影像组学在结直肠癌中应用的研究进展

赵 彤 胡星月 杨伟振

1.牡丹江医学院，黑龙江牡丹江 157011；2.牡丹江医学院附属红旗医院放射科，黑龙江牡丹江 157011

结直肠癌（colorectal cancer，CRC）是全球第三大癌，也是全球癌症第二大致死病因，近年来，精准治疗大大提高了CRC患者的存活率，尽管如此，发生转移的CRC 五年生存率却仅为14.7%[1]。异质性是恶性肿瘤的一种固有生物学特征，它是指肿瘤在生长过程中，经过多次分裂增殖，导致肿瘤的遗传类型发生变化，从而使肿瘤的生长速度、侵袭转移、预后以及对药物的敏感性等各方面产生差异[2]。其中，CRC是异质性较高的恶性肿瘤，通过传统的影像学检查、结肠镜检查和血液学检查难以捕捉其异质性[3]，病理活检虽然可以捕捉，但缺点在于有创。近年来影像组学成为一种新型的影像诊断方法，克服了传统检查方法的缺点，它可以对肿瘤异质性的特征进行无创客观分析，这是人眼无法客观量化的，自荷兰学者Lambin等[4]于2012年首次提出影像组学的概念，影像组学在CRC的临床诊疗和预后等方面的研究也逐渐增多。

1 影像组学概述

影像组学被定义为一种研究方法，可通过高通量计算从多模态医学图像中提取出大量高维医学图像特征，然后对这些特征进行分析并建立模型，以探索与临床结果的关系。具体影像组学流程如下。

1.1 数据采集和预处理

图像采集是整个影像组学流程的基础，要求获得高质量和标准化的影像用于诊断和评估。同时为避免异质性，需要对不同CT或MRI等图像进行均质化处理。

1.2 图像分割

目前一般采用自动、半自动或手动的方法来将感兴趣区（region of interest，ROI）从图像中分割出来，但对于最优分割算法目前未达成一致。Wang等[5]的研究表明自动分割与人工分割并无明显统计学差异。选择最大层面（2D）还是肿瘤整个病灶（3D）进行分析也是一个众说纷纭的问题。目前有研究通过一些MRI数据集中可用的时间维度，实现了4D纹理分析[6]。

1.3 特征提取和选择

影像组学的关键步骤在于提取有价值的特征，可以使用不同的工具（如TexRAD、MaZda等）来执行。常用的特征选择方法包括最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）、主成分分析（principal component analysis，PCA）、单变量或多变量分析等[7]。

1.4 数据分析与建立模型

利用线性和logistic回归、决策树（如随机森林）、LASSO、神经网络、深度学习等生成预测模型，也可以使用其他软件，如R语言、SPSS。常用的验证模型性能的方法包括：受试者工作特性（receiver operating characteristic curve，ROC）曲线、决策曲线分析（decision curve analysis，DCA）等[7]。

2 影像组学在CRC转移方面的研究

2.1 影像组学在淋巴结转移的研究

淋巴结转移（lymph node metastasis，LNM）是CRC的主要转移途径，同时，LNM直接影响CRC的手术范围、新辅助放化疗方案的选择以及患者的生存率。但常规的影像学检查及穿刺活检对准确评估是否发生LNM尚存在一定困难。目前，手术是治疗CRC的首选方法。但在手术时不清楚淋巴结是否存在转移的情况下，清除全部的癌旁淋巴结会产生不必要的副反应。因此术前准确评估淋巴结状态是评价CRC的治疗决策和预测预后的关键因素。

2.1.1 基于原发灶的研究 目前有研究应用影像定量分析方法从肿瘤原发灶上预测淋巴结状态[8]，研究表明基于CT和MRI的影像组学模型均有助于预测CRC患者术前的LNM，具有一定的临床价值，并且表明了原发灶的异质性通常决定了肿瘤的发生发展过程，对于CRC患者，其原发灶本身的影像组学特征往往受更少因素的影响且更加稳定，但Zhu等[9]研究比较了基于原发灶和淋巴结的影像组学分析，认为淋巴结特征比原发灶特征更好。因此，基于CRC原发灶的影像组学预测LNM的研究仍需进一步探索，并且应进一步研究动脉期和延迟期的特征。

2.1.2 基于淋巴结的研究 相关meta分析显示，MRI、CT和直肠内超声成像都不能准确地评估LNM情况，主要是因为这些研究均以淋巴结大小为标准来判断是否有转移性淋巴结，导致较高的假阳性率[10]。Nakanishi等[11]从两家医院纳入患者建立模型，研究表明基于增强CT的影像组学模型其预测性能优于仅测量盆腔外侧肿大淋巴结直径的临床模型。还有一项研究通过标记影像与病理完全匹配对应的区域肿大淋巴结，探讨了单个淋巴结的纹理特征与LNM的相关性[12]，证明了对淋巴结的影像组学分析优于依靠淋巴结短轴直径预测LNM情况的分析。

