18F-FDG PET/CT影像组学预测恶性肿瘤预后

陈思鹭，刘 萌

(北京大学第一医院核医学科，北京 100034)

PET/CT为功能性分子影像学技术，18F-FDG是其最常用显像剂之一，可反映病灶葡萄糖代谢水平。随着人工智能和机器学习技术的迅速发展，18F-FDG PET/CT影像组学取得较大突破。本文对18F-FDG PET/CT影像组学评估常见恶性肿瘤预后的进展进行综述。

1 PET/CT影像组学概况

影像组学可自动、高通量提取医学影像学的大量定量特征数据，并以自动或半自动算法将其转化为可挖掘数据而加以深层次分析和解读，提升影像分析能力[1]；其主要操作流程包括获取图像、识别与分割ROI、量化体素灰度、提取特征、分析数据、构建模型与验证等[2-3]。借助计算机强大的信息处理能力，利用机器学习(machine learning, ML)等技术可挖掘影像中更丰富、更深层次的信息，提高诊断疾病和评价预后的准确性。

PET影像组学主要通过分析病灶纹理特征与代谢特征反映其分子生物学功能；CT影像组学则更着重于分析病灶的形态学特征，以反映其解剖病理结构。PET/CT影像组学结合二者优势，能比单一影像组学更充分地反映肿瘤内部的功能和结构信息，帮助临床医师适当选择治疗方案并更好地评估预后。

2 18F-FDG PET/CT影像组学评估恶性肿瘤预后

2.1 肺癌 目前多数研究针对肺癌原发灶治疗前、后PET/CT影像学特征，且观察对象多为非小细胞肺癌(non-small cell lung cancer, NSCLC)。KIRIENKO等[4]分别提取原发灶CT、PET及PET/CT数据集，结合临床及病理信息筛选影响术后总生存期(overall survival, OS)、无进展生存期(progression free survival, PFS)及无病生存期(disease free survival, DFS)等指标的相关因素，并构建PET/CT影像组学预测模型，其包括CT影像组学中灰度共生矩阵(gray-level co-occurrence matrix, GLCM)的均匀性、灰度游程矩阵(gray-level run-length matrix, GLRLM)的短游程优势(short-run emphasis, SRE)等参数及PET影像组学中的最大标准摄取值(maximum standard uptake value, SUVmax)、GLRLM的长游程高灰度优势(long-run high grey-level emphasis, LRHGE)及高灰度游程优势(high grey-level run emphasis, HGRE)等。此外，有学者构建PET/CT影像组学模型，用于预测经放射治疗(简称放疗)、化学治疗(简称化疗)[5]及立体定向放疗[6]等不同治疗后NSCLC患者预后，但仅限于预测单一特定方案，尚不能用于预估何种治疗可带来最大获益。

此外，其他部位PET/CT影像组学特征对NSCLC预后的影响亦受到关注。ZHANG等[7]发现淋巴结PET/CT影像组学特征对于预测局部进展期NSCLC患者预后具有重要意义，如受累淋巴结之间基线最大距离、2个时间点所测原发肿瘤与受累淋巴结之间最大距离的变化等。MATTONEN等[8]提出NSCLC患者骨髓PET/CT影像组学特征中GLCM的总平均偏度及聚类趋势偏度与其预后密切相关。综合原发灶与他部位PET/CT影像组学特征构建模型，或可更准确地预测NSCLC患者预后。

NSCLC患者表皮生长因子受体(epidermal growth factor receptor, EGFR)基因突变情况与临床选择治疗方案及患者预后密切相关。MU等[9]基于PET/CT图像构建深度学习(deep learning, DL)模型——EGFR DL评分，发现在接受EGFR/酪氨酸激酶抑制剂治疗的患者中，该模型与PFS呈显著正相关；但在接受免疫检查点抑制剂(immune checkpoint inhibitor, ICI)治疗患者中，该模型与临床获益、超进展反应及PFS等呈显著负相关。以上结果提示，影像组学模型可无创、定量分析NSCLC患者EGFR基因状态，有助于临床选择治疗方案。此外，MU等[10]构建的包含多个参数的PET/CT影像组学特征、美国东部肿瘤协作组评分及远处转移情况的列线图可用于预测ICI治疗ⅢB～Ⅳ期NSCLC患者的有效性，有助于拟定对进展期NSCLC的个体化治疗方案。

