影像组学在宫颈癌异质性分析中的研究进展

杨易 综述 冯峰 审校

宫颈癌是女性最常见的生殖系统恶性肿瘤之一，其发病率和死亡率均居女性恶性肿瘤的第四位[1]。宫颈癌的病理类型、分期、分级、血管生成、淋巴结转移等情况对宫颈癌治疗方法的选择有指导作用。外科手术是早期宫颈癌的首选治疗方案，晚期则多采用化疗合并放疗[2-3]。肿瘤异质性(heterogeneity of tumors)是肿瘤的一个重要特征，是肿瘤发生发展过程中，经过多次的分裂增殖，其子细胞产生分子生物学或基因方面的改变。肿瘤异质性可分为时间异质性、空间、结构、细胞、蛋白和基因异质性等[4]。实体肿瘤的异质性主要表现为肿瘤细胞密度、微血管密度及细胞乏氧、增殖、凋亡等方面的不一致性。对于实体肿瘤，可通过影像学生物指标(imaging biomarker，IB)来研究其异质性，IB可以提供空间信息，并且具有非侵入性和可重复性的优点[5-6]。在肿瘤异质性的研究中，可通过功能MRI和PET等获得的IB，对肿瘤进行定性诊断及定量评价[7]。因此，对宫颈癌进行精确的异质性分析对临床治疗方案的选择有重要作用。本文综述MR功能成像及PET-CT在宫颈癌异质性评估中的应用。

影像组学定量分析宫颈癌异质性

1.影像组学的概念

Lambin等[8]于2012年提出影像组学(radiomics)的概念，即高通量地从体层图像(MRI、CT和PET等)中提取大量的影像特征，并通过自动化数据特征化算法将感兴趣区(region of interest，ROI)内的影像信息转化为高保真数字化数据。影像组学对肿瘤影像特征的量化分析是以由肿瘤表型及其微环境所决定的其大小、密度、轮廓或体积及纹理为基础的，并可与癌灶的特征、预后评价和疗效评估等临床参数建立定量关系[9]。

2.影像组学量化肿瘤异质性的步骤及方法

应用影像组学量化肿瘤异质性的过程主要包括以下5个步骤：①获取高质量标准化的图像；②选定感兴趣区；③分割图像；④提取和量化特征数据；⑤数据集成。

在特征数据的提取和量化中，影像组学常采用以下两类特征：第一类，通过计算机辅助量化，用于定量描述癌灶的形态，如大小、轮廓、血管分布、病变内部及周围情况[10]，类似于乳腺和肝脏影像报告和数据系统等；第二类，利用不可知特性，如直方图、纹理特征和空间几何法等，用于定量分析肿瘤的异质性[9]。

目前，通过直方图和纹理分析来评估肿瘤异质性最为常见。直方图具有显示ROI内具有相同强度的像素数的功能，以简单的方式描述了图像中包含的统计信息[11]。大多数直方图分析使用描述性参数来鉴别和比较肿瘤生物标志物的分布，主要参数有平均值、标准偏差、最大值、最小值峰度、偏度、百分位数和熵，这些参数反映肿瘤图像的一阶统计属性[12]。纹理分析是对从图像中提取的表面灰度信息进行量化分析的技术[13]。纹理分析的基本方法包括结构分析法、统计法、模型法和信号处理法。

3.影像组学用于宫颈癌异质性研究的优势

影像组学在宫颈癌异质性研究方面的优势有以下几点：①能够在非侵入的情况下反映肿瘤的时间异质性以及空间异质性，并可多次重复检查；②传统的组织活检并不能全面评估肿瘤整体情况，而影像组学可以提供宫颈癌病灶的整体情况[9,14]；③利用基因组学、代谢组学以及蛋白质组学得到的分子表征是肿瘤个体化治疗的重要依据，影像组学有提供这些表征的潜力[15]；④能够观察宫颈癌在整个治疗过程中发生的变化，并监测及评估宫颈癌的治疗反应，从而达到精准医疗的目的。

MRI常规序列影像组学分析宫颈癌异质性

用于宫颈癌诊断的MRI常规序列：横轴面T1WI，有助于淋巴结及骨转移的检出；横轴面T2WI及横轴面、矢状面脂肪抑制T2WI，有利于宫颈癌病灶的检出、评估肿瘤位置及阴道和/或邻近组织的浸润范围；斜轴位(垂直于宫颈长轴)脂肪抑制T2WI，可用来评估宫颈癌病变的宫旁入侵范围[16]。

