放射组学在肾脏肿瘤中的研究进展

周文文，郭凌飞

（1.山东省济南市济阳区人民医院影像科，山东 济南 251400；2.山东大学附属山东省医学影像学研究所，山东 济南 250021）

肾脏肿瘤是成人常见肿瘤之一，以恶性肿瘤多见，肾细胞癌是最常见的成人恶性肾脏肿瘤，约占90%［1］。近年来随着医学影像检查技术的飞速发展和推广应用，肾脏肿瘤的检出率也在逐年上升。CT、MRI、超声等影像学检查是筛查、术前诊断肾脏肿瘤性质常用的无创检查方法，对疾病的后续治疗有重要指导作用。传统医学影像诊断模式主要通过诊断医师对病灶的影像表现进行综合分析后作出影像诊断，因此诊断的准确率依赖于医师的诊断水平；另外，由于部分肾脏肿瘤的影像学表现相似，故不易准确诊断，如乏脂肪血管平滑肌脂肪瘤与部分肾癌因影像表现相似，其术前影像诊断易误诊。近几年放射组学作为精准医疗时代的新兴领域，在多种疾病的筛查、诊断和预后评估等多个方面的研究都有着飞速发展，其在肾脏肿瘤领域的多项研究［2-4］表明，其可很好地辅助影像诊疗系统，提高肾脏肿瘤的检出率和准确率，降低漏诊率。放射组学的概念在2012年由LAMBIN 等［5］提出，研究者对医学影像图像进行ROI 分割，通过计算机软件对其进行大量放射组学特征的提取，筛选出对诊断某种疾病或鉴别相关疾病特异性较高的特征用于指导临床工作。

目前，放射组学在诊断肾脏肿瘤类型、病理分级、评估预后等多方面都有了一定成果，其在解决传统影像学所面临的难题上有巨大潜力。本文主要就放射组学在肾脏肿瘤领域的研究现状及前景作一综述。

1 放射组学的概念

放射组学通过特定技术处理图像，分割病灶，运用计算机算法高通量提取病灶的放射组学特征信息，特征参数可反映组织本身的异质性，因此可区分不同组织之间的差别［6］。这些放射组学特征是人类单靠肉眼无法看到的，且是客观参数，不受主观因素影响，它为非侵入性地量化病灶异质性提供了机会。随着治疗过程中病灶生物学行为的改变，放射组学提取出的参数也会不同，这为放射组学参与疾病筛查、性质诊断、治疗效果评价乃至预测疾病发展方向等各个临床环节提供了可能。

放射组学可分为图像获取、图像分割、特征提取、数据库的建立与共享、模型预测五步［7］。放射组学特征提取方法包括一阶、二阶和高阶统计：一阶统计量描述单个体素值的分布，不考虑体素之间的空间关系，这些通常是基于直方图的统计方法，如图像中体素强度的平均值、最大值、熵及偏度等。二阶统计通常被描述为纹理特征，其描述了体素之间的相互关系，在放射组学中，纹理特征可很好地表达肿瘤内异质性的度量。在实际应用中，有数十种方法和多个变量可用于提取纹理特征，从而产生数百甚至上千个值。高阶统计方法将滤波网格强加在图像上以提取重复或非重复模式。纹理特征分析是目前常用的特征分析，基本方法分为结构分析法、统计法、模型法、信号处理法（滤波法）4 种［8］，其中统计法在医学领域的应用最多，也是最早应用的［9-11］，而目前使用最多的纹理分析统计方法是灰度共生矩阵［8］。

目前，放射组学研究在医学多个领域都有涉及，其中涉及肿瘤疾病的研究应用较多，如对肺癌［12］、乳腺癌［13］、脑肿瘤［14］、肝硬化［15］等多种疾病的 诊断、预后疗效评估［16-17］等。放射组学与人工智能结合辅助影像诊疗系统是各大公司和学者的研究开发热点，目前已有不少医疗机构使用智能软件辅助识别肺结节，极大提高了诊断医师的工作效率。当然，在非肿瘤疾病领域放射组学的研究也有很多，如CONNOR等［18］的研究证明通过对急性脑出血患者的血肿进行形态和密度的定性和定量评分来预测血肿扩大具有统计学意义，但这种方式具有主观性，受观察者的主观意识影响结果可能会有不同，而纹理分析在该研究中被证实可较准确评估脑出血异质性，具有临床价值。刘卓等［19］通过对阿尔兹海默病患者与健康对照者的海马MRI 图像进行纹理参数提取并对比分析，证实阿尔兹海默病患者与健康人之间的和均值、能量等纹理参数有显著差异，且能与形态学测量保持较好的一致性，因此纹理分析的应用有助于阿尔兹海默病的早期诊断。

