗(yàn)的客觀(guān)性及可重復(fù)性。目前已有團(tuán)隊(duì)提出了生物標(biāo)志物標(biāo)準(zhǔn)化倡議(image biomarker standardization initiative,IBSI)[38]，對(duì)圖像質(zhì)量、特征提取及預(yù)處理模式提出統(tǒng)一標(biāo)準(zhǔn)，這將增加實(shí)驗(yàn)的可重復(fù)性，盡可能地減少誤差。

未來(lái)，隨著影像組學(xué)的進(jìn)一步成熟，研究隊(duì)列的多樣化，大樣本、多中心數(shù)據(jù)庫(kù)的完善、機(jī)器學(xué)習(xí)算法的更新，上述問(wèn)題可以得到有效解決，影像組學(xué)也將在肺癌分子診斷與治療中擁有更廣闊的應(yīng)用前景。