目前，MRI常规序列影像组学显示出在评价宫颈癌分子生物学特性以及预测盆腔淋巴结转移等方面的潜在应用价值。Meyer等[17]对18例宫颈鳞癌患者进行常规MRI检查，并对T2WI序列进行直方图分析，结果表明偏度值在鉴别肿瘤HER2表达与否方面有统计学意义(P=0.004)，当阈值为0.32时，对鉴别HER2阳性与阴性宫颈癌的敏感度为100%，特异度为81%。Meng等[18]对34例晚期宫颈癌患者在同步放化疗之前、期间和之后进行盆腔MRI检查，结果显示基于T2WI和ADC图的纹理参数具有成为早期非侵入性影像生物标志物的潜力，可预测晚期宫颈癌在同步放化疗后复发的风险。Wang等[19]对96例早期宫颈癌患者在行根治性子宫切除术及盆腔淋巴结清扫术之前进行T2WI和DWI扫描，结果显示联合影像组学特征与临床病理风险因素的诺莫图比仅基于临床病理风险因素的诺莫图对训练集(C指数=0.893和0.616；P=4.311×10-5)和验证集(C指数=0.922和0.799；P=3.412×10-2)中宫颈癌盆腔淋巴结转移的预测能力均有显著提高。因此，认为基于联合T2WI和DWI的影像组学诺莫图提高了预测早期宫颈癌盆腔淋巴转移的能力，这种非侵入性的方法可用于提高宫颈癌患者术前识别盆腔淋巴结转移的效能。

MRI常规序列对于诊断早期宫颈癌的敏感性较低，尤其是肿瘤分期为IB期以前的宫颈癌[20]。同时，MRI常规序列对宫颈癌分期的诊断符合率相对较低。据相关文献报道，MRI常规序列对IB、IIA及IIB期宫颈癌的诊断符合率分别为83.33%、71.43%和100%，对于IB和IIA期宫颈癌的诊断符合率均低于常规MRI序列联合DWI[21]。

MR功能成像影像组学分析宫颈癌异质性

MR功能成像可产生多种影像学生物指标，这些参数可提供肿瘤的血流灌注、水分子扩散、代谢和乏氧等信息，对于宫颈癌性质的判定、预后的评估及治疗疗效的监测等具有重要作用。本文介绍的MR功能成像技术包括扩散加权成像(DWI)、体素内不相干运动(intravoxel incoherent motion，IVIM)和动态对比增强磁共振成像(dynamic contrast enhanced MRI，DCE-MRI)。

1.扩散加权成像

DWI依赖于对水分子运动或扩散系数的检测，图像对比度通过组织中水分子扩散速率的不同而获得，肿瘤组织内水分子的扩散程度与肿瘤组织的细胞密度、细胞膜通透性以及细胞外间隙扭曲度有关[22]。表观扩散系数(apparent diffusion coefficient，ADC)可从分子或细胞水平上反映肿瘤的微观结构及其侵袭性。

Lin等[23]应用ADC直方图对73例宫颈癌患者和38例宫颈正常或良性病变患者进行分析，结果显示对于高或中分化的宫颈癌，中位ADC值明显升高(P=0.044)；同时，对于低分化宫颈癌，偏度明显升高(P=0.004)。因此，该研究者认为ADC直方图分析有助于区分早期宫颈癌与正常宫颈或宫颈良性病变。Liu等[24]对160例病理证实为宫颈鳞癌的患者进行MRI扫描，从T2WI和ADC图像上获得624个影像组学特征，从中随机选取50个影像组学特征进行重复性分析。结果证实，2D中心切面与3D全肿瘤影像组学模型的诊断效能之间差异具有显著统计学意义(P均<0.0001)；基于b值为800s/mm2与基于b值为1000s/mm2的ADC图建立的影像组学模型预测宫颈鳞癌分化的准确性的差异具有统计学意义(P=0.0076)，b值为1000s/mm2时的影像组学模型具有较好的预测效能。因此，在对于宫颈癌分级时，肿瘤全体积3D影像组学模型具有更好的诊断效能，并建议以b值=1000s/mm2作为骨盆DWI扫描的最佳参数。进一步分析表明，一些影像组学特征如平均绝对偏差(mean absolute deviation，MAD)、低灰度游程优势(low grey level run emphasis，LGLRE)及基于能量的纹理参数E5L5可以为宫颈鳞癌的组织学评估增加更多的信息。Xue等[25]对53例病理证实的宫颈癌基于病理亚型、组织学分化、宫颈浸润深度和淋巴结转移等进行相关的ADC直方图分析，结果发现腺癌的最大ADC值和最小ADC值显著高于鳞癌；用于区分高-中与低分化宫颈癌的ADC值第5百分位数的ROC曲线下面积(area under curve，AUC)最大(0.83)；不同浸润深度或有/无淋巴结转移宫颈癌组间的ADC值差异无统计学意义。然而，在应用DWI来区分转移性淋巴结和反应性淋巴结时，不同学者的研究结果间存在分歧。Liu等[26]对42例行盆腔淋巴结清扫术前的宫颈癌患者的研究表明，当以ADC≤0.881×10-3mm2/s作为阈值来诊断宫颈癌淋巴结转移时，敏感度和特异度分别为95.7%和96.5%。这种相互矛盾结果的产生可能与淋巴结坏死会导致ADC值升高有关。陈文林等[27]应用纹理分析方法对47例宫颈鳞癌进行异质性分析，结果发现早期复发组的熵值高于非早期复发组(P<0.05) ，因此，该研究者认为熵值对于宫颈癌治疗后的早期复发有预测作用。