2.2 乳腺癌 PET/CT影像组学用于预测乳腺癌预后研究较多，但结论莫衷一是；部分学者[11-12]认为PET/CT代谢参数[如SUVmax、病灶糖酵解总量(total lesion glycolysis，TLG)、代谢活性肿瘤体积(metabolically active tumor volume, MATV)等]的价值高于纹理特征(如熵、均匀性、能量与对比度等)；但也有不同观点认为根据纹理特征(如数量不均匀性)可独立预测局部进展期乳腺癌患者经新辅助化疗(neoadjuvant chemotherapy, NAC)后的病理反应[13-14]。HA等[14]利用无监督聚类ML方法分析乳腺癌PET/CT图像，构建了含有多个影像组学特征的预测模型，对患者预后进行危险分级。LI等[15]通过无监督和有监督ML方法建立NAC治疗前乳腺癌PET/CT影像组学模型，用于预测是否病理完全缓解，发现影像组学特征与肿瘤的组织病理特征及临床分期相关。

2.3 消化系统恶性肿瘤 TNM分期结合PET/CT影像组学特征可更准确地预测消化系统恶性肿瘤患者预后。JIANG等[16]自胃癌PET/CT图像80个定量特征中筛选 3个与预后相关者(Hist_Var、Hist_Entropy与LGRE_GLRLM)构建影像组学评分(radiomics score, RS)，经多因素Cox回归分析得到包括RS、TNM分期等在内的6个危险因素，并构建影像组学列线图；结果显示，影像组学列线图能较TNM分期、临床病理列线图更准确地预测DFS和OS，而化疗仅可延长高RS胃癌患者的DFS及OS。FOLEY等[17]的Cox回归分析结果显示，食管癌OS与3个PET/CT影像组学特征[log(TLG)、log(直方图能量)、直方图峰度]、年龄、治疗方案及TNM分期显著相关，据此构建了预后评分公式，并将患者分为4组，各组间OS在训练集与验证集中均存在显著差异，外部验证结果同样证实了该模型的预测价值。

LOVINFOSSE等[18]的Cox回归模型分析结果显示，PET/CT影像组学特征(粗糙性、均匀性、TLG)与局部进展期直肠癌(locally advanced rectal cancer, LARC)预后显著相关，为LARC预后的独立预测因子。GIANNINI等[19]基于LARC患者治疗前PET/CT和MRI纹理特征进行多因素分析，预测NAC后病理反应，发现包括5个PET和1个T2WI二阶纹理特征的logistic回归模型的预测价值最高。BLANC-DURAND等[20]根据经肝动脉90钇放射性栓塞治疗前的肝细胞癌(hepatocellular carcinoma, HCC)PET/CT图像分别构建PFS(包括强度)和OS影像组学评分[包括强度、可变性、对比与低强度游程小优势(low intensity run short emphasis, LIRSE)]，多因素分析显示二者分别为影响PFS、OS的独立因素，风险比分别为120及16.1。目前PET/CT影像组学用于预测HCC经手术及放化疗后预后的价值尚待观察。RAHMIM等[21]观察结直肠癌肝转移的PET/CT图像，发现以标准摄取值(standard uptake value, SUV)预测预后的效果并不理想，而转移灶数量、肿瘤代谢体积(metabolic tumor volume, MTV)、TLG等指标的表现则相对良好，提示以PET/CT影像组学特征预测结直肠癌肝转移患者预后具有巨大潜力。

一项研究[22]评价PET/CT影像组学与ML方法预测胰腺癌预后的价值，发现灰度区域长度矩阵(gray-level zone length matrix, GLZLM)的灰度非均匀度(gray-level non-uniformity, GLNU)与患者1年生存率相关度最高，其次为TLG；GLZLM的GLNU(>15.3)联合TLG(>34.6)可将患者危险程度分为3层，其间预后差异显著，提示通过ML可筛选对评价胰腺癌预后具有价值的PET/CT影像组学特征。

