影像組學(xué)在肺腺癌基因突變預(yù)測(cè)中的應(yīng)用進(jìn)展

孟習(xí)文，王廣麗

肺腺癌是肺癌最常見(jiàn)的亞型，也最易發(fā)生基因突變[1]。肺腺癌常見(jiàn)的驅(qū)動(dòng)基因主要包括表皮生長(zhǎng)因子受體（epidermal growth factor receptor,EGFR）、間變性淋巴瘤激酶（anaplastic lymphoma kinase,ALK）和克爾斯滕大鼠肉瘤病毒癌基因（kirsten rat sarcoma viral oncogene,KRAS）等。針對(duì)不同的驅(qū)動(dòng)基因制定相應(yīng)的靶向治療策略，有利于改善肺腺癌病人的療效和預(yù)后[2]。目前，驅(qū)動(dòng)基因的檢測(cè)主要依靠手術(shù)病理或組織活檢等有創(chuàng)性方法。但由于腫瘤異質(zhì)性的存在，有時(shí)通過(guò)有創(chuàng)性方法獲得的組織樣本并不能代表整體腫瘤的情況，且會(huì)增加病人的痛苦。因此，無(wú)創(chuàng)且高效地檢測(cè)驅(qū)動(dòng)基因十分重要。影像組學(xué)方法能夠通過(guò)提取并分析醫(yī)學(xué)圖像中無(wú)法被人眼所識(shí)別的定量圖像特征，從而評(píng)估腫瘤的生物學(xué)行為，使無(wú)創(chuàng)預(yù)測(cè)肺腺癌的基因突變成為可能，對(duì)個(gè)性化醫(yī)療及精準(zhǔn)醫(yī)療至關(guān)重要[3]。本文就影像組學(xué)在肺腺癌常見(jiàn)及罕見(jiàn)基因突變中的應(yīng)用進(jìn)展予以綜述。

1 影像組學(xué)在預(yù)測(cè)肺腺癌EGFR 基因突變中的應(yīng)用

目前，肺腺癌中最常見(jiàn)且研究最多的突變基因?yàn)镋GFR。EGFR 是一種具有酪氨酸激酶活性的糖蛋白，可調(diào)控正常細(xì)胞的增殖、分化和凋亡，但突變或擴(kuò)增的基因可將該蛋白轉(zhuǎn)化為癌蛋白[4]。攜帶突變基因EGFR 的肺腺癌病人對(duì)EGFR 酪氨酸激酶抑制劑（tyrosine kinase inhibitors，TKI）表現(xiàn)出明顯的臨床反應(yīng)，但并非所有EGFR 突變的肺腺癌病人都受益于EGFR TKI[5]，因此盡早識(shí)別EGFR 突變狀態(tài)及突變位點(diǎn)對(duì)病人預(yù)后具有重要作用。EGFR 突變位點(diǎn)主要發(fā)生在18、19、20、21 號(hào)外顯子，最常見(jiàn)的突變位點(diǎn)為外顯子19 缺失（19del）突變及外顯子21 L858R 點(diǎn)突變。