非癌变情况也可能导致水分子扩散受限，因此 ADC值在良恶性肿瘤的之间测量值存在一定的重叠性，而且DWI图像的信噪比较低，对于解剖结构的观察有一定局限性。另外，当b值>1000s/mm2时，正常的宫颈内膜及癌灶均表现为高信号，因此很大程度上影响了对宫颈癌浸润范围的判断[28]。并且，对于DWI是否具有鉴别宫颈癌淋巴结转移的价值，还有待进一步探讨。因此，基于DWI图像的影像组学对于宫颈癌异质性的分析还存在一定的争议。

2.体素内不相干运动

IVIM技术是DWI的一种扩展，它可同时获取组织内微循环和水分子扩散信息，通过观察水分子的微观运动来评估肿瘤组织中的灌注特征[29]。IVIM成像可获得以下几项参数：真扩散系数(D)，与水分子运动相关；快速扩散系数(D*)和灌注分数(f)，与组织微循环灌注有关[30]。

Thapa等[31]探讨了IVIM参数直方图分析对早期和晚期宫颈癌的鉴别价值，结果表明与子宫肌层相比，臀大肌提供了更好的参考组织。D、D*和f值的第75百分位数可以作为生物学诊断指标来区分早期和晚期宫颈癌。Du等[32]对44例宫颈鳞癌患者的IVIM序列扫描图像进行直方图分析，结果得到D的峰度值在宫颈癌癌灶直径的判别、f的峰度值和偏度值在宫颈癌分级的鉴别中有显著的统计学意义(P<0.05)。

IVIM成像的扩散信息仍是以高斯扩散为基础的，其灌注信息受血流和扫描参数等因素的影响，只能反映部分血流灌注情况，因此，IVIM的诊断效能较差[33]。

3.动态对比增强磁共振成像

DCE-MRI是一种反映组织微循环血流灌注的成像技术，可以定量研究肿瘤微血管的通透性和血容量，同时能量化分析肿瘤血管的分布[34]。肿瘤血管的异质性是肿瘤诊断过程中重要的生物学特性，有利于对治疗效果以及预后的预测。现最常用的是双室动力学模型。常用参数包括容积转运常数(capacity transfer constant，Ktrans)、速率常数(rate constant，Kep)和血管外细胞外容积分数(extravascular extracellular space volume fraction，Ve)。

Wu等[35]对56例经病理证实为宫颈鳞癌的患者行DCE-MRI扫描，分别从Ktrans、Kep及Ve图上获得4类共66个影像组学特征，4类分别为直方图、一阶纹理、灰度共生矩阵(gray-level co-occurrence matrix，GLCM)和灰度行程矩阵(run-length matrix，RLM)，分析这些影像组学特征在评估宫颈鳞癌分级、淋巴血管间隙浸润(lymphovascual space invasion，LVSI)和淋巴结转移中的价值。结果表明在预测LVSI的状态时，Ve显示出最佳的判别效能，特异度为87.0%，符合率为79.6%；在鉴别淋巴结转移和判别肿瘤分级时，Ve显示出最佳的判别效能，符合率分别为81.1%和75.3%。Torheim等[36]通过应用DCE-MRI结合Brix药代动力学模型对81例晚期宫颈癌患者的同步放化疗结果进行预测，结果显示基于灰度共生矩阵(gray level co-occurrence matrices，GLCM)的模型可预测治疗效果，符合率约75%，略高于仅基于临床因素的模型。

DCE-MRI的局限性在于药代动力学模型和用于DCE-MRI的序列、对比剂注射方案缺乏标准化[37]。另外，其分析模型有可能高估或低估Ktrans值，造成诊断特异度降低。

