CT影像组学在胃肠道外间质瘤中的研究进展＊

丁振伟，孙思琦，卢佳萌，程昱昊，赖要宇

（皖南医学院医学影像学院，安徽 芜湖241002）

近年来，恶性肿瘤发病率逐年增高，对人类生命造成很大的威胁。各种医学影像技术广泛应用在肿瘤的早期检查中，胃肠道外间质瘤的检出率较以往显著上升，在尽早选定有效的治疗方案过程中有很大的参考意义。目前，诊断疾病最常用的方法是医学影像技术，它能无创地获取患病部位重要的特征信息。但这些传统诊断方法不能对肿瘤的异质性和危险度等情况进行准确判断，在此背景下，医学工作者们寻求新的方法，新时代的产物“影像组学”应运而生。

1 胃肠道外间质瘤的传统诊断方法

胃肠道外间质瘤（extragastrointestinal stromaltumor，EGⅠST）是起源于腹腔软组织如网膜、肠系膜、腹膜后腔等处，与肠壁或内脏浆膜面无关，仅占间质瘤的3%～4%[1]。人类各年龄阶段皆可发生EGⅠST，在人群中无性别差异并以中老年人群多发。又因肿瘤位于消化道外，腹腔和腹膜后所余空间大，因此症状常于晚期被发现，病人的临床表现主要为腹部有异常感觉、腹部出现肿块和腹痛，首次发现时瘤体往往较大。当发现疑似患者，除了应用相关肿瘤标记物检查之外，临床上还常常使用影像学技术。首先对其进行检查确定有无良恶性肿瘤，如有再进行肿瘤定性、定位等相关信息的分析和处理，迅速且准确地选择后续治疗方案，接受手术或相关药物治疗，延长生存时间保证患者的生命质量。目前治疗手段以手术切除发病部位为主，手术类型和范围的选择由肿瘤所在的部位和大小共同决定。目前来说，在治疗前临床最为关注的问题，除了正确判断EGⅠST良恶性、异质性，还有手术治疗的危险度，这些因素对临床在选择治疗方案时有着重要的参考价值。通过这些特点，可以直接制定临床治疗方案，预测治疗效果，以及评估患者治疗后恢复情况。

目前EGⅠST常用的影像学检查包括超声、CT、MRⅠ等。其中又以CT影像检查技术最为常用，在很多方面运用起来都有很大的优势。

2 胃肠道外间质瘤的CT特征

EGⅠST的CT表现如下：①EGⅠST体积大。②EGⅠST内部出现液气平面影的概率极小，这一特点是胃肠道外间质瘤特征性表现。③EGⅠST的密度不是均匀的，而且有很大概率发生坏死和囊变。④EGⅠST的形状小部分是类圆形，大部分是不规则形，周围见分叶。⑤EGⅠST实性部分清楚地表现为均一强化，在动脉期时，线条状的异常增强肿瘤血管影清晰可见，但是对于囊变坏死区来说，在动脉期和门脉期都没有明显强化。⑥EGⅠST直接侵犯周围组织的病例较少，常常压迫移位，腹膜后淋巴结转移概率也较小。早期检查时，肿瘤是否存在及其诊断过程中CT有着举足轻重的价值，但显而易见这种方法是一种定性分析，严重依赖于临床医生的视觉观察及常年累积的诊断经验，可能存在误差和具有不可重复的特点。在临床上精准的病理检查被称为最可靠的检查方法，因此，胃肠道外间质瘤的确诊通常依靠病理检查及免疫组化得出，多数患者经有创获取病灶样本，制成病理切片，病理检查后通过其病理学特点来精准判断肿瘤的特征。此方法为有创操作，因此不可多次重复，同时也会给患者带来痛楚和出现并发症的可能。术前评估患者良恶性至关重要，因为精准的术前良恶性判断对患者的治疗和预后有着不可小觑的影响，对于EGⅠST来说，准确而迅速地评估其危险度及下一步的诊治至关重要，会给患者带来最大的好处。CT影像组学与传统检查方法相比，能够自动地提取图像显示的有效信息，在一定程度上减少了影像医师主观原因造成诊断误差的概率，可更加客观、全面地反映肿瘤潜在的生物学特性。CT影像组学逐渐广泛应用于肿瘤的诊断和治疗的过程之中，而且取得了一些比较有意义的成果。

3 影像组学的工作流程

CT影像组学就是从CT检查的图像中高通量地提取大量的影像特征，应用大量自动化数据特征化算法将感兴趣区（region of interest，ROⅠ）的影像数据转化为可采集的、拥有高保真度和高通量的、具有高维可发掘的特征空间数据，并进行数据挖掘，将影像学特征与表型或基因-蛋白特征相联系起来，用于构建描述和预测模型。其核心假设是对图像特征数据进行自动化分析获取对疾病诊断、预后及预测有价值的信息[2]。

胃肠道外间质瘤CT影像组学的工作流程为：①数据采集与重建。根据研究目的，收集相同或相似采集参数的数据集。②图像分割与绘制。通过自动化分割算法[3]或临床专家勾画确定胃肠道外间质瘤区域ROⅠ。③特征提取和选择。从图像中提取和限定描述性特征，如灰度分布、灰度级之间的空间关系、纹理异质性、小波等[4-5]。④模型建立及数据共享。通过对选定的影像组学特征与结果进行分析建立预测模型[6]。

