摘要

影像組學是目前胰腺癌影像領域的熱點研究方向之一，已逐步應用于胰腺癌的診斷、鑒別診斷、療效評估及預后預測等方面。但胰腺癌影像組學仍存在數據質量參差不齊、缺乏驗證等問題亟待解決。本文就影像組學在胰腺癌中的應用及研究進展展開綜述。胰腺癌是一種極為兇險、高度惡性的消化道腫瘤，其發病呈明顯年輕化趨勢，我國胰腺癌發病率和病死率逐年上升，發病率占我國惡性腫瘤的第6位，死亡率占第9位。影像學檢查在胰腺癌的檢出、準確診斷、鑒別診斷、評估手術獲益、療效評估及預后預測等多個臨床診療環節均發揮重要作用，而傳統的影像檢查只能顯示病變和器官簡單的特征，如形態、大小、強化方式等，尤其在評估胰腺癌放化療及新輔助治療療效等方面存在一定局限性。影像組學源于計算機輔助診斷（computeraideddiagnosis，CAD），可提取肉眼無法識別的高通量影像特征，將圖像轉化為具有高分辨率、可發掘的空間數據，并應用自動化數據特征化算法對影像數據進行更深層次的挖掘、預測、分析，從而全面、無創地識別病變異質性，反映病變的生物學行為，進而輔助醫師做出最準確的診斷。此外，影像組學可與其他數據（如病理數據、基因數據）聯合，從而更好地區分病變表型、預測病變治療反應及預后。影像組學的流程主要包括收集數據、數據標注、特征提取、算法建模及模型應用5個方面。一、影像組學在胰腺癌診療中的應用現狀及研究進展1.胰腺癌的診斷及鑒別診斷：早期準確地檢出、診斷胰腺癌，避免錯過最佳的手術時期，對于胰腺癌患者的預后具有重要的臨床意義。納入了190例胰腺癌及190例胰腺正常患者，訓練集（n=255例）中胰腺癌125例，驗證集（n=125例）中胰腺癌60例，利用手動三維分割全胰腺組織的CT紋理分析建立的隨機森林二元分類的模型在訓練集診斷胰腺癌的準確度為99.2%（124/125），驗證集中的準確度為100.0%（60/60），基于全胰腺組織的紋理分析可以幫助檢出胰腺癌。但需注意的是，該研究中胰腺癌病變直徑（4.1±1.7）cm，這部分患者放射科醫師一般均較容易診斷，將來仍需進一步嘗試將該方法應用于評估小胰腺癌和等密度胰腺癌的檢出中，且應與放射科醫師檢出的準確度進行比較。除了檢出胰腺癌，影像組學也可用于準確鑒別胰腺癌與其他易誤診為胰腺癌的疾病，包括胰腺神經內分泌腫瘤、胰腺淋巴瘤和自身免疫性胰腺炎。胰腺癌及胰腺神經內分泌腫瘤是臨床上常見的兩種胰腺實性占位，其影像學表現有一定程度重疊，而兩者的手術指征、方式及預后等存在一定差異，因此在臨床決策前無創準確區分兩者具有重要的臨床意義。大部分研究結果支持影像組學鑒別診斷兩者的價值優于常規的臨床及影像學特征的結論。的研究共納入67例不典型胰腺神經內分泌腫瘤及80例胰腺癌患者，結果顯示，影像組學聯合常規臨床影像信息可以很好鑒別兩者，其診斷的受試者操作特征（recieveroperatingcharacteristic，ROC）曲線下面積（areaundercurve，AUC）在訓練集和驗證集中分別為0.96和0.88。需指出的是，上述不同研究中的胰腺神經內分泌腫瘤的入組條件有差異，且均屬于回顧性研究，研究的樣本量較小，并缺少前瞻性驗證。納入了15例淋巴瘤和30例胰腺癌患者，研究發現CT紋理特征與常規影像學特征病變大小對于兩者的鑒別診斷效能相當，AUC分別為0.70、0.82。2019年利用PET-CT的紋理分析鑒別診斷胰腺癌及自身免疫性胰腺炎，發現基于影像組學特征的模型診斷準確性高于臨床指標模型，AUC分別為0.93、0.82，而與綜合模型相當（AUC為0.92），進一步證明了影像組學在胰腺癌鑒別診斷中的價值。目前尚缺乏鑒別胰腺癌及慢性腫塊型胰腺炎及溝槽性胰腺炎等的相關研究，而準確區分胰腺炎性及腫瘤性病變具有重要的臨床意義。此外，準確判斷淋巴結轉移和胰周血管周圍的軟組織成分，對于胰腺癌的準確分期及指導手術治療具有重要意義，這部分仍有待進一步的研究探索。2.胰腺癌治療療效評估：目前臨床上廣泛采用腫瘤治療反應標準（responseevaluationcriteriainsolidtumors，RECIST）評估胰腺癌治療療效，但其主要基于病變大小，而胰腺癌經過治療后，可表現為腫瘤中纖維成分和腫瘤活性成分比例的改變，腫瘤大小無明顯變化。準確評估及預測胰腺癌治療療效成為臨床診療路徑中的難點之一。影像組學在非小細胞肺癌及結直腸癌治療后療效評估中，顯示出了良好的預測效果。目前，已有學者將影像組學應用于胰腺癌療效的評估及預測中，主要包括評估化療、新輔助治療和立體定向全身放射治療后療效及患者的預后預測。嘗試利用影像組學評估胰腺癌新輔助治療療效（n=17），結果表明影像組學參數峰度值可以幫助明確患者是否對治療反應，而傳統臨床及影像學指標無法評估治療是否有效。