腫瘤影像組學(xué)成像方式及分割感興趣區(qū)方法進(jìn)展

秦思源,劉 珂,郎 寧

(北京大學(xué)第三醫(yī)院放射科,北京 100191)

時(shí)至今日,傳統(tǒng)影像學(xué)方法診斷癌癥及預(yù)測預(yù)后仍面臨挑戰(zhàn)。影像組學(xué)是新興圖像分析方法,可從ROI中提取高維度特征,結(jié)合臨床或基因特征建立診斷或預(yù)測模型,以指導(dǎo)臨床決策;其核心步驟包括圖像預(yù)處理、圖像分割、特征提取及建立模型[1]。圖像分割質(zhì)量對影像組學(xué)模型的有效性至關(guān)重要,但對于如何選定ROI尚無統(tǒng)一標(biāo)準(zhǔn)。本文就腫瘤影像組學(xué)成像方式及分割ROI方法研究進(jìn)展進(jìn)行綜述。

1 成像方式

1.1 CT CT具有成本低、可快速掃描、分辨力高及無組織疊加的優(yōu)勢,根據(jù)病變形態(tài)學(xué)特征、CT值及其與周圍組織的關(guān)系可進(jìn)行定性診斷。影像組學(xué)能從醫(yī)學(xué)圖像中提取肉眼難以辨識的紋理特征,通過篩選關(guān)鍵特征為診斷提供依據(jù),現(xiàn)已廣泛用于各系統(tǒng)腫瘤[2-4]及肺部疾病。姬慧君等[5]提取184例胸部病變患者胸部平掃CT的影像組學(xué)特征,發(fā)現(xiàn)以影像組學(xué)特征聯(lián)合臨床因素鑒別肺炎型黏液腺癌與大葉性肺炎的曲線下面積(area under the curve, AUC)達(dá)0.933。對于CT具有明顯診斷優(yōu)勢的疾病,CT影像組學(xué)更具價(jià)值。CHEE等[6]聯(lián)合應(yīng)用62例椎體壓縮骨折患者的CT圖像及臨床因素訓(xùn)練模型,用于鑒別良、惡性壓縮性骨折,其在驗(yàn)證集55例中的AUC達(dá)0.948,高于臨床模型?；谠鰪?qiáng)CT的影像組學(xué)研究近年來備受關(guān)注,可用于量化評估不同時(shí)相增強(qiáng)CT和平掃圖像的影像組學(xué)特征差異。CHEN等[7]基于299例CT患者資料分別建立平掃CT影像組學(xué)和平掃+增強(qiáng)影像組學(xué)模型以預(yù)測肺腺癌的侵襲性,發(fā)現(xiàn)后者預(yù)測效果(AUC=0.902)優(yōu)于前者(AUC=0.856),表明平掃+增強(qiáng)CT影像組學(xué)具有潛在應(yīng)用價(jià)值。

1.2 MRI MRI具有高分辨率、多平面和多序列成像等優(yōu)勢,可提供豐富的病變信息;T1WI可清晰顯示解剖結(jié)構(gòu),T2WI則能清楚描繪病變,彌散加權(quán)成像(diffusion weighted imaging, DWI)及表觀彌散系數(shù)(apparent diffusion coefficient, ADC)可從分子水平反映組織功能。相比單序列MRI影像組學(xué),多序列MRI影像組學(xué)能從多角度提供病變信息,借助圖像信息互補(bǔ)優(yōu)勢提升模型的準(zhǔn)確性,但分割圖像用時(shí)較長、特征篩選難度加大,工作量亦大幅增加。ZENG等[8]提取160例胰腺導(dǎo)管腺癌多序列MRI(T1WI和T2WI)及多期增強(qiáng)CT影像組學(xué)特征,于其中篩選5個(gè)出現(xiàn)頻率最高的特征用于預(yù)測胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移,發(fā)現(xiàn)前者的預(yù)測能力(AUC=0.786)顯著高于后者(AUC=0.655)。功能MRI影像組學(xué)研究也日益增多,如ZHANG等[9]基于ADC、T2WI及動(dòng)態(tài)對比增強(qiáng)(dynamic contrast enhancement, DCE)MRI利用U-Net自動(dòng)分割模型分割乳腺病變,發(fā)現(xiàn)多序列影像組學(xué)特征鑒別乳腺良、惡性病變的效能(AUC=0.946)明顯優(yōu)于乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)評分(AUC=0.872)。

