影像基因组学在肝细胞癌诊疗中的应用研究进展

刘斌 杨雪 孙君 李宏军

肝细胞癌（hepatocellular carcinoma,HCC）是肝脏最常见的原发恶性肿瘤，2018 年HCC 新发病例841 080 例，死亡病例 781 631 例[1]。HCC 的早期诊疗至关重要，甲胎蛋白(alpha-fetoprotein,AFP）是辅助诊断的重要实验室指标，但30%~40%的HCC 病人AFP 呈阴性[2]。尽管MRI 检查的敏感性和特异性均高于CT 和超声，但对小肝癌（直径<2 cm）的诊断效能较低[3]，因此传统影像检查已不能满足临床需求；而影像组学挖掘影像中肉眼不可见的庞大数据信息，为HCC 的诊疗提供更多的宏观信息；基因组学通过对核苷酸结构和功能的分析在分子和基因层面揭示肿瘤发生机制，为HCC 的诊疗提供更多的微观信息。早期的影像基因组学是传统影像特征与基因关联，影像组学兴起之后被扩展为形态学特征和影像组学表型与基因关联，影像基因组学有可能真正实现宏观信息和微观信息的结合。本文对影像组学、基因组学及影像基因组学在HCC 诊疗的研究进展予以综述，为HCC 的临床诊疗提供新思路。

1 影像组学及在HCC 诊疗中的应用

影像组学的概念于2012 年首次被提出，即通过数字化自动化特征算法从图像中挖掘大量的影像表型特征[4]，而后Kumar 等[5]将概念扩展为利用高通量分析从影像中提取大量的表型特征。影像组学流程主要分为图像采集和重建、图像分割和绘制、特征提取和量化、建立共享数据库及个体化分析数据5 步[6]。影像组学尝试从基因遗传、组织形态、细胞分子等层次上对大量影像数据进行分析，然后将结果与临床数据相关联，进而利用影像表型对疾病进行早期诊断及预后监测[7]。影像组学表型特征主要包括以下4 个方面[8]：①强度，反映兴趣区（ROI）内像素的统计信息；②形状，反映病灶的边界情况；③边缘，反映病灶与周围组织过渡区域的情况；④纹理，反映病灶ROI 像素强度的空间分布。

HCC 的增强CT 门静脉期影像中HCC 的小波变换特征与肿瘤切除和经导管动脉化学栓塞（transcatheter arterial chemoembolization，TACE）术后的总体生存率相关，且切除术后再接受TACE 治疗或TACE 术后再接受切除均可获得更好的总体生存率[9]。HCC 增强CT 门静脉期影像中HCC 的纹理特征和小波变换特征分别与TACE 术后的疾病进展时间和总体生存率相关，且TACE 术后联合索拉菲尼治疗可以获得更好的预后[10]。Akai 等[11]研究表明HCC 病人术前CT 平扫、增强扫描影像中分别有5 个和3 个纹理表型与术后随访的无病变进展生存期相关，分别有7 个和8 个纹理表型与术后随访的总体生存率相关，因此利用纹理表型在术前可为HCC 的治疗提供指导，也可以直接评估不可切除HCC 病人的预后情况。CT 平扫影像中的基于几何和直方图的表型特征与HCC 病人的总体生存率相关，可以根据ROI 内的影像组学表型确定个性化的放疗方案[12]。目前临床评估肿瘤异质性主要根据肿瘤的形态学特征主观分析或利用肝脏影像报告与数据系统（the liver imaging reporting and data system,LI-RADS）对肿瘤进行半定量分析，这种方法不仅耗时，而且结果易受医生主观因素的影响；而影像组学可以利用数学上定义的定量特征量化肿瘤的形态学特征，通过计算机评估肿瘤的异质性，从而建立与临床或生物学特征的相关性。

通过HCC 于MRI T2WI 上的5 个纹理表型预测TACE 术后短期疗效的敏感度和特异度分别为83.7%和69%，受试者操作特征曲线下面积（AUC）为 0.812（95%CI：0.722~0.901）[13]。多模态 MRI 可以为HCC 的诊疗提供更多的信息，钆塞酸二钠MR 增强扫描肝胆期肿瘤周围低信号提示肝癌微血管浸润（microvascular invasion,MVI） 阳性，特异度达93.2%[14]。MR 增强扫描动脉期影像的“平均强度”和“灰度级游程不均匀度”是反映HCC 侵袭性的重要指标，术前可以对HCC 病灶进行分级[15]。虽然MRI为HCC 诊疗提供的信息更丰富，但其影像参数很难标准化，主要是因为MR 采集参数较多、不同机型之间差异较大以及容易受伪影的干扰等，进而导致肿瘤参数的可重复性差，因此基于MRI 的HCC影像组学研究远不及基于CT 的影像组学临床应用广泛。