1.1 區(qū)分EGFR 突變型與野生型 多項(xiàng)研究[6，8-10]表明，影像組學(xué)預(yù)測(cè)EGFR 突變狀態(tài)（突變型與野生型）的診斷效能較高，受試者操作特征（ROC）曲線下面積（AUC）可達(dá)0.7 以上，其中Lu 等[6]的研究在測(cè)試集中的AUC 值達(dá)到了0.894。與EGFR 突變有關(guān)的影像組學(xué)特征主要包括：（1）語(yǔ)義特征，如磨玻璃密度、空氣支氣管征、胸膜牽拉以及支氣管血管束增粗等；（2）非語(yǔ)義特征，如偏度、峰度、熵值、灰度游程矩陣特征等。亞實(shí)性結(jié)節(jié)是早期肺腺癌最常見(jiàn)的表現(xiàn)，研究[7]表明亞實(shí)性結(jié)節(jié)在EGFR 突變的肺腺癌病人中出現(xiàn)的頻率更高。Yang 等[8]分析了467 例亞實(shí)性結(jié)節(jié)表現(xiàn)的肺腺癌病人，從CT 平掃影像中共提取1 063 個(gè)影像組學(xué)特征，通過(guò)隨機(jī)森林算法選擇了43 個(gè)特征構(gòu)建影像組學(xué)模型，該模型在預(yù)測(cè)亞實(shí)性結(jié)節(jié)的EGFR 突變方面表現(xiàn)出良好的效能，在訓(xùn)練組和驗(yàn)證組的AUC 分別為0.831 和0.789。目前，關(guān)于肺癌基因突變影像組學(xué)的研究通?；贑T 平掃影像，使用增強(qiáng)CT 影像的研究較少。Hong 等[9]在201 例晚期肺腺癌病人的增強(qiáng)和平掃CT 影像中，分別篩選出10 個(gè)和11 個(gè)影像組學(xué)特征，采用6 種不同的機(jī)器學(xué)習(xí)方法評(píng)價(jià)2 種影像提取的影像組學(xué)特征識(shí)別晚期肺腺癌EGFR 突變的效能，結(jié)果顯示增強(qiáng)影像的效能優(yōu)于平掃影像。該研究使用基于增強(qiáng)CT 成像的邏輯回歸方法構(gòu)建的影像組學(xué)模型診斷效能最佳，在驗(yàn)證隊(duì)列中的AUC 為0.851。Yang 等[10]納入253 例晚期肺腺癌病人，評(píng)價(jià)CT 掃描不同期相預(yù)測(cè)EGFR 突變狀態(tài)的效能。分別從平掃期、動(dòng)脈期和靜脈期CT 影像中提取影像組學(xué)特征并構(gòu)建模型，AUC 值分別為0.671 3、0.819 4 和0.846 4。該研究表明影像組學(xué)可以預(yù)測(cè)EGFR 突變狀態(tài)，以靜脈期模型效能最佳。與CT平掃相比，增強(qiáng)CT 可以更好地反映與周圍結(jié)構(gòu)相關(guān)的腫瘤區(qū)域，并且可以顯示惡性腫瘤中血供情況，提供更多與腫瘤相關(guān)的信息。上述2 項(xiàng)研究均顯示基于增強(qiáng)CT 構(gòu)建的模型效能要優(yōu)于平掃CT，且基于靜脈期影像建立的模型效能最佳，但由于此方面研究目前較少，未來(lái)仍需要更多研究評(píng)價(jià)不同期相模型診斷效能的優(yōu)劣。

