影像组学在胰腺癌诊断及评估中的应用进展

邓展昊，左立平，张玉婷，于德新

（1.山东大学齐鲁医学院附属齐鲁医院放射科，山东 济南 250012；2.山东省潍坊市人民医院心内一科，山东 潍坊 261041）

胰腺癌被认为是恶性程度最高的消化道肿瘤，因其早期病情隐匿，较难被发现［1］，确诊后5 年生存率仅9%。MRI、CT、PET 等影像学检查在胰腺癌的鉴别诊断、治疗方案的制订及预后评估等方面有重要作用［2-3］，但基于形态学改变的传统医学影像征象分析可能会忽略某些重要表征，影像组学则弥补了上述不足。Lambin 等［4］提出影像组学可高通量地提取医学影像图像中的2 类特征，定量肿瘤的异质性，用于肿瘤的定性、分级、分期及评估疗效等，进而辅助医疗决策的制订，目前在乳腺癌、肾癌、肺癌、脑胶质瘤等疾病中显示出良好的应用潜力和价值。笔者就影像组学在胰腺癌中的应用进展综述如下。

1 影像组学概述

影像组学是指借助计算机软件，高通量地从医学影像学图像（MRI、CT、PET 等）中提取定量特征，评价影像图像中所包含的基因、蛋白质、细胞、微环境、组织和器官等诸多层次的信息，以辅助精准医疗模式的开展［4］。影像组学提取的量化特征可划分为：①定量特征，用于定量描述病灶，如大小、位置、形状、密度、边缘、血管分布等；②不可知性特征，主要指利用纹理特征和直方图定量分析肿瘤的异质性［5］。影像组学提取的大量特征可运用统计学或机器学习等方法，解析临床信息，应用于疾病的诊断与治疗中［6］。

2 影像组学在胰腺癌中的应用

2.1 在诊断与鉴别诊断中的应用 胰腺癌主要是同各类型的胰腺炎、囊性病变及神经内分泌肿瘤等进行鉴别。影像组学在其中表现出了极大的优势，诊断精确度较传统影像学检查明显提高。Chu 等［7］发现，基于CT 纹理分析诊断胰腺导管腺癌（pancreatic ductal adenocarcinoma，PDAC）的敏感度为100.0%，特异度为98.5%，总体准确率为99.2%，AUC 为99.9%，诊断效能优越，其中灰度共生矩阵、熵的总和、小波滤波图像的平均强度与最大强度是最有诊断价值的影像组学特征。Park 等［8］研究发现，CT 影像组学特征有助于区分自身免疫性胰腺炎（autoimmune pancreatitis，AIP）与PDAC，敏感度为89.7%，特异度为100.0%，总体准确率为95.2%，AUC 为0.975；同时还发现薄层CT 的放射组学特征比厚层CT 的特征更能区分AIP 和PDAC，且对CT 增强扫描而言，静脉期图像比动脉期图像更好；其中，方差、聚类阴影、峰度3 个组学特征诊断效果最佳。还有学者认为，基于18F-FDG PET/CT图像的多域特征整合有利于AIP 和PDAC 的无创鉴别，敏感度为86.0%，特异度为84.0%，总体准确率为85.0%，AUC 为0.930，其中3D 特征的表现明显优于2D 特征，CT 特征的表现略好于PET 特征［9］。对比影像组学，传统影像学的诊断效果欠佳。杜福川等［10］研究发现，CT 诊断AIP 与PDAC 的敏感度分别为83.33%、89.74%，而MRI 的诊断敏感度分别为89.29%、96.43%。陈传新等［11］研究局限性胰腺炎与PDAC 的鉴别诊断，发现不同b 值DWI 综合诊断局限性胰腺炎的敏感度、特异度及准确率分别为78.6%、100.0%和90.8%。此外，还有研究发现MRI 诊断AIP 和PDAC 的敏感度（88.5%～90.2%、97.5%～99.2%）均高于CT（77.0%～80.3%、91.8%～94.3%）［12］。因此，放射组学在胰腺癌与AIP 的鉴别诊断中效果显著。有研究表明，放射组学预测模型在准确性和特异度方面明显优于放射科医师和基于临床因素的预测模型［9］，临床应用前景广阔。在肿块型胰腺炎与胰腺癌的鉴别中，影像组学预测模型亦表现较好［13］。关于胰腺癌与胰腺神经内分泌肿瘤之间的鉴别，有研究证实基于临床特征与影像组学形成的集成模型诊断效能优于临床因素与组学模型分别形成的独立预测模型（AUC 分别为0.884、0.775、0.873）［14］。Li 等［15］亦认为影像组学可有效鉴别胰腺不典型神经内分泌肿瘤与胰腺癌。

