影像组学在胰腺癌诊断和分期中的研究进展

Research Progress of Radiomics in the Diagnosis and Staging of Pancreatic Cancer

Abstract: Pancreatic cancer has always had the title of “the king of cancers”, and is more common among digestive tract tumors. Its morbidity and mortality rates have increased slightly from one year to the next. Currently, radical surgery is the most important treatment for pancreatic cancer. Early diagnosis of pancreatic cancer and accurate preoperative staging are important for the development of patient treatment plans and assessment of long-term prognosis. In recent years, due to the rise of radiomics, its diagnostic efficiency has been gradually improved and its diagnostic value for various diseases has been gradually confirmed. Radiomics is able to reflect deeper information related to diseases through quantitative analysis of medical image data and extraction of imaging features. This article summarizes and analyzes the research progress of radiomics in the diagnosis and staging of pancreatic cancer based on references and data.

1. 引言

胰腺癌(PC)是一种具有侵略性的腹部恶性肿瘤，估计每年有132,600例新诊断病例和128,000例死亡病例，分别占所有癌症病例的3.4%和6.6% [1]。目前，胰腺癌的首选医治策略以根治性手术为代表，放化疗为辅。不幸的是，胰腺癌起病隐匿，患者的体征和症状通常在疾病已经无法切除或远处扩散时才出现，此时很少有患者适宜接受根治性手术，即使少数患者能承受根治性手术，但他们预后仍然很差，5年生存率低于10% [2]。因而早诊断、早医治对胰腺癌患者的预后尤为重要。现有的胰腺癌术前检查手段包括计算机断层扫描(CT)、磁共振成像(MRI)和正电子发射断层扫描(PET)，它们仅显示病变的形态学特征，如病变的位置、范围、与周围组织的关系、密度、信号特点等，难以准确评估胰腺癌的术前分期。影像组学应运而生，它可以对图像进行定量分析，反映感兴趣区域(ROI)的异质性，通过特征分析提供比肉眼能识别的更多的信息，使其有助于澄清病变的性质，现已应用于胰腺癌的早期诊断、鉴别诊断、预后评估和治疗反应预测。因此，本研究旨在综述影像组学用于术前诊断胰腺癌并进行准确分期的研究进展，以帮助医生选择最合理的治疗手段。

2. 影像组学的研究方法

影像组学可以从传统影像图片中提取纹理参数、形状特征等，从而比较组织间的细微差别，提供有价值的诊断信息。影像组学的详细操作步骤有：医学图像的获取，感兴趣区图像分割及特征提取，预定义组学特征的降维和选择，模型的建立，列线图预测效能的评估和验证。在图像获取方面，主要采用CT、MRI、PET-CT等扫描方法。在收集图像时，应尽可能选择相同的扫描机，并设置适当的参数，如适当的层厚和像素尺寸。进行感兴趣区图像分割前，应对图像进行仔细回顾，由两名有经验的医生在选定的高质量图像上核实肿瘤的位置和区域，描绘时尽量覆盖所有的肿瘤，避免正常的胰腺组织。根据计算所涉及的体素数目，提取的特征可以分为形状特征、一阶特征、二阶特征和高阶特征[3]。形态特征，即基于感兴趣区域的几何特征，如体积、最大表面积和最大直径。一阶特征：取决于感兴趣区域内灰度强度的分布，例如，灰度均值、最大值、最小值、标准差、方差、均值平均差、偏度、锐度、能量、熵等。二阶特征，也称为纹理特征，量化肿瘤内的异质性，并解释相邻体素之间信息的空间依赖性。在原始图像中，编码图像的强度之间存在一些空间关系矩阵，可以从中计算出大量的纹理特征。高阶特征是在应用数学变换和突出显示重复模式、直方图导向模式、小波或傅里叶变换等局部二值模式的过滤器计算出来的。在提取高纬度特征后，必须消除不可靠、信息不足或冗余的特征，以避免模型的维数灾难和过度匹配，提高学习精度，缩短计算时间。最大相关最小冗余、最小绝对收缩和选择算子回归模型，以及主成分分析是常用的特征减小方法。在模型的建立方面，目前，放射组学中常用的建模机器学习算法有：逻辑回归、随机森林、支持向量机、决策树、K近邻、人工神经网络、贝叶斯算法、聚类算法(如K平均值/DBSCN) [4]。分类模型的实现至少包括两个阶段：训练阶段和测试阶段。训练阶段是学习分类模型本身，训练数据必须足够大并且能够代表一般人群。测试阶段是在新样本上使用或测试在训练阶段学到的模型，在这个阶段使用的数据称为测试数据。当有足够的样本时，可以引入第三个阶段，即验证阶段，以提高学习性能。此阶段使用的数据称为验证数据。