研究[6，11-12]表明，結(jié)合臨床特征、傳統(tǒng)形態(tài)學(xué)影像特征或病理學(xué)特征構(gòu)建的聯(lián)合影像組學(xué)模型較單一特征構(gòu)建的模型對(duì)EGFR 突變狀態(tài)的預(yù)測(cè)效能更好，可能是由于聯(lián)合模型中納入的因素包括EGFR 突變的獨(dú)立危險(xiǎn)因素（性別、吸煙史、胸膜牽拉或病理亞型等）。Lu 等[6]分析了103 例肺腺癌病人的CT 影像和臨床病理資料，構(gòu)建了基于CT 影像的單獨(dú)影像組學(xué)模型、結(jié)合臨床病理學(xué)特征與形態(tài)學(xué)影像特征的組合模型、結(jié)合影像組學(xué)特征與臨床病理學(xué)特征的組合模型，最終結(jié)果顯示結(jié)合影像組學(xué)特征與臨床病理學(xué)特征的組合模型預(yù)測(cè)EGFR 突變狀態(tài)優(yōu)于另外2 種模型，訓(xùn)練集和驗(yàn)證集的AUC分別為0.90±0.02、0.88±0.11，測(cè)試集AUC 值為0.894。Zhang 等[11]在由294 例肺腺癌病人組成的訓(xùn)練集中構(gòu)建了影像組學(xué)模型、臨床-影像學(xué)（clinical-radiology，C-R）模型及臨床-影像-影像組學(xué)（clinical-radiological-radiomics，C-R-R）模型，并在驗(yàn)證集（129 例病人）中評(píng)估，C-R-R 模型在訓(xùn)練集和驗(yàn)證集中的AUC 值分別為0.849 和0.835，優(yōu)于其他模型；另外，此研究還表明影像組學(xué)模型的診斷效能優(yōu)于C-R 模型。Lu 等[12]首次使用過(guò)濾法進(jìn)行特征選擇，并構(gòu)建基于CT 影像的機(jī)器學(xué)習(xí)模型預(yù)測(cè)EGFR 突變，影像組學(xué)模型在結(jié)合臨床特征后診斷效能進(jìn)一步提高，組合模型和單獨(dú)影像組學(xué)模型的AUC 值分別為0.86、0.79。但也有研究[8,13]在添加臨床特征后所建立的聯(lián)合模型診斷效能并沒(méi)有優(yōu)于單獨(dú)的影像組學(xué)模型。因此，將來(lái)仍需要更多的研究來(lái)證實(shí)。

1.2 區(qū)分EGFR 突變亞型 影像組學(xué)不僅能夠預(yù)測(cè)EGFR 的突變狀態(tài)，在預(yù)測(cè)EGFR 突變亞型方面也具有一定的價(jià)值[14-16]。Liu 等[14]在263 例肺腺癌病人的CT 影像中提取并篩選影像組學(xué)特征，并添加臨床特征一起建立模型，結(jié)果證實(shí)影像組學(xué)可以敏感地識(shí)別EGFR 突變（AUC=0.76），并且在預(yù)測(cè)肺腺癌病人（19del）和外顯子21 L858R 突變方面也顯示出較好的效能，AUC 值分別為0.69、0.66。Zhao 等[15]篩選出11 個(gè)基于CT 影像的影像組學(xué)特征并計(jì)算了影像組學(xué)分?jǐn)?shù)（R 分?jǐn)?shù)），整合R 分?jǐn)?shù)、傳統(tǒng)形態(tài)學(xué)影像特征和臨床特征，構(gòu)建基于影像組學(xué)的列線圖，以無(wú)創(chuàng)地預(yù)測(cè)EGFR 突變狀態(tài)及區(qū)分19del、L858R 突變，列線圖在2 個(gè)驗(yàn)證數(shù)據(jù)集中的AUC 分別為0.734 和0.757。Zhang 等[16]納入了728 例肺腺癌病人，分別構(gòu)建臨床模型、基于CT 影像的影像組學(xué)模型及聯(lián)合模型識(shí)別19del 和L858R 突變，AUC值分別為0.813、0.852、0.875，聯(lián)合模型的預(yù)測(cè)效能最高。不同的EGFR 突變亞型對(duì)于TKI 治療的敏感性不同，因此應(yīng)用影像組學(xué)預(yù)測(cè)EGFR 突變亞型，尤其是對(duì)TKI 治療有反應(yīng)的亞型，可能為其制定更精細(xì)的治療方案提供重要信息。