1.3 PET PET利用組織對顯像劑攝取的不同區(qū)分腫瘤細(xì)胞與正常細(xì)胞,能反映組織缺氧、細(xì)胞壞死等代謝信息[10]。PET/CT可通過一次檢查獲取全身信息,敏感度高;用于影像組學(xué)研究能從腫瘤、腫瘤微環(huán)境中獲取組織代謝信息,現(xiàn)已廣泛用于腫瘤分期、預(yù)測預(yù)后及評估治療反應(yīng)[10-11]。MILARA等[12]基于PET/CT圖像以半自動(dòng)分割方式分離全身骨骼,再以組織CT值去除致密的骨組織和椎管而得到骨髓ROI,發(fā)現(xiàn)利用該方法可評估多發(fā)性骨髓瘤患者接受治療后的殘余病灶。

2 分割ROI方法

2.1 原發(fā)灶 臨床診斷腫瘤及判斷預(yù)后與原發(fā)灶的異質(zhì)性密切相關(guān),需要針對不同目標(biāo)和對象適當(dāng)選擇分割ROI方法。根據(jù)研究目的和內(nèi)容,可僅勾畫腫瘤最大層面的二維ROI,亦可勾畫包含腫瘤所有層面在內(nèi)的三維ROI,其在分割時(shí)間及獲取信息方面各具優(yōu)勢。XIE等[13]以平掃CT影像組學(xué)預(yù)測惡性胸膜間皮瘤有無BAP1基因突變,發(fā)現(xiàn)三維模型在觀察者內(nèi)及觀察者間選擇影像組學(xué)特征的一致性及預(yù)測表現(xiàn)方面均優(yōu)于二維模型;LI等[14]采用CT影像組學(xué)鑒別卵巢良、惡性腫瘤,發(fā)現(xiàn)二維模型與三維模型診斷性能相當(dāng),考慮到時(shí)間和成本效益,建議選擇二維模型。

分割腫瘤時(shí),判定腫瘤邊界可影響模型結(jié)果。周振等[15]基于T2WI觀察2種以不同分割腫瘤方法建立的模型術(shù)前評估直腸癌T分期的效能,其中最小輪廓法沿病灶最明確邊界進(jìn)行勾畫、不包括邊緣模糊區(qū),最大輪廓法則沿病灶最大邊界進(jìn)行勾畫、包括腫瘤周圍的模糊影,結(jié)果顯示以最大輪廓法特征建立的模型優(yōu)于最小輪廓法(AUC:0.928vs. 0.838);分析原因,可能是前者包含腫瘤更多信息、更能反映腫瘤的侵襲性。治療后隨訪中可將治療后的殘余腫瘤作為ROI,但需要結(jié)合治療前圖像;若治療后腫瘤完全消失,則需勾畫腫瘤原始區(qū)域作為ROI[16]。

2.2 腫瘤周圍組織 腫瘤周圍組織對于腫瘤生長、轉(zhuǎn)移、炎癥反應(yīng)及血管生成等方面具有重要影響。相比僅依靠腫瘤影像組學(xué)特征,結(jié)合瘤周特征可提升預(yù)測或鑒別診斷能力[17-21]。分割瘤周組織方法包括邊緣等距擴(kuò)增、分割瘤周正常組織及分割瘤周異常組織。邊緣等距擴(kuò)增為最常用方法,即沿腫瘤邊緣擴(kuò)增一定距離,再加以手動(dòng)調(diào)整。LI等[22]采用CT增強(qiáng)影像組學(xué)預(yù)測肝細(xì)胞癌術(shù)后復(fù)發(fā),分別將瘤周0～1 cm和1～2 cm范圍作為微轉(zhuǎn)移區(qū)和潛在肝硬化背景區(qū),并手動(dòng)去除非肝臟組織;WANG等[23]將肺癌病灶周圍15 mm區(qū)域作為瘤周區(qū)域,并手動(dòng)去除支氣管、大血管和正常組織。瘤周正常組織可能存在肉眼無法直接識別的與腫瘤生物學(xué)行為相關(guān)的微環(huán)境改變,并引起影像組學(xué)特征變化。CHONG等[24]利用影像組學(xué)術(shù)前預(yù)測肝細(xì)胞癌微血管浸潤,隨機(jī)于不同肝葉組織中勾畫5～10個(gè)區(qū)域,結(jié)果顯示,結(jié)合上述區(qū)域影像組學(xué)特征能提升模型的預(yù)測能力。瘤周異常組織指腫瘤周圍存在異常信號/密度的組織;觀察瘤周異常組織影像組學(xué)特征可評估神經(jīng)系統(tǒng)腫瘤[25-26],例如MALIK等[27]評估膠質(zhì)母細(xì)胞瘤時(shí),將T1WI中腫瘤明顯強(qiáng)化區(qū)定義為腫瘤核心區(qū),將其外的T2液體衰減反轉(zhuǎn)恢復(fù)序列圖像呈高信號區(qū)域定義為瘤周異常組織,并發(fā)現(xiàn)該區(qū)主要為瘤周水腫及惡性腫瘤細(xì)胞。HU等[28]將食管鱗狀細(xì)胞癌周圍組織定義為緊鄰食管周圍的組織和淋巴結(jié)。根據(jù)不同研究對象及目的適當(dāng)選擇分割瘤周組織方法可提高影像組學(xué)模型的判別能力。

