影像组学在食管癌T分期中的研究进展

(费县人民医院影像科，山东 费县 273400)

病理活检是确定食管癌病理类型及分期的“金标准”，但该方法具有侵入性、准备时间长、患者接受程度低等特点。因此，构建无侵袭性术前、术中、术后跟踪的T分期方法，有助于临床上针对不同患者确定其治疗方案及判断预后。常规影像学检查是食管癌临床分期、治疗评价和监测预后的重要手段，但对食管癌异质性的研究方面存在一定的局限性。影像组学能较好地描述肿瘤的异质性和生物学特性，可在一定程度上弥补常规影像学方法的不足，对食管癌个体化治疗的设计和调整具有重要意义。本文就近年来影像学组学在食管癌T分期中的应用现状及研究进展做一综述。

1 影像组学的概念和特征

1.1影像组学的概念 2012年，Lambin等基于肿瘤异质性的理论，首先提出了宏观成像性能是肿瘤微环境变化的假设[1]，影像组学的概念由此产生。影像组学作为一种定量的影像图像分析方法将图像特征作为生物标志物，丰富了图像数据处理方法，通过数据分析对肿瘤定性诊断并判断预后，为深入利用影像数据、充分挖掘图像大数据信息提供了可能。美国国家癌症研究所(NCI)旗下的量化研究网络(QIN)于同年明确了影像组学的实施步骤和方法[2]。共分为五个步骤：第一步，影像高质量、标准化的获取(MRI、CT、PET/CT等)，用于疾病的诊断和评估，应尽可能地选择同一台或相同种类的扫描设备，合理调整参数，如层厚、像素、管电压等[3]；第二步，图像分割与重建，常用方法包括图像切割法、活动轮廓法、区域生长法等，勾画肿瘤实质区域[2-3]，勾画方法有病灶全体积和单一最大层面两种，单一最大层面勾画法操作简单，应用较多；第三步，特征提取和量化，是从感兴趣区(ROI)中提取高维特征数据，包括形态特征、语义特征、纹理特征(包括一阶、二阶、高阶特征等)[1-3]；第四步，特征选择，根据特征方法、稳定程度、重复性、与分期和预后的关系等来选取图像特征；最后，分析建模、建立数据库，常用方法有线性回归、Logistic回归、朴素贝叶斯、人工神经网络、Cox回归，并将筛选出的影像组学特征纳入合适的预测模型中。

1.2影像组学的特征 影像组学特征主要包括形态特征、纹理特征、语义特征。形态特征通过分析计算ROI的影像学表现来描述肿瘤特征，包括紧密度、球形不均匀度、表面积、体积等[4]。语义特征主要包括血管分布、毛刺、大小、位置、形状等。纹理分析是通过计算病灶图像纹理特征，计算肿瘤的微观异质性程度，定量分析其与肿瘤生物学特征的关系，常用纹理特征有：一阶特征，反映所测体素的均匀性、对称性及局部强度的分布变化，如熵、锐度、平均值、最大值、最小值、一致性、标准差、均方根方差等[1,4]；二阶特征，描述体素空间分布强度等级的特征，如灰度共生矩阵(GLCM)、灰度运行长度矩阵(GLRLM)；高阶思维特征，如灰度进行区域发展大小关系矩阵(GLSZM)、邻域平均灰度图像差值比较矩阵(NGTDM)[5]。影像组学特征提供了更多肿瘤生物学特征和行为的潜在信息，可以单独使用，也可以与其他临床数据、基因组学数据、病理数据等结合使用，综合评估肿瘤的病理类型和分期，确定治疗方案和判断预后。

2 影像组学在食管癌T分期中的应用

国际抗癌联盟及美国癌症联合会发布的第8版食管及食管胃交界部癌TNM分期，是目前食管癌治疗前分期的主要评估方法[6]。食管癌T分期与治疗方法的选择及预后具有高度相关性， T1和T2期食管癌常采用传统外科手术方法治疗，T3期主要设计采用外科手术配合化疗方案。获取食管癌患者T分期信息有助于临床上针对不同患者选择合理的治疗方案。