2 放射组学在肾脏肿瘤中的研究应用

目前，纹理分析在肾脏肿瘤领域的研究涉及多方面，主要集中于肾脏肿瘤良恶性的鉴别、预测恶性肿瘤的病理分型、分级及肾脏肿瘤的预后评估等。

2.1 放射组学用于肾脏良恶性肿瘤的鉴别诊断 肾脏良恶性肿瘤的治疗方式不同，若在早期通过影像学方法明确诊断、采取合理的治疗方式，可避免过度诊疗或治疗方式不合理导致预后不良等问题，提高患者生活质量。RAMAN 等［20］应用纹理分析评估几种肾脏肿瘤病灶内部的病理异质性并行分类定量比对分析，证明了纹理分析用于鉴别肾透明细胞癌、乳头状细胞癌、嗜酸性细胞瘤和肾囊肿有较高的准确率（分别为91%、100%、89%、100%）。肾血管平滑肌脂肪瘤是常见的肾良性肿瘤，典型的肾血管平滑肌脂肪瘤因含有肉眼可识别的脂肪成分，诊断医师多可根据影像特征作出准确诊断，但乏脂肪血管平滑肌脂肪瘤因缺乏肉眼可识别的脂肪成分且血供较丰富，极易被误诊为肾细胞癌进而对其行部分或根治性肾切除手术。FENG 等［21］通过对17 例小型乏脂肪血管平滑肌脂肪瘤（≤4 cm）与41 例小肾细胞癌（≤4 cm）进行CT 纹理分析，证明支持向量机递归特征消除（SVM-RFE）和合成少数过采样技术（SMOTE）分类器结合在区分2 种肿瘤方面具有较佳性能，基于机器学习法的CT 纹理特征分析有助于鉴别小型乏脂肪血管平滑肌脂肪瘤与小肾细胞癌，有望辅助医师在术前准确鉴别两者，减小误诊率，提高患者生活质量。肾嗜酸性细胞腺瘤和肾透明细胞癌的影像鉴别也是一大研究难点和热点，耿莉等［22］搜集这2种疾病的CT 增强扫描图像，进行了多个纹理特征的提取，统计分析2 组之间不同纹理参数的差异，证明两者之间的部分纹理特征有显著差异，其中标准差、能量及熵对两者的鉴别有着尤为重要的价值。

2.2 放射组学术前预测肾脏恶性肿瘤的病理亚型不同病理类型的肾脏恶性肿瘤有着不同的生物学行为，预后各有不同，术前预测肿瘤类型也是放射组学分析研究的热点之一。周智等［23］对肾透明细胞癌、乳头状细胞癌、嫌色细胞癌3 种肾癌的MRI 增强扫描图像进行了3D 纹理特征提取，利用基于MaZda 软件的4 种不同的纹理分析方法，通过绘制ROC 曲线，得出不同方法对鉴别这3 种肿瘤的准确率、敏感度和特异度等，证实基于MRI 动态增强扫描3D 图像提取的纹理特征对于鉴别3 种肿瘤具有较高效能。王绎忱等［24］通过MRI 压脂T2WI 图像中的全病灶纹理分析筛选出鉴别透明细胞癌、嫌色细胞癌、乳头状细胞癌意义较大的参数并比较其效能评价，证实纹理特征分析对鉴别三者有着重要临床价值。CHANDARANA等［25］的研究表现，MRI 增强扫描的直方图参数可较好地鉴别肾脏透明细胞癌与乳头状细胞癌。