2.3 腫瘤相關(guān)血管 腫瘤相關(guān)血管也與預(yù)后密切相關(guān),而傳統(tǒng)影像學(xué)難以顯示腫瘤相關(guān)血管與健康血管的差異。定量測量腫瘤周圍血管網(wǎng)絡(luò)形態(tài)和結(jié)構(gòu)指標(biāo)對于預(yù)測預(yù)后的重要性已經(jīng)既往研究[29-30]證實(shí)。BULLITT等[29]前瞻性納入31例乳腺癌腦轉(zhuǎn)移患者,以MR血管成像評估治療期間顱內(nèi)血管形態(tài)變化,發(fā)現(xiàn)血管曲度變化可為早期預(yù)測腫瘤治療反應(yīng)提供有效信息。BRAMAN等[30]分別基于CT和增強(qiáng)MRI對558例非小細(xì)胞肺癌或乳腺癌患者于化療前分離腫瘤脈管系統(tǒng)并提取其定量形態(tài)學(xué)特征,發(fā)現(xiàn)其曲度、扭矩和組織異質(zhì)性等形態(tài)特征與腫瘤預(yù)后相關(guān)。未來或?qū)㈤_發(fā)自動(dòng)分割血管模型,以進(jìn)一步探索血管相關(guān)影像組學(xué)特征與腫瘤生物學(xué)行為的關(guān)系。

2.4 腫瘤周圍淋巴結(jié) 淋巴結(jié)是腫瘤常見轉(zhuǎn)移部位,其病理狀態(tài)對于評估腫瘤分期、選擇治療方案和判斷預(yù)后至關(guān)重要。淋巴結(jié)的傳統(tǒng)影像學(xué)特征包括淋巴結(jié)短徑、邊緣是否規(guī)則、內(nèi)部信號/密度是否均勻等,對其進(jìn)行評價(jià)時(shí)多依賴醫(yī)師個(gè)人經(jīng)驗(yàn),導(dǎo)致可重復(fù)性欠佳。淋巴結(jié)影像組學(xué)特征對于預(yù)測淋巴結(jié)轉(zhuǎn)移、患者預(yù)后等具有重要作用,是原發(fā)腫瘤特征的重要補(bǔ)充。近期研究[31-33]發(fā)現(xiàn)淋巴結(jié)影像組學(xué)特征對于預(yù)測淋巴結(jié)轉(zhuǎn)移和治療預(yù)后方面有顯著意義。CHEN等[31]通過分割瘤周淋巴結(jié)ROI預(yù)測216例食管鱗狀細(xì)胞癌患者淋巴結(jié)狀態(tài),結(jié)果顯示聯(lián)合應(yīng)用淋巴結(jié)影像組學(xué)特征、深度影像組學(xué)特征及臨床特征能有效預(yù)測淋巴結(jié)轉(zhuǎn)移(AUC=0.80)。NAKANISHI等[32]報(bào)道,對于晚期直腸癌,相比盆腔側(cè)方淋巴結(jié)的短徑,以其影像組學(xué)特征更能判斷淋巴結(jié)狀態(tài)。LI等[33]利用原發(fā)腫瘤和外周淋巴結(jié)特征構(gòu)建融合CT影像組學(xué)模型,用于預(yù)測Ⅱ期結(jié)直腸癌患者無病生存期及總生存期,其AUC分別為0.76和0.91,顯著優(yōu)于單一腫瘤或淋巴結(jié)影像組學(xué)特征模型。

3 小結(jié)

隨著人工智能日益成熟,影像組學(xué)在診斷腫瘤與預(yù)測預(yù)后中的應(yīng)用越來越廣泛,正在實(shí)現(xiàn)從理論向臨床實(shí)踐的轉(zhuǎn)變。圖像分割是影像組學(xué)研究的關(guān)鍵,適當(dāng)選擇成像模式和分割ROI方法可提高影像組學(xué)的可重復(fù)性及準(zhǔn)確率,進(jìn)一步促進(jìn)影像組學(xué)模型的臨床應(yīng)用。