PET-CT影像组学分析宫颈癌异质性

PET-CT是一种多模态分子影像学检查技术，将解剖成像与功能显像融合起来，具有对细胞内糖代谢定性及定量分析的功能[38]。目前临床上最常用的示踪剂是18F标记的脱氧葡萄糖(18F-fluorodeoxyglucose，18F-FDG)，PET-CT可对细胞内糖代谢进行定性和定量分析，从而可定量反映肿瘤的异质性。PET-CT可通过量化以下参数来达到定量分析肿瘤异质性的目的，包括基于强度的代谢参数，如标准摄取值(standardized uptake value，SUV)，基于体积的代谢参数，例如肿瘤代谢体积(metabolic tumor volume，MTV)、总病变糖酵解(total lesion glycolysis，TLG)[39]。

Tsujikawa等[40]对62例宫颈鳞癌和21例非鳞癌患者的PET-CT图像进行纹理分析，从中提取18个影像组学特征，研究表明通过归一化灰度共生矩阵(normalized gray-level co-occurrence matrix，NGLCM)得到的二阶结构特征中，相关性(correlation)在鳞癌和非鳞癌之间差异的具有统计学意义(P=0.003)。鳞癌显示出比非鳞癌更高的相关性，反映出更高的结构完整性和更强的癌细胞空间/线性关系。因此，基于18F-FDG PET的纹理特征可能反映宫颈癌亚型之间组织结构的差异，同时基于PET的影像组学分析方法揭示了PET特征之间的关联，从而使得对宫颈癌的诊断和预后的判断更加精准。为了研究18F-FDG PET影像组学特征与血管内皮生长因子(vascular endothelial growth factor，VEGF)在预测早期宫颈鳞癌患者盆腔淋巴结转移中的表达以及组学特征在预测VEGF表达中的价值，Li等[41]对94例新近诊断为宫颈鳞癌的患者进行PET-CT扫描，并提取肿瘤的影像组学特征，研究结果表明盆腔淋巴结转移患者的TLG和VEGF表达明显高于无淋巴结转移的患者。直方图分析得到的反映同质性的特征参数——偏度在预测淋巴转移方面具有一定的价值；源自直方图和灰度共生矩阵(gray-level co-occurrence matrix，GLCM)的26个影像组学特征与VEGF的表达具有相关性。为了探讨18F-FDG PET对宫颈癌放化疗后效果的预测价值，Lucia等[42]对102例晚期宫颈癌患者在放化疗前进行PET-CT扫描，提取影像组学特征包括强度、形状和纹理，结果显示在经过同步放化疗后的晚期宫颈癌中，通过灰度非均匀性灰度游程矩阵(gray-level nonuniformity gray-level run-length matrix，GLNUGLRLM)得到的组学特征是同步放化疗治疗宫颈癌疗效的有效预测因子，这些特征与宫颈癌的预后呈负相关，并且具有比临床参数更高的对预后的预测能力。

PET-CT已经成为一种准确和可靠的宫颈癌检查手段，并能提供常规影像学检查所不能提供的信息[43]。然而，PET-CT也存在着一定的局限性：①CT软组织分辨率较低；②PET与CT扫描时间不匹配，会造成图像质量的降低；③PET和CT扫描产生较大的辐射[44]。这些局限性一定程度上限制了PET-CT的应用。

总结与展望

当今已进入个体化治疗、精确指导放化疗计划以及外科手术决策、从而提高癌症患者的总体生存率及无进展生存率的新时代。MRI常规序列、MR功能成像和PET-CT结合影像组学在宫颈癌异质性分析方面的应用越来越广泛，对于宫颈癌癌灶的检出及分级、分期、癌灶血管分布、淋巴结转移以及治疗疗效等方面进行预测和评估，并可指导临床决策。

影像组学的应用还存在一定的局限性。由于样本量较少，往往会出现影像组学特征的数量远远大于患者的数量，这可能导致特征选择偏差或假阳性结果[45,46]。此外，由于最佳截断值在不同的数据集中存在差异，因此结果的可重复性较差[15]。

目前，利用MRI常规序列、MR功能成像和PET-CT分析宫颈癌的异质性尚处于初步研究阶段，未来研究的方向可能是影像数据的标准化以及影像组学模型的病灶分割、特征参数提取、模型建立等方面，并与通过与临床、肿瘤标记物和病理进行对照分析寻求更优质的异质性参数，建立指南并进行规范统一，最终形成统一的、精确的评价宫颈癌异质性的标准，应用于临床个体化诊断和治疗。