2 基因组学及在HCC 诊疗中的应用

1986 年基因组学的概念首次被提出，即对所有基因进行做图、定位、核苷酸序列分析和功能分析，从而获取一个生物体所有遗传信息[16]。

HCC 发生的根本原因在于基因表达发生了异常，基因分析可以早期发现异常变化的基因。有研究[17]已经对数千例HCC 病例进行了基因测序，并且已经找到了几类高频驱动基因，主要包括β 连环蛋白信号转导通路相关基因、细胞周期信号转导通路相关基因、细胞外调节通路相关基因、端粒逆转录酶和端粒维持相关基因、染色质调节相关基因以及一些少见驱动基因，例如肝代谢相关基因、感染相关基因及氧化性应激相关基因等。HCC 发生基因突变主要受结构变异、基因融合、拷贝数变化以及病毒融合等因素的影响，突变特征主要包括表型1、4、16、22 和 24，它们分别与细胞衰老、吸烟、饮酒、马兜铃酸和毒素相关[18]。综上，基因组学可以在微观层面解释HCC 的发生发展过程。

Omar 等[19]对乙肝相关HCC 的核糖核酸进行微阵列分析、多重聚合酶链反应的验证和单因素分析，结果显示由人去唾液酸糖蛋白受体2、微型染色体维持蛋白7、脯氨酸丝氨酸苏氨酸性磷酸酶结合蛋白1、胞裂蛋白2、凝聚蛋白和转运RNA 异戊基转移酶1 基因组成的模型预测乙肝相关早期HCC 的敏感度、特异度分别达70%和92%。血管内皮生长因子 A（vascular endothelial growth factor A，VEGFA）是HCC 的一个潜在靶标，使用索拉菲尼治疗VEGFA 扩增的HCC 病人生存率显著提高，染色体6p21 的VEGFA 基因和染色体11q13 的周期蛋白D1 基因，以及成纤维细胞生长因子2、4、19 基因可预测索拉菲尼应答情况[20]。有文献[21]报道至少有28%的HCC 病人，其病变可以用美国食品和药物管理局（FDA）批准的药物靶向治疗，86%病人的HCC突变是Ⅰ/Ⅱ期临床试验药物可治疗的；以人表皮生长因子受体、肝细胞生长因子受体、原癌基因丝氨酸/苏氨酸蛋白激酶或原癌基因人类表皮生长因子受体2 扩增为靶标的激酶抑制剂对20%~30%的HCC 病人可能有效[22]，阿拉西替尼对出现极光激酶A 扩增的HCC 可能有效[23]。目前，基因组学在HCC的应用大多处于研究或待验证阶段，尚有很大的探索空间。

3 影像基因组学及在HCC 诊疗中的应用

2003 年欧洲放射治疗与肿瘤学会上首次提出影像基因组学[24]的概念，即将病灶的影像特征和基因关联起来，从而实现对疾病的危险分层、早期诊断、选择最佳治疗方法以及对病变疗效和预后进行评估。影像组学兴起之后，影像组学表型亦被纳入影像特征内，主要步骤包括：①获取原始图像并识别病灶ROI；②对ROI 内病灶进行分割；③提取传统影像特征；④将影像特征与基因组学关联建立模型；⑤将模型用于临床疾病的无创精准诊疗[25]。

Segal 等[26]于 2007 年首次提出 HCC 基因表达异常与CT 增强影像特征相关的假设，研究结果表明28 个CT 影像特征可以准确预测78%的基因表达谱。基于CT 增强扫描和MVI 相关基因构建的影像基因组学生物标志物术前预测HCC MVI 的准确度、敏感度和特异度分别达89%、76%和94%，生存分析显示影像基因组学生物标志物阳性的病人总体生存率更低，3 年复发率更高[27]。CT 影像上HCC病灶边缘评分高提示阿霉素抵抗相关基因转录表达，阿霉素治疗的抵抗增强[28]。HCC 在 CT 或 MRI 影像上表现为肿瘤浸润、马赛克征及大血管侵犯提示肝癌的侵袭性基因表达[29]。HCC 病人在接受MRI 检查时扩散加权成像（DWI）上高对比噪声比、表观扩散系数（ADC）图的高ADC 值、肝胆期影像的低对比噪声比和高强化率提示HCC 出现β 连环蛋白基因突变，肿瘤分化程度较高[30]。基于CT 增强影像特征的模型可以预测HCC 病人载脂蛋白B、胶原蛋白Ⅺα1 和X 连锁的核蛋白基因发生突变的情况，准确度分别达76.7%、71.7%和76.5%[31]。LI-RADS 影像特征与等位基因失衡的比例呈正相关，LI-RADS 分级越高，等位基因失衡的比例越高[32]。综上，影像组学表型特征与HCC 的生物学特征密切相关，利用影像表型特征无创重复解码HCC 的基因异常是有可能实现的。

4 小结与展望

尽管利用影像组学对HCC 诊疗已有大量研究报道，但其仍属新兴领域，尚存在许多不足，主要包括以下4 方面：①研究缺乏前瞻性设计；②研究缺乏验证；③无法实现科研数据的开放访问；④缺乏成本效益的分析。然而，早期影像组学的不断探索表明影像组学在HCC 的应用是世界关注的热点，而且为将来以HCC 为中心的影像组学进一步深入研究奠定了基础。在精准医疗的大背景下，分子病理领域发展迅速，鉴定肿瘤基因组成的需求逐渐增加，传统放射学已经无法满足临床需求，因此影像基因组学是精准医学发展的方向。随着研究样本量的不断积累以及人工智能网络的快速发展，将来影像组学有可能为医生对病人实施个性化治疗提供帮助，替代活检或作为其重要的补充手段，开发新的预后生物学标记。