1.3 基于不同成像的影像組學(xué)預(yù)測(cè)EGFR 突變 基于PET/CT、雙能CT 以及MRI 影像的影像組學(xué)都可以對(duì)肺腺癌病人的基因突變狀態(tài)及突變亞型做出較準(zhǔn)確的預(yù)測(cè)。楊等[17]回顧性收集了114 例肺腺癌病人，從PET、CT、PET+CT 影像中篩選出3、3、7 個(gè)特征分別建立回歸模型，得到的AUC 分別為0.730、0.752、0.866，其中PET+CT 模型預(yù)測(cè)效能最高。Zhao 等[18]分別構(gòu)建了基于CT 影像和基于18FFDG PET/CT 影像的影像組學(xué)模型，預(yù)測(cè)EGFR 突變的AUC 分別為0.715、0.727，后者的效能要優(yōu)于前者。由此可見(jiàn)，基于PET/CT 的模型不僅可以預(yù)測(cè)EGFR 的突變狀態(tài)，而且預(yù)測(cè)效能優(yōu)于CT，這可能是由于EGFR 基因可影響腫瘤的葡萄糖代謝，而PET/CT 恰恰可以捕獲到腫瘤的葡萄糖代謝水平。Liu 等[19]在148 例肺腺癌病人的18F-FDG PET/CT 影像中提取影像組學(xué)特征構(gòu)建有關(guān)EGFR 突變亞型的預(yù)測(cè)模型，驗(yàn)證集中對(duì)19del 突變和L858R 突變預(yù)測(cè)的AUC 值分別為0.77 和0.92，但此研究?jī)H分析了PET/CT 模型對(duì)于EGFR 突變亞型的診斷效能，并沒(méi)有進(jìn)行常規(guī)CT 模型和PET/CT 模型診斷效能的比較。王等[20]對(duì)CT、PET 和PET/CT 融合組學(xué)特征進(jìn)行學(xué)習(xí),探究18F-FDG PET/CT 影像結(jié)合機(jī)器學(xué)習(xí)算法對(duì)肺腺癌EGFR 突變亞型的預(yù)測(cè)價(jià)值，融合組學(xué)特征通過(guò)用特征拼接和特征平均的方法對(duì)PET 和CT 影像學(xué)特征進(jìn)行融合獲得，結(jié)果顯示PET/CT 平均融合特征模型的預(yù)測(cè)效能（AUC=0.87）高于PET 特征模型（AUC=0.64）、CT 特征模型（AUC=0.64）。雙能CT 通過(guò)使用2 種不同能量的X 射線采集數(shù)據(jù)，可以區(qū)分不同成分（如鈣和碘等），而常規(guī)CT 無(wú)法實(shí)現(xiàn)?；陔p能CT 的影像組學(xué)在預(yù)測(cè)EGFR 突變狀態(tài)方面也顯示出較好的效能，周等[21]在103 例肺腺癌病人的靜脈期40、100 keV 單能量影像中提取了396 個(gè)影像組學(xué)特征，將影像組學(xué)特征、臨床特征及雙能CT 碘參數(shù)相結(jié)合構(gòu)建模型預(yù)測(cè)EGFR 突變狀態(tài)，此模型在訓(xùn)練集和驗(yàn)證集的AUC分別為0.871 和0.827。Wang 等[13]的研究是第一次使用MRI 影像組學(xué)預(yù)測(cè)肺腺癌病人EGFR 突變，構(gòu)建了ADC 模型、DWI 模型、T2WI 模型、多序列模型和包括性別、吸煙狀況及影像組學(xué)特征的聯(lián)合模型，AUC 值分別為0.805、0.692、0.695、0.838、0.727，與單序列模型相比，多序列影像組學(xué)模型的預(yù)測(cè)效能進(jìn)一步提高，但是聯(lián)合模型并沒(méi)有優(yōu)于單獨(dú)的影像組學(xué)模型。該研究提示對(duì)于輻射敏感、有活檢禁忌或者需要連續(xù)隨訪的病人，基于MRI 的影像組學(xué)可以提供一種相對(duì)準(zhǔn)確、方便且無(wú)創(chuàng)的EGFR 突變檢測(cè)方法。