2.4 头颈部恶性肿瘤 PENG等[23]利用DL方法分析晚期鼻咽癌PET/CT影像组学特征，发现18个特征与DFS显著相关；以之构建的影像组学列线图可将患者分为高、低危险组，其5年DFS分别为50.1%和87.6%；高危患者可从诱导化疗中获益。相比TNM分期、血清EB病毒DNA水平，该影像组学列线图可更准确地预测晚期鼻咽癌治疗效果，帮助临床选择更佳治疗方案。

BOGOWICZ等[24]通过2种不同软件分析头颈部鳞状细胞癌经放化疗后的PET/CT影像组学特征，所构建的2种模型均可预测局部肿瘤控制，但649个特征中仅80个的组内相关系数>0.8，提示对以不同方法选取的PET/CT影像组学特征及所构建模型的可重复性尚待深入观察。XIE等[25]以ML重复采样技术提高了PET/CT影像组学中不平衡数据集预测头颈部恶性肿瘤预后的能力。总体而言，在以PET/CT影像组学预测包括头颈恶性肿瘤在内的各类肿瘤预后过程中，在不同设备[26]、不同队列及不同算法[24]之间，结果的可重复性问题仍有待改进。

2.5 淋巴瘤 PET/CT影像组学可对不同类型淋巴瘤患者进行危险分层。COTTEREAU等[27]以PET/CT影像组学特征预测进展期弥漫大B细胞淋巴瘤(diffuse large B cell lymphoma, DLBCL)预后；多因素分析显示，反映肿瘤负荷扩散的PET/CT影像组学参数——2个相距最远的病灶之间的距离(Dmaxpatient)与PFS显著相关，且Dmaxpatient、MTV均与OS显著相关；以MTV(>384 cm3)和Dmaxpatient(>58 cm)2个条件对患者进行危险分层，不同层次DLBCL患者之间，PFS与OS均存在显著差异。MAYERHOEFER等[28]评估套细胞淋巴瘤治疗前PET/CT影像组学特征与代谢参数，并联合临床病理指标评估预后；结果显示，平均SUV(mean SUV, SUVmean)和熵与2年PFS显著相关，SUVmean(>3.55)及熵(>3.5)较高提示预后较差；将套细胞淋巴瘤国际预后指标与代谢危险因素相结合所构建的模型预测PFS效果最佳，根据该模型将患者分为低、中与高危组，其PFS分别为43.2、38.2与20.3个月。LUE等[29]自治疗前霍奇金淋巴瘤PET/CT图像中提取450个影像组学特征，并从中筛选出SUV峰度、强度不均匀性作为可能影响预后的独立危险因素，并发现结合霍奇金淋巴瘤Ann Arbor分期系统设计的预后评分模型较Ann Arbor分期更有利于进行风险分层。目前针对不同分层患者应如何选择更为合适的治疗方案的问题并未获得答案。

3 小结与展望

近年18F-FDG PET/CT影像组学在恶性肿瘤预后研究领域中不断取得突破，展现出不可忽视的优势及应用前景。临床医师可利用PET/CT影像组学了解肿瘤原发灶解剖结构及生物学活性，全面把握全身淋巴结及远处转移灶等变化情况，并获得更丰富、准确的影像学信息。但另一方面，目前该领域亦面临诸多挑战：①缺乏标准化研究流程和与之对应的影像组学特征提取方法，不同算法与预测模型之间存在可重复性差、可比性低甚至无等问题；②针对部分肿瘤(如小细胞肺癌、HCC、肾细胞癌等)的研究尚有不足，且当前研究多针对治疗前原发灶的PET/CT影像组学特征，对淋巴结转移、远处转移灶及治疗过程的相关研究不够深入；③现有研究多为回顾性、单中心、小样本研究。相信在日益发展的AI、医疗大数据等新兴技术的助力下，PET/CT影像组学将在恶性肿瘤预后方面发挥更大作用，成为“虚拟活检”的重要工具，通过动态监测肿瘤治疗前、后变化，在现有预后分层指标基础上更加精准地预测恶性肿瘤患者的预后，进而为制定临床诊疗方案提供更科学、更全面的支撑。

·个案报道·

Blastic plasmacytoid dendritic cell neoplasm: Case report