2.2 在预测术前分级与分期中的应用 术前肿瘤的准确分级对制订个体化治疗方案至关重要，肿瘤级别高低与术后生存期显著相关［16］。目前，胰腺癌分级方法主要包括活检与影像学检查，但此类方法可能存在安全性、准确性低等问题［17-18］。影像组学为评估胰腺癌的术前分级与分期提供了一个新的无创性方法。有研究发现，基于CT 增强扫描的放射组学特征对区分低、高级别PDAC 具有中等的预测准确性［19］，但另有研究认为CT 纹理特征对胰腺癌分级诊断效能较高（敏感度、特异度和准确度分别为78%、95%、86%），其中集群阴影是最重要的预测因子（敏感度为31.5%）［6］。传统上PDAC 术前淋巴结转移状况的诊断取决于影像学检查，而有研究表明CT 增强扫描诊断淋巴结转移的准确率为48%，而18F-FDG PET/CT的诊断准确率仅68%左右［20］。Li等［21］采用多变量Logistic 回归方法，将提取的放射组学特征（小波滤波图像的平均强度、最大强度等）与临床特征（淋巴结转移状态和病理分级）建立联合预测模型，其识别术前淋巴结转移的AUC 值为0.944，远高于传统影像学。还有研究显示，动脉放射组学评分与淋巴结转移显著相关（P＜0.000 1），动脉放射组学评分越高，淋巴结转移越明显（P＜0.000 1）［22］。此外，影像组学在预测乳腺癌、肾癌等肿瘤的术前分级方面的应用价值较高，已基本得到共识，而在胰腺癌的应用方面仍需多中心、大样本研究完善放射组学预测模型。

2.3 在分子分型与基因表达中的应用 PDAC 根据肝细胞核因子-1（hepatocyte nuclear factor-1A，HNF1A）和细胞角蛋白81（cytokeratin-81，KRT81）2 个生物标志物可划分为与功能和治疗相关2 个分子亚型，KRT81（+）和HNF1A（+）分别定义为准间充质型和非准间充质型［23］。PDAC 分子亚型在患者预后及化疗反应间存在差异，早期识别可指导分层治疗［24］，有前瞻性研究价值。有专家开发了一种随机森林机器学习算法，可根据CT 组学特征预测分子亚型，其敏感度、特异度分别为0.84、0.92，且非准间充质型患者中位生存期（20.9 个月）长于准间充质型（16.1 个月）［25］。Kaissis 等［26］亦发现基于DWI 的随机森林机器学习算法可预测PDAC 的亚型，在独立验证队列中，预测高于中位数的总生存期时，敏感度为87%、特异度为80%、AUC 为90%，且准间充质型PDAC 预后不良。

有研究证实，PDAC 的影像组学特征与基因表达状态有关。有学者尝试用放射组学特征解析已知的PDAC 驱动基因（KRAS、TP53、CDKN2A 和Smad4）在原发肿瘤中的突变状态，模型结果显示PDAC 与Smad4 状态和改变的基因数量有关，影像组学可预测 某些基因的表达状态［27］。Li 等［28］提取47例患者CT 图像的深层特征建立预测模型，深度卷积特征预测C-MYC 基因表达的准确率为95%（AUC 为0.90），形状特征预测HGMA2 的准确率为88%（AUC 为0.91）。上述研究均表明，PDAC 影像组学特征与肿瘤生物学之间的潜在的联系，以及在精准医疗中巨大的应用潜力。

2.4 在预测生存期及疗效评估中的应用 目前，外科手术是胰腺癌主要的治疗方法，但大多数PDAC患者术后会复发，5 年生存率仅9%左右［1］。在临床实践中，生存期及预后评估主要依赖于TNM 分期系统，但其准确性稍差［29］，影像组学或可补充TNM 分期系统未发现的预后信息。Yun 等［30］回顾性分析88 例胰头癌患者根治术后的无病生存期与CT 纹理特征的关系，发现两者显著相关。Cassinotto 等［31］认为瘤内最弱平均衰减值和峰度可提示病变为高级别PDAC 且其无病生存期较短。Sandrasegaran 等［32］研究表明，高的正像素平均值与不良总生存率呈显著相关（P=0.04）。但也有学者不认可上述特征（标准差、最弱衰减区、平均值、峰度）与预后显著相关［33］，这可能与不同研究中图像采集和分析过程的差异有关。纹理参数“熵”量化了图像灰度的不均匀程度，被认为是肿瘤异质性的替代物，Xie 等［33-35］研究均指出熵对预测胰腺癌患者生存期有价值。

还有学者研究了预测生存期的生化和遗传生物学标志物，并试图与影像组学特征建立联系，如运用纹理特征预测某种基因表达状态及预测PDAC 患者的生存时间［27-28］，但其受成本和复杂性等的限制，仍需大量深入研究进行验证。

3 影像组学的发展趋势及挑战

影像组学作为一个特色鲜明的医工交叉研究领域［36］，促进了成像技术的进步、医学信息学的变革，以及基于影像组学的精确医学和个性化治疗的进展［37］。目前，对胰腺癌的影像组学研究已经在术前诊断与鉴别诊断、临床分级分期、基因分型及预后评估方面广泛展开，在协助临床决策方面逐渐占据越来越重要的地位，具有广阔的临床应用前景。但目前对胰腺癌的影像组学研究仍有其局限性：①大多数研究主要集中在胰腺癌手术治疗相关的方面，而其他新型疗法如免疫治疗的预后评估仍缺乏相关的研究。②影像组学对PDAC 等常见分型研究较多，而对其他胰腺癌分型的研究相对缺乏。总之，影像组学作为一个新兴的交叉学科，尽管在许多研究领域已取得一定进展，但仍处于起步阶段，还有许多需完善的地方，如图像采集参数的规范性、ROI 勾画的可重复性、手动与自动分割的差异性、多中心研究的开展和结果的验证等［36］。随着影像组学逐渐发展与完善，其在胰腺癌临床实践中的应用范围会进一步扩大。