2.1CT影像组学在食管癌T分期中的应用 CT是食管癌临床T分期的主要影像学检查手段，主要反映肿瘤的形态学信息。由于食管壁在CT图像上的分辨率较低，尤其是早期小病灶范围大多局限于粘膜下层，常规方法难以鉴别，早期食管癌的分期主要通过病理活检取得。常规CT将食管癌侵犯浆膜诊断为T3期，脂肪组织间隙及邻近结构受侵诊断为T4期，而食管周围脂肪组织因人而异，导致区分T3、T4期有一定难度。国内学者利用CT平扫及增强对食管鳞状细胞癌进行分期，显示T1-2期准确率为66.67%，T3期和T4期准确率分别为77.78%、96.30%。表明根据形态学变化评价食管癌T分期存在一定的局限性[7]。基于CT图像的影像组学可以定量分析肿瘤的形态特征及生物学特性，提供更多关于肿瘤异质性的信息。

CT影像组学主要通过提取和量化图像特征进行食管癌T分期，但影像组学研究也是基于常规CT图像，早期小病灶难以明确病灶范围，目前研究主要集中在≤T2和>T2期[8]。朱宗明等[9]对40例食管癌患者CT图像特征进行纹理分析后发现逆差距、角二阶矩、熵组间差异有统计学意义。Liu等[10]手动勾画食管鳞状细胞癌CT图像的ROI进行纹理分析，显示峰态在T1-2期与T3-4期间差异有统计学意义。Wu等[11]研究发现基于影像组学的多参数模型有助于提高食管癌T分期的准确性。CT影像组学采用定量参数判断食管癌T分期，提供了常规图像以外的附加信息，有助于区分≤T2和>T2期食管癌，两者联合使用或可提高食管癌T分期的准确性[12]。

2.2PET/CT影像组学在食管癌T分期中的应用 最大标准化摄取值(SUVmax)是18F-FDG PET/CT图像分析中应用最广泛的参数之一，对判断食管癌的临床分期有一定的价值。但是肿瘤坏死、细胞增殖、微血管密度和缺氧等均会造成18F-FDG摄取不均，因此从单一体素中提取的SUVmax不能代表肿瘤的总活动性和异质性。PET/CT影像组学可以从一定程度上对肿瘤内18F-FDG的分布进行量化分析[13]，并与其他数据信息相互补充，对食管癌T分期具有一定的指导作用。一项PET/CT影像组学研究对40例食管鳞癌患者术前PET/CT图像进行纹理分析，结果表明PET/CT影像组学有助于提高食管癌分期的准确性[14]。ROC曲线显示，熵可以预测T2期以上肿瘤。此外，纹理特征也是T2期以上食管癌的显著预测因子[13]。相比常规PET/CT图像，影像组学特征能更有效地进行肿瘤分期，有望成为预测食管癌T分期的新方法。

2.3MRI影像组学在食管癌T分期中的应用 在食管癌诊治中具有广泛的应用。基于MRI功能成像的影像组学特征可以对食管癌异质性进行分析，结合临床参数，评价患者分期信息，构建无侵袭性MRI定量分析模型评估食管癌的异质性在国内外已进行了较多的探索[15]。Qu等[16]对病理证实的181例食管癌患者的临床资料进行了回顾性分析，采用lasso和弹性网络回归模型对特征空间降维后进行Logistic回归分析，结果显示：所选取9个影像组学特征所构建的模型与食管癌浸润程度相关。表明MRI影像组学联合临床参数构建多元逻辑回归模型对术前T分期具有较好的价值。

3 总结和展望

提取食管癌更加细微的影像学特征，更加准确地对食管癌进行术前T分期是当今主要研究方向之一。目前越来越多的研究将影像组学与临床、病理结果相结合，推动了影像组学技术的发展。但目前食管癌影像组学的T分期研究仍处于探索阶段，多数研究样本量较小，所得结论缺乏广泛验证，且影像设备、成像方式、扫描参数等会对图像质量造成较大差异，国内及国际上尚无统一的图像获取标准，图像特征提取的稳定性相对较差，短期内获取相同大影像数据库存在困难。食管是空腔脏器，ROI的勾画决定影像学特征的提取，如何避免病变周围组织伪影，准确勾画ROI也是该技术目前面临的挑战。影像组学有望成为食管癌T分期中的一种有意义的量化分析手段，但仍需进一步规范和深入探讨。