1.4 深度學(xué)習(xí)模型預(yù)測(cè)EGFR 突變 目前，使用機(jī)器學(xué)習(xí)方法對(duì)EGFR 突變狀態(tài)及亞型進(jìn)行預(yù)測(cè)是研究的主流，近年的一些研究[22-25]發(fā)現(xiàn)深度學(xué)習(xí)對(duì)EGFR 突變狀態(tài)的預(yù)測(cè)效能要優(yōu)于機(jī)器學(xué)習(xí)。Wang等[22]使用844 例肺腺癌病人的CT 影像構(gòu)建了一個(gè)端到端的深度學(xué)習(xí)模型預(yù)測(cè)EGFR 突變狀態(tài)，該模型在訓(xùn)練和驗(yàn)證隊(duì)列中的AUC 分別為0.85 和0.81。Xiong 等[23]基于503 例肺腺癌病人的CT 影像，構(gòu)建了三維卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）來(lái)預(yù)測(cè)EGFR 突變狀態(tài)。CNN 在獨(dú)立驗(yàn)證集中AUC 值為0.776，CNN 和臨床特征的融合模型AUC 值為0.838。Song 等[24]納入了665 例肺腺癌病人，探討基于CT 影像的深度學(xué)習(xí)模型對(duì)肺腺癌病人EGFR 突變亞型的預(yù)測(cè)能力，分別構(gòu)建了機(jī)器學(xué)習(xí)模型和CNN 模型，結(jié)果表明CNN 模型的預(yù)測(cè)效能優(yōu)于機(jī)器學(xué)習(xí)模型。Zhang 等[25]從CT 影像中提取影像組學(xué)特征，構(gòu)建了3 種不同的機(jī)器學(xué)習(xí)模型以及擠壓和激發(fā)CNN （squeeze-and-excitation-CNN，SE-CNN），以從影像組學(xué)特征映射中識(shí)別EGFR 突變狀態(tài)，結(jié)果表明SE-CNN 可以精確識(shí)別肺腺癌病人的EGFR 突變狀態(tài)（AUC=0.841），且優(yōu)于機(jī)器學(xué)習(xí)方法。與傳統(tǒng)的影像組學(xué)方法相比，深度學(xué)習(xí)更易于實(shí)施，不需要手動(dòng)勾畫興趣區(qū)，直接從原始數(shù)據(jù)中進(jìn)行自動(dòng)學(xué)習(xí)，從而挖掘出更深層次和潛在的信息，具有較高的準(zhǔn)確性。但深度學(xué)習(xí)要求大量的樣本量，當(dāng)樣本量較小時(shí)，選擇機(jī)器學(xué)習(xí)方法可能更加合適。

2 影像組學(xué)在預(yù)測(cè)肺腺癌ALK 重排中的應(yīng)用

ALK 基因重排是非小細(xì)胞肺癌發(fā)展的驅(qū)動(dòng)突變，ALK 蛋白是一種跨膜受體酪氨酸激酶，屬于胰島素受體超家族[26]。ALK 基因突變于2007 年首次在非小細(xì)胞肺癌中被報(bào)道，當(dāng)時(shí)在一部分日本病人(7%) 中發(fā)現(xiàn)了棘皮動(dòng)物微管相關(guān)蛋白樣4（echinodern microtubule-associated protein-like 4,EML4）-ALK 融合基因[27]，EML4-ALK 融合基因能夠促進(jìn)腫瘤的生長(zhǎng)和增殖，代表了一個(gè)新的分子靶點(diǎn)，為非小細(xì)胞肺癌的治療提供了新的選擇。與常規(guī)化療相比，ALK 抑制劑在ALK 陽(yáng)性非小細(xì)胞肺癌的治療中顯示出明顯的優(yōu)勢(shì)[28]。因此，通過(guò)影像組學(xué)無(wú)創(chuàng)地識(shí)別ALK 重排將有益于病人預(yù)后。