2.1.3 基于原发病灶与周围淋巴结的研究 只有Li等[13]的ROI包括原发灶和周围淋巴结，研究结果显示，临床-原发病灶-淋巴结的联合影像组学模型预测LNM的准确度最高，高于其他任何模型，因此其可能是术前预测LNM的最优模型，这增加了临床评估的特异性，并有助于制订个体化治疗方案。

2.2 影像组学在同步或异时肝转移（metachronous liver metastasis，MLM）的研究

同步肝转移（synchronous liver metastasis，SLM）是指直肠癌患者在确诊时即有肝转移，有15%～20%的直肠癌患者容易发生[14]。Liu等[15]的研究表明结合影像组学特征和临床因素的模型能更好地预测SLM转移。手术切除是早期发现MLM的主要治疗方法。因此，筛查MLM高危患者并及早发现，将为手术切除提供机会，改善患者预后和生存。Li等[16]的研究结果类似于Liu等[15]，其在内、外部验证中均取得了良好的表现，说明基于CRC的CT影像组学模型具有很好的预测MLM性能。基于类似的推论，Liang等[17]表明基于MRI的影像组学模型对预测MLM具有很高的潜力，研究表明，影像组学模型有较好的预测CRC肝转移的能力，为检测CRC远处肝转移提供了一个无创性的定量评估方法。

3 影像组学对CRC分子分型的预测

KRAS基因是一种小鼠肉瘤病毒癌基因，与人类肿瘤的发生发展密切相关。KRAS突变是CRC中最常见的基因突变，KRAS基因是否突变不仅具有预后意义，更是预测抗表皮生长因子受体（如西妥昔单抗和帕尼单抗）治疗是否有效的重要生物学标志物[18]。Zhou等[19]的研究发现KRAS状态与PCR无关，并且KRAS突变的患者预后较差，认为KRAS突变与较低的总生存率（overall survival，OS）高度相关。Taguchi等[20]发现与18F-FDG-PET相比，基于CT的预测模型在预测CRC的KRAS突变状态方面表现更好。Hu等[21]基于多相CT的相关研究也同样证明了影像组学具有良好的预测KARS能力，有助于确定治疗策略。

4 影像组学对CRC术前治疗反应的评估

CRC对新辅助放化疗（neoadjuvant chemoradiotherapy，NCRT）的反应差异很大，通常表现为以下3种情况：①没有存活肿瘤细胞的病理完全反应（pathologic complete response，PCR）；②几乎没有肿瘤消退；③肿瘤进一步发展[22]。区分可能对NCRT有反应的患者和无反应的患者很重要，因为对于无反应的患者，可调整其临床治疗方案，为患者实行“wait-andsee”的提议[23]，避免放化疗的不必要毒性，减轻患者的经济负担。部分研究[24]只关注于NCRT治疗前的MR图像，而忽略了NCRT治疗后的。Li等[25]的研究比较了NCRT前后基于MRI图像的特征变化，这对肿瘤变化和治疗反应有很好的指导作用，结果显示PCR组和非PCR组的化疗方案存在显著差异。Bordron等[26]认为，与MRI扫描相比，增强CT扫描对预测PCR没有任何价值，这一观点不同于Bibault等[27]的研究。因此，预测CRC对NCRT的完全反应仍是值得进一步探索的问题。

5 影像组学对CRC预后的预测

准确和及时识别影响患者预后的因素，有助于帮助CRC患者选择最佳治疗方案。虽然有很多的临床及病理学指标可用于预测CRC患者的生存率，但是这些因素的预后准确性仍然很低，因此，应该开发更准确的预后因素或预测模型。Huang等[28]的研究没有进行影像学特征与生存结果相关联的单变量分析，而是通过整合一组选定的特征作为预后标志物，构建了EcoRad特征，证明了对患者生存的足够预测性能。这与Dai等[29]的报道是一致的，其构建了一种高于任何其他临床病理特征的影像组学特征来预测结肠癌的OS。研究表明将影像组学特征和临床特征相结合能显著提高预测无病生存率和OS的能力，有助于指导临床患者的个体化治疗。

6 小结与展望

本综述讨论了目前影像组学在CRC研究中的应用。影像组学正在逐渐成为新兴精准医疗的核心工具，特别是对于肿瘤患者，它具有广阔的应用前景。在未来，多参数、多模态、多区域影像组学的分析可能会促使结果的进一步完善，同时也需更多标准化研究结果进一步验证。本综述旨在帮助放射科医生、临床医生更好地理解和利用影像组学来制订个性化治疗，并鼓励与人工智能合作，促进研究转化为临床实践，更好地帮助临床医生做出决策。