4 CT影像组学在胃肠道外间质瘤方面的发展应用

CT是胃肠道外间质瘤影像学检查技术应用最广泛的，近年来，CT影像组学在肿瘤的研究逐渐增多，且取得了以下一些不错的效果：①区分肿瘤的良恶性。6个纹理特征建立的分类模型能够在训练集和验证集中成功地区分良恶性胃肠道间质瘤。该模型在训练集中得到的AUC、敏感性、特异性和分类准确率分别为0.93、0.88、0.85和0.87；验证集中分别为0.91、0.87、0.86和0.86[7]。②肿瘤的病理分型及诊断。在病理分型及诊断方面，基于CT的影像组学对胰腺导管内乳头状黏液瘤有预测的潜力，该肿瘤多数为胰腺癌的早期病变[8]。③进行肿瘤危险度的预测。基于增强MDCT的图像提取质地和形态特征所开发的影像组学特征模型，对高危和低危胃肠道间质瘤患者的鉴别准确性较高[9]。有研究显示，经CT提取形状大小特征、一阶统计特征、高阶纹理特征3大纹理特征，然后应用基于ReliefF、MⅠ（MutualⅠnformation）、Fisher Score、EC（Eigenvector centrality）的前向选择算法进行特征提取，并利用SVM（support vector machines）、RF（Random forest）、KNN（K-Nearest Neighbor）分类器进行训练得到预测模型。最后对模型进行评估比较，实现了基于影像组学特征的胃肠道间质瘤危险度分级预测辅助诊断[10]。④预测肿瘤的预后效果。一项研究282例早期非小细胞肺癌患者中，影像组学显示出对疾病预后额外的预测价值[11]。CT影像组学在得到相应的影像图像后，进行相关的专业技术处理，可得到肿瘤的形态特征及部分功能上的重要信息，由此监测疾病的发生、发展，以及对相应的治效方案进行评价。对肿瘤的异质性和危险度分级远远超越了影像医师经验所得的判断结果，可以反映组织的细胞微环境的微妙变化，可作为定量探究病灶异质性的一种重要手段。在可见的未来，影像组学可以提供更为精确的诊断，为患者提供更好的治疗手段。当前，影像组学作为一套标准的研究流程，在越来越多的临床应用中得以实施。依据大量研究，有理由相信CT影像组学在胃肠道外间质瘤的诊断中有很大的发展潜能。

5 挑战和展望

5.1 挑战

影像组学作为研究疾病的一种新方法，目前发展有限，存在许多问题需要解决，其中有两个问题严重阻碍了影像组学的向前发展，即没有完备的数据库和数据缺乏统一标准。

5.1.1 没有完备的数据库

临床数据庞大，各种变量关系错综复杂，在对某一肿瘤采取特征提取的时候影像组学通常会从中得到数以万计的特征，然而可以来回进行验证的数据却寥寥无几，两者比例相差较大。未来从错综复杂的众多数据中挑选出有意义的部分建立数据库，需要投入大量的人力物力。由于有用的数据相对较少，要建立因果关系的映射可谓步步艰辛。现有的影像组学研究小样本占绝大一部分，很少研究大量样本，所得的结论也没有得到广泛验证。

5.1.2 数据缺乏统一标准

由于医学影像设备的图像获取及成像算法中还没有一个公认统一的标准，不同的科研机构采用不同的方法，图像采集和影像分析根据不同的标准结果也各有差异，不具有普遍性。就目前研究来说，已经有很多的技术和算法应用于影像组学，然而阻碍研究进展的是还没有制定统一标准，最优的方法仍不知是哪一种。

5.2 展望

人工智能是当前研究的一个热点，其特点是通过计算机来模拟人类的思维过程并做出最佳判断，随着科技的不断进步，为人工智能技术的发展带来勃勃生机，人工智能也逐渐应用在医学工作的过程当中。其中，医学影像与人工智能的结合是最具发展前景的领域[12]。从现在的研究结果来看，目前的研究主要是利用CT数据，多数研究的样本量也不大，结果的可行性尚需未来更多实验来验证。在研究肿瘤过程中，医学影像与人工智能的结合在三个主要的临床任务中发挥了巨大的作用，即肿瘤的检测、表征和监测[13]。人工智能越来越智能化，在其他的研究和应用方面将会有很大的发展空间，将来有很大可能应用到临床医学影像工作中，比如通过人工智能自动化提取影像特征，可将其应用于疾病的分析和综合诊断。未来人工智能在肿瘤研究中可以开展的工作还有很多，例如疾病的诊断，胃肠道外间质瘤影像的自动化分析，肿瘤的良恶性、危险度和异质性预测。对重大疾病的预测，对早期干预、优化治疗手段和疗效评估具有指导意义。

6 小结

随着医学的进步，影像组学的提出和应用大大地推动了精准医疗的发展，最近数十年，研究肿瘤良恶性、危险度分级、分期、分型、预后等方面取得了一系列成果，影像组学不但能够提前诊断出疾病，而且能做出更加合适的应对方案，使预后效果更好，使患者益处最大化。影像组学作为一个新兴领域，必然存在许多挑战和发展的空间。一方面存在很多需要人们未来进一步解决的问题，如没有完善的数据库、图像获取和成像算法缺乏统一标准等；另一方面，新兴领域的研究同样存在很大的进步空间，比如人工智同CT影像组学在肿瘤的应用。因此，需要进行不断研究，需要更多严谨创新的想法，相信在广大医学科研工作者的一致努力下，影像组学将会给医学带来重大意义的改变。