放射组学不仅在鉴别肿瘤性质方面有所应用，在预测恶性肿瘤的病理分型方面也有所涉及。VENDRAMI 等［26］通过对47 例乳头状肾细胞癌（其中Ⅰ型31 例、Ⅱ型16 例）的MRI 图像进行分析，从定性和定量特征两方面进行逻辑回归运算，证实在常规定性分析中加入纹理特征分析可增加预测2 种乳头状肾细胞癌的准确性。DOSHI 等［27］也在研究中试图应用纹理分析区分乳头状肾细胞癌2 种亚型，进而发现在ADC 图及肾实质期增强扫描图像上，Ⅱ型比Ⅰ型有较高的平均熵。丁玖乐等［28］提取了肾透明细胞癌CT 增强扫描图像的多个纹理特征值，对Fuhrman 低级别组（Ⅰ+Ⅱ级）和高级别组（Ⅲ+Ⅳ级）病理的纹理参数进行分析，筛选出差异有统计学意义的参数，并绘制ROC 曲线评价其诊断效能，发现对比度这一参数对鉴别两者具有相对更高的效能，其有望成为预测肾透明细胞癌分级的影像标志物。李小虎等［29］通过分别提取Fuhrman 高、低级别肾透明细胞癌的CT 增强扫描3D 图像的纹理特征，对其进行机器学习测试及评级诊断效能，证实放射组学对术前预测肾透明细胞癌的级别高低有着较好的诊断效能。肉瘤样肾细胞癌具有高度侵袭性，患者预后极差，术前准确鉴别其与其他肾细胞癌对指导治疗有重要作用［30-31］。SCHIEDA 等［32］用纹理分析研究肉瘤样肾细胞癌，发现其与肾透明细胞癌的灰度不均匀性差异有统计学意义，肉瘤样肾细胞癌比肾透明细胞癌更具有异质性，这说明纹理分析对鉴别两者有重要价值。

2.3 放射组学对肾脏肿瘤的预后评估 多项研究表明［33-36］，放射组学可为疾病疗效的评估、预测疾病发展提供客观依据。TERUEL 等［33］对58 例接受治疗的局部晚期乳腺癌进行研究，证实其MRI 动态增强扫描图像中的纹理特征分析可帮助预测病灶对新辅助化疗的反应。杨彦松等［34］对直肠癌病灶的MRI 图像进行放射组学特征提取、筛选分析和训练学习，证实放射组学构建的模型可预测直肠腺癌神经周围侵犯，为临床评估预后及后续治疗提供了客观依据。BIER 等［35］研究证明，CT纹理参数分析对预测腹腔镜肾部分切除术患者围术期的预后有重要价值。白旭等［36］搜集已发生不同部位转移的肾透明细胞癌患者原发病灶的MRI 资料，提取T2WI 图像中的大量特征参数进行统计学分析，绘制ROC 曲线分析特异度、敏感度等参数，证实发生不同部位转移的肾透明细胞癌原发病灶的纹理特征存在差异，纹理分析有望用于预测肾透明细胞癌的转移部位。

3 放射组学的局限与挑战

放射组学是医学研究中的新兴领域，它的发展充满巨大潜力，但也面临着诸多问题：①在放射组学研究的资料收集阶段，不同的研究机构使用的扫描机器型号和扫描参数不同，所得图像信息也会有所不同，有研究［37-39］表明部分放射组学特征会随着图像和采集参数的微小变化而发生显著变化，因此放射组学特征的再现性是其研究过程中的一大挑战。②图像分割环节目前有自动分割、半自动分割和手动分割3 种［40］，不同分割方法所获得的图像范围不同，提取的放射组学特征也会不同，因此部分特征参数存在重复性差的局限性。③不同研究机构对于不同疾病所采用的分析软件和方法都不同，而这些因素都会直接影响研究结果［41］。④各研究团队对于预测模型的建立方法也不相同。放射组学研究只有建立在大数据的获取和验证基础上，实现信息共享，才能为精准医疗的发展带来准确的数据支持。如何保证研究图像及所得数据的质量是一大难题，这需要相关研究机构建立统一的规范标准。⑤目前关于放射组学的研究以回顾性研究居多，前瞻性研究相对匮乏，今后需投入更多的资源和精力用于放射组学的临床实践，以发挥其真正价值。

4 结论

传统医学影像诊断模式依赖于诊断医师，诊断准确性易受医师主观因素和业务能力的影响，另外因为部分肿瘤的影像学表现存在重叠故易出现误诊情况，尤其在我国医疗资源相对紧张、诊断医师的工作繁重的情况下更易出现误漏诊情况；而放射组学在影像诊疗系统中的辅助应用可大大提高诊断医师的工作效率和诊断准确率。放射组学在肾脏肿瘤的良恶性鉴别、恶性肿瘤病理分型、分级、评估预后等多个方面的研究现已取得了可观成果。在不久的将来，放射组学有望应用于疾病诊疗的各个环节，在精准医学时代发挥其巨大作用。