在一項納入45例新輔助治療患者的研究中同樣證實，影像組學特征可以幫助預測新輔助治療反應，有意義的影像組學特征是表面體積減去值、GLCMIDM減去值和GLCM對比度（風險比分別為1.077、0.159和0.982，P值分別為0.011、0.005和0.012）。在一項納入100例接受立體定向全身放射治療的胰腺癌患者的研究中發現，CT影像組學特征可以幫助識別低風險和高風險患者。上述研究結果均表明影像組學在胰腺癌療效評估及預測中具有一定的前景，且初步顯示對于療效預測及評估有價值的影像組學特征主要有峰度值、偏度值和熵值。這些特征可以反映腫瘤異質性，但仍需更大樣本量的研究進一步證實，且需要進一步尋找穩定性、重復性好的影像組學特征評估療效。3.胰腺癌預后預測：有學者采用CT的影像組學特征和PET-CT的影像組學特征評估胰腺癌的預后，包括可切除胰腺癌根治性切除術后及不可切除胰腺癌患者的晚期預后。嘗試利用PET-CT影像組學特征預測胰腺癌根治性切除術后患者的預后，結果表明更高的熵值（風險比=5.59，P=0.028）是不良預后的獨立危險因素，而傳統的影像學指標（風險比=0.98，P=0.875）不能用于預測胰腺癌患者的預后。在納入30例胰腺癌的研究中發現，非相似性和歸一化逆差與總生存時間具有相關性。其他多個研究結果也均證實，術前病變的CT影像組學特征與根治性切除術后胰腺癌的預后之間具有相關性。其中樣本量最大的一項關于胰腺癌根治性切除術后預后的研究中納入了161例患者，按照Cox回歸分析建立兩個生存模型，模型一主要依據CA199的水平和術前病變的影像組學特征，模型二則主要依據CA199水平、術前病變的影像組學特征和Brennan評分（病理成分評估），最終兩個模型的C-index分別為0.69和0.74。有學者嘗試利用影像組學評估局部晚期不可切除胰腺癌患者的預后，利用CT紋理特征預測不可切除胰腺癌化療后的預后（n=41），結果表明，CT紋理特征與無進展生存時間和總生存時間相關，且紋理特征與治療前的紋理特征集與病變大小聯合可較好預測患者的預后。雖然大多數研究均表明術前影像組學特征可以用于預測胰腺癌患者預后，但報道，胰腺癌（n=99）的所有CT紋理特征與胰腺癌的無進展生存時間均無相關，而傳統的影像學特征即門靜脈期更低的CT值提示胰腺癌侵襲性更強，級別更高，淋巴結轉移風險更大，預后更差。總之，目前多數研究均表明了影像組學在胰腺癌預后預測中的價值，包括胰腺癌術后預后及不可切除胰腺癌預后的預測，但不同研究結果之間仍存在一定差異，影像組學對于胰腺癌預后的價值仍有待更大樣本量的研究證實。4.胰腺癌影像基因組學：微觀的基因、蛋白質模式改變以及分子改變都會在腫瘤宏觀影像學特征上表現出來，影像與基因之間存在著密切關系。目前，影像基因組學在肺癌、乳腺癌及腦腫瘤等的基因表型研究較多，也初步應用于胰腺癌的研究中。納入35例胰腺癌患者，利用術前CT影像組學特征可以預測手術病理標本SMAD4基因的表達，此外CT影像組學特征與腫瘤的間質含量相關（R2=0.731），而SMAD4基因的表達和腫瘤間質與腫瘤的預后和治療反應有一定關聯。影像組學可以無創預測胰腺癌的基因表型，可視化腫瘤微環境，為胰腺癌臨床個體化治療帶來了曙光，但這部分仍屬于起步階段，仍有待進一步深入分析研究。5.其他：入組117例胰腺癌術后患者，利用術前門靜脈期的CT影像組學特征預測術后胰瘺風險，結果表明基于術前門靜脈期的影像組學特征構建的模型預測胰瘺的準確度在訓練集和驗證集中分別為0.825和0.761，兩者均顯著高于臨床常用的胰瘺風險評分。筆者認為該研究結果有望進一步應用于臨床中，提高術后胰瘺預測的準確性。除此之外，常規形態學影像特征無法準確鑒別胰腺癌術后術區軟組織成分是術后反應還是腫瘤復發，筆者認為影像組學有望解決這一難題。二、挑戰1.數據數量和質量問題：前期影像組學研究的樣本量普遍較小，多數研究樣本量不超過100例，數據質量也存在較大的差異。多中心聯合數據庫的建立與分享及云數據可為影像組學研究提供充足優質的數據資源。2.圖像分割方法：胰腺癌具有浸潤性生長的特點，腫瘤邊界欠清，準確分割病變難度較大，目前仍多采用手動或半自動的分割方法。深度學習無需對病變的標注，但對樣本量要求高，隨著數據資源的累積，有望解決胰腺圖像分割的問題。此外，目前圖像分割仍局限于腫瘤本身，忽略了瘤周環境、術后術區組織等對預后的影響，如何多角度、全面利用影像數據提供更多信息仍有待進一步探索。3.特征穩定性、可重復性和冗余：多種參數包括不同設備、不同參數設置、層厚、重建方法等均會對影像組學特征產生影響。此外，影像組學可獲得海量的特征，如何從海量的特征中識別出辨識度高、獨立性強、穩定性及可重復性高的特征仍需大量的工作。4.影像組學的進一步實際臨床應用：雖然，影像組學廣泛應用于不同系統的研究中，但如何將其應用于臨床、切實解決臨床需求并改善患者的預后仍長路漫漫。三、總結和展望影