在臨床工作中，影像組學(xué)可以精確、無(wú)創(chuàng)地識(shí)別肺腺癌ALK 重排狀態(tài)，具有較好的臨床應(yīng)用前景。Song 等[29]在335 例肺腺癌病人的CT 平掃影像中提取并篩選影像組學(xué)特征，分別構(gòu)建了影像組學(xué)模型、傳統(tǒng)影像模型，以及結(jié)合了影像組學(xué)特征、臨床數(shù)據(jù)和傳統(tǒng)影像特征的聯(lián)合模型，用于區(qū)分肺腺癌中的ALK 重排病人，AUC 值分別為0.80、0.86、0.88。Ma 等[30]基于140 例肺腺癌病人的CT 平掃和CT 增強(qiáng)影像，篩選出25 個(gè)平掃特征和19 個(gè)增強(qiáng)特征，構(gòu)建2 種ALK 重排影像基因組學(xué)模型，與基于平掃影像的模型（AUC=0.801 0）相比，增強(qiáng)后影像基因組學(xué)模型（AUC=0.828 5）具有更優(yōu)的效能。Choe 等[31]從503 例肺腺癌病人CT 影像中提取原發(fā)灶的瘤內(nèi)和瘤周影像組學(xué)特征，分別構(gòu)建了臨床模型、瘤內(nèi)影像組學(xué)模型、瘤內(nèi)及瘤周影像組學(xué)模型以及聯(lián)合模型來(lái)診斷ALK 和EGFR 突變狀態(tài)，對(duì)于ALK 重排的預(yù)測(cè)，腫瘤內(nèi)影像組學(xué)模型的AUC 值為0.68，優(yōu)于臨床模型（AUC=0.64），且增加臨床特征后的模型診斷效能進(jìn)一步提高（AUC=0.72），但增加瘤周特征并沒(méi)有提高模型效能（AUC=0.67）。Chang 等[32]進(jìn)行基于PET/CT 的影像組學(xué)分析，應(yīng)用臨床模型、影像組學(xué)模型和聯(lián)合模型來(lái)預(yù)測(cè)肺腺癌病人的ALK 突變，研究顯示聯(lián)合模型（AUC=0.88）和影像組學(xué)模型（AUC=0.86）預(yù)測(cè)效能均優(yōu)于臨床模型（AUC=0.74），但聯(lián)合模型與影像組學(xué)模型之間沒(méi)有顯著差異。在上述研究中，無(wú)論是基于增強(qiáng)CT影像，還是CT 平掃影像構(gòu)建的影像組學(xué)模型均表現(xiàn)出較穩(wěn)定的效能，聯(lián)合模型的診斷效能優(yōu)于單獨(dú)的臨床模型，但聯(lián)合模型是否優(yōu)于影像組學(xué)模型還需要進(jìn)一步的研究來(lái)證明。

3 影像組學(xué)在預(yù)測(cè)肺腺癌KRAS 突變中的應(yīng)用

大鼠肉瘤病毒（RAS）基因是人類癌癥中最常發(fā)生突變的癌基因，其中KRAS 是最常見(jiàn)的RAS 突變亞型，存在于35%的肺腺癌中。盡管近年來(lái)靶向治療和免疫檢查點(diǎn)抑制劑的使用極大地改變了晚期非小細(xì)胞肺癌的治療前景，但由于缺乏經(jīng)典的藥物結(jié)合位點(diǎn)，一直認(rèn)為KRAS 突變是不可治愈的[33]。最近，KRAS 的直接靶向藥物取得了重大進(jìn)展，尤其是KRAS（G12C）抑制劑，如AMG510 和MRTX849，在臨床試驗(yàn)中取得了令人滿意的結(jié)果。2021 年，美國(guó)食品和藥物監(jiān)督管理局批準(zhǔn)了AMG510 治療有KRAS（G12C）突變的非小細(xì)胞肺癌病人，這是首個(gè)直接針對(duì)KRAS 突變的藥物[34]。