3. 影像组学在胰腺癌中的临床应用

影像组学作为新兴的无创辅助诊断技术，能够在多种临床环境和不同临床背景下对胰腺癌患者进行有效评估，包括早期准确诊断及鉴别诊断、预测肿瘤TNM分期、治疗反应评估。

3.1. 早期准确诊断及鉴别诊断

由于胰腺癌患者临床特征不明显，病情恶化快，预后不佳。所以早期准确诊断及鉴别诊断对胰腺癌的医治和预后非常重要。张玉泉等人[5]基于正电子发射计算机断层扫描技术，回顾性分析111名患者，探讨影像组学方法无创鉴别自身免疫性胰腺炎与胰腺导管腺癌(PDAC)的价值，研究证明定量影像组学方法有助于在PET-CT图像中无创区分自身免疫性胰腺炎和PDAC，并且多域特征的整合更加利于区分。任帅等人[6]基于电子计算机断层扫描技术，回顾性分析109名患者，使用影像组学区分肿块形成性胰腺炎和胰腺癌，该模型获得的平均灵敏度、特异性和准确度分别为82.6%、80.8%和82.1%。Qiu J-J [7]等人使用基于电子计算机断层扫描技术的影像组学模型，回顾性分析26名患者，区分受胰腺癌影响的患者与具有健康胰腺的患者，确定所提出的纹理分析模型的AUC值为88%，准确度为81.19%。以上研究表明，影像组学在胰腺癌早期确诊和鉴别诊断上具有较大的应用价值。有助于指导临床选择最佳治疗方案，避免不必要的手术并发症，提高患者的生活质量。

3.2. 预测胰腺癌分期

影像组学特征已被证实在肿瘤术前分期上有较高的应用价值，为手术策略及其他治疗方案的选择提供了重要参考。李可等人[8]从增强CT图像中提取出影像组学特征，建立一个综合临床数据和影像组学特征的计算模型，可有效预测胰腺癌患者术前淋巴结转移状态。高嘉豪等人[9]建立一个基于影像组学的图谱来预测淋巴结转移的危险，得出训练组和内部验证组的曲线图性能分别为AUC = 0.92和AUC = 0.95。陈方明等人[10]为预测门静脉–肠系膜上静脉受累的胰腺癌患者，开发影像组学特征，得出结论：影像组学特征在验证队列中的AUC值为0.848。因此，通过影像组学对胰腺癌患者进行准确的风险分层，判断淋巴结转移及分期，从而选择个性化治疗方案是改善胰腺癌患者诊断与治疗的最优解。

3.3. 评估胰腺癌患者的治疗反应

胰腺癌的治疗反应评估，对于患者接下来治疗决策的规划十分重要，当前临床医师对胰腺癌患者治疗效果的评估多依赖于实体肿瘤疗效评价标准，即肿瘤大小等形态学的变化。然而单靠这一标准远远不够，我们不能观察到肿瘤细胞内部成分、活性的改变。影像组学作为新兴的大数据后处理手段，目前已被报道在预测癌症患者的治疗反应方面发挥着重要作用。

张等人[11]为预测胰腺癌患者行胰腺十二指肠切除术后发生胰瘘的风险，建立并验证一种基于影像组学的模型，得出结论：影像组学可用于预测胰腺十二指肠切除术后患者发生胰瘘的风险。谢天松等人[12]为预测胰腺癌患者行胰腺切除术后的生存率，建立基于电子计算机断层扫描技术的放射组学曲线图，得出结论：影像组学评分是胰腺癌患者独立的预后因素。Martina Mori等人[13]为预测晚期局灶性胰腺癌患者接受放射性化疗后的远处复发率，通过基于正电子发射断层成像的影像组学模型进行预测，得出训练组的P值为0.0005，内部验证组的P值为0.03，故影像组学模型可用于预测胰腺癌患者放疗后的远处复发率。李霞伟[14]等回顾性收集了2013~2017年间在中国3家机构采取根治性切除术的220例胰腺癌患者的CT增强图像，开发的影像组学模型整合了瘤内和瘤周CT影像组学特征，此模型在预测胰腺癌1年和2年复发风险方面的AUC值分别为0.916和0.872，优于仅使用瘤内影像组学特征的传统构建模型。上述研究结果说明，影像组学的发展，使基于影像的非侵入性方法对胰腺癌患者进行治疗反应评估成为可能，为个性化医疗提供了有力的支持。

4. 总结与展望

近年来，影像组学不断发展，它建立在计算机辅助临床研究的基础上，将医学图像加密的肿瘤病理生理学信息转换为高维可挖掘特征，以提供肿瘤组织学特征的详细量化。影像组学能够为胰腺癌的诊断及分期提供重要信息，在评估能否对肿瘤进行根治性治疗、预测治疗后的效果以及患者的远期预后等方面具有重要的参考价值，并且具备便捷、安全、无辐射、可重复等优点。然而，影像组学研究也存在若干局限性：影像组学的特征提取过程普遍缺乏技术标准化，并且提出的每个预测模型都需要外部独立验证，促使多学科研究团队的参与和更大的患者样本的招募。因此，未来可能需要更大规模的、随机的样本和标准的特征提取方案对影像组学加以完善。尽管存在上述限制，但通过各种研究证实，影像组学在胰腺癌早期诊断、鉴别癌症和其他胰腺良性疾病、预测治疗后的临床反应方面发挥重要作用，能够辅助临床医师为患者制订个性化的诊疗方案，进而提升胰腺癌的确诊率和医治效果。

基金项目

吉林省教育厅项目(JJKH20240096KJ)。

NOTES

^*通讯作者。