未来的放射科读片室——记RSNA2014峰会

曾洪武 编译

梁长虹， 刘再毅 审校



未来的放射科读片室
——记RSNA2014峰会

曾洪武 编译

梁长虹， 刘再毅 审校

北美放射学会(RSNA)的百年盛会于2014年11月30日至12月5日在美国芝加哥市隆重召开。2014RSNA的主题是A century of transforming medicine (一个世纪的转化医学)。回顾了一个世纪放射学的发展，前期艰苦、崎岖缓慢前进，到CT、MRI、PET应用后的飞跃发展，分子影像兴起，到今天多学科/专业的紧密融合。

在当前大数据时代、多学科融合的背影下，未来的放射科读片室又会怎样的呢？2014年12月4日中午1:30 p.m.在McCormick Place的Crown Theater举行RSNA Symposium (RSNA峰会)，Dr. Robert J. Gillies 作了以The Radiology Reading Room of the Future 为主题的报告(图1)，对未来放射科发展方向提出了全新的观点-放射组学[Radiomics]。Dr. Gillies来自美国Florida州Tampa市的Moffitt肿瘤中心。

图1　Dr.Robert J.Gillies 作了以The Radiology Reading Room of the Future为主题的报告。

今后，放射科医生不仅仅是影像检查的转译者，还将是疾病过程的定量和描述性数据监护人，使用计算机决策辅助系统，以提高诊断和预后判断的准确性，新兴领域放射组学的专家介绍说。

图2　未来放射科数据库是一个综合数据库

“Radiomics: From Clinical Images to Omics” (“放射组学，从临床影像到组学”)是RSNA 2014峰会主题，由RSNA和物理学家医学杂志(AAPM)共同提出。Dr. Paul E. Kinahan在峰会介绍，分子生物学成功改造了，疾病的管理和新的肿瘤药物的开发和测试；尽管分子生物学有巨大潜力，但依然进展缓慢。(Dr. Paul E. Kinahan，华盛顿大学 影像研究实验室和放射科主任)

未来的放射科数据库是一个综合数据库(图2)，包括基因数据、临床医学数据、放射数据(解剖数据和功能数据)。解剖数据可以根据器官进行精准的分割；正交影像像数据库包括动态增强、ADC图、PET+CT等功能信息，能够显示组织器官的生态特点，每个VOXEL包含的复合数据，能够显示是微环境生态特点(图3)。Dr.Gillies说，未来放射科医生将采用分段切割方法确定的体积和感兴趣的面积，从这些体积，计算机可以提取数百描述和定量性特征信息，这些特征信息可以与医学和基因数据结合起来，组成新的放射数据库，再使用计算机辅助诊断系统，协助判断。放射组学概念的核心，图像是不是图片，而是数据，Dr.Gillies说，现在我们已从任何感兴趣容积提取约600种不同定量的特征数据。

图3　未来的肿瘤边界 放射组学数据能显示其微生态特点

放射组学植根于肿瘤遗传学，肿瘤的遗传异质性，这是由于基因组的不稳定性与高选择性的微环境的组合，是治疗抵抗的主要原因。图像的深入分析可以量化的微环境，并且可预测遗传异质性的程度，Dr.Gillies讲。

“定量特征分析提高了诊断的准确性和可预测性。预测非常重要，因为这实际上影响可操作的后果”，Dr.Gillies讲“我们可以预测表皮生长因子受体(EGFR)突变吗？我们可以预测缺氧吗？如果可以，我们将有药物治疗这些领域疾病。”

使精准医疗成为现实

“Radiomics in Oncology: Pathway to Precision Medicine,”肿瘤学的放射组学：精确医学道路，Hedvig Hricak M.D.,Ph.D.HC强调在分子医学时代，传统的放射学与病理相关模式已经远远不够了。利用体内，定量预测预后和预测成像生物标志物，如这些由放射组学提供的分析，将在病人选择合适的时间进行正确的治疗中起至关重要作用，Dr.Hricak说。Dr.Hricak是2010年RSNA主席和纽约市Memorial Sloan Kettering Cancer Center(MSKCC)放射科主任。

定量成像特征是指从放射组学数据库提取纹理特征、功能参数和多参数成像的群簇特征数据。放射组学分析定义关系，或成像特征和分子标记(组学)之间的关联映射图，从而确立诊断成像和分子诊断之间的连接，Dr.Hricak说。

Dr.Hricak指出，该放射组学不是告诉我们到底发生了哪些基因突变，而是放射组学可以帮助(放射科)医生识别预后的关键影像学特征，更好地了解肿瘤的异质性，还可引导分子导向的活检。

使放射组学朝向安全和证据驱动的新兴领域，多个领域的大数据分析提供了经验，如基因组学领域，Dr.Hricak引用医学研究机构2011年报告“转译基因组学的进展”，必须使发现和试验验证阶段透明和临床应用评价公开。

探索开发放射组学的最大潜力，将进入大数据时代，团队和科学时代，最重要的是开启影像生物信息学新时代，Dr. Hricak总结道。

预测结果

Dr.Joseph O.Deasy (Ph.D.)是早期在Memorial Sloan Kettering Cancer Center(MSKCC)研究，提取图像数据信息，进行结果预测。Dr.Deasy系“FDG-PET-基于放射组学预测放疗后局灶控制和生存状态”项目的高级研究员，该研究在2014年7月AAPM年度会议展示。研究者分析了两个癌症数据库，非小细胞肺癌和Ⅲ?Ⅳ期头颈部癌症。研究者发现，转移的风险与肿瘤的形状和密度变化有关。Dr. Deasy说，虽然需要进一步深入研究，他希望放射组学将被证明在至少在两个方面是非常有用。如果模型能有足够预测性，那么可能一些患者可避免全身性治疗，如化疗，如果转移性风险非常低；我们相信用整体积分吸收强度，以帮助确定需要的辐射剂量，可以避免一些治疗过度或治疗不足。

Dr.Gillies最后总结要点：①医学图像不是图片，是数据。②肿瘤不均质或充分混合，肿瘤异质性是治疗抵抗的原因；这可以通过病灶的放射组学特征显示。③放射组学数据具有诊断价值，预后监测和预测生物标志物的价值，但需要巨量的数据来支持。

(文中图片版权归原作者所有，请勿做它用。)

10.13609/j.cnki.1000-0313.2015.04.002

深圳市儿童医院放射科(曾洪武)；广东省人民医院放射科(曾洪武、梁长虹、刘再毅)

曾洪武(1980-)，男，副主任医师，2012年RSNA种子基金获得者

R445.2; R814.42

A

1000-0313(2015)04-0306-02