通過(guò)影像組學(xué)預(yù)測(cè)肺腺癌病人中KRAS 突變的研究目前很少，Wang 等[35]研究了79 例Ⅰ期肺腺癌病人CT 影像特征與KRAS 突變之間的關(guān)系及其預(yù)后價(jià)值，結(jié)果表明毛刺征與KRAS 突變顯著相關(guān)（比值比=2.99），胸膜附著與生存率相關(guān)（風(fēng)險(xiǎn)比=2.46）。Rios Velazquez 等[36]嘗試應(yīng)用基于CT 影像的影像組學(xué)模型預(yù)測(cè)肺腺癌病人KRAS 突變，建立了影像組學(xué)模型、臨床模型及聯(lián)合模型，結(jié)果表明臨床模型識(shí)別KRAS 突變效能（AUC=0.75）高于影像組學(xué)模型（AUC=0.63）及聯(lián)合模型（AUC=0.69）。此外，研究還發(fā)現(xiàn)影像組學(xué)模型能夠區(qū)分EGFR+和KRAS+腫瘤（AUC=0.80），并且當(dāng)與臨床模型（AUC=0.81）結(jié)合時(shí)，可顯著提高預(yù)測(cè)效能（AUC=0.86）。隨著KRAS 靶向治療藥物的發(fā)現(xiàn)，使用影像組學(xué)預(yù)測(cè)肺腺癌KRAS 突變狀態(tài)將具有光明的前景。

4 影像組學(xué)在預(yù)測(cè)肺腺癌罕見(jiàn)基因突變中的應(yīng)用

目前，利用影像組學(xué)預(yù)測(cè)肺腺癌基因突變的研究主要集中于EGFR 突變以及ALK 重排，但肺腺癌仍存在其他多種類型的突變，例如ROS1、RET、BRAF、MET ex14 突變等。由于這些基因突變的發(fā)生率較低或目前尚未有靶向藥物問(wèn)世，所以此類基因突變的研究較匱乏。Yoon 等[37]的一項(xiàng)研究發(fā)現(xiàn)，基于PET 的影像組學(xué)模型結(jié)合腫瘤分期和年齡能夠區(qū)分ALK/ROS1/RET 融合陽(yáng)性和融合陰性腫瘤（敏感度=0.73，特異度=0.70），但這項(xiàng)研究并沒(méi)有對(duì)具體的基因突變類型進(jìn)行區(qū)分。在未來(lái)仍需要有大量樣本作為支撐的更深層次研究。

5 小結(jié)與展望

盡管多數(shù)研究證實(shí)了影像組學(xué)在預(yù)測(cè)肺腺癌常見(jiàn)基因突變中的價(jià)值，但其作為一種新興技術(shù)，仍處在初步探索階段，具有一定的局限性。首先，在臨床實(shí)施之前要滿足可重復(fù)性，這也是臨床使用的基本要求。目前影像組學(xué)的可重復(fù)性得不到認(rèn)可。產(chǎn)生不可重復(fù)性的原因有很多，包括異構(gòu)影像采集、興趣區(qū)（即腫瘤實(shí)質(zhì)或瘤周區(qū)域）分割以及統(tǒng)計(jì)方法的使用不當(dāng)。另外，影像組學(xué)還需要大量、多樣化、多中心和高質(zhì)量的數(shù)據(jù)來(lái)概括影像組學(xué)研究的結(jié)果和結(jié)論，因此樣本量是當(dāng)前研究中的一個(gè)關(guān)鍵缺陷，大多數(shù)研究涵蓋的病人數(shù)量有限。再者，目前關(guān)于影像組學(xué)的研究大多為回顧性研究，未來(lái)需要大規(guī)模前瞻性臨床研究來(lái)進(jìn)一步證實(shí)影像組學(xué)的價(jià)值。相信隨著影像組學(xué)的不斷發(fā)展和進(jìn)步，精準(zhǔn)預(yù)測(cè)肺腺癌基因突變并應(yīng)用于臨床實(shí)踐將成為可能，從而為實(shí)現(xiàn)精準(zhǔn)醫(yī)療做出巨大貢獻(xiàn)。