影像组学在胶质瘤临床诊疗中的应用现状。

　　根据中国国家癌症中心在国际权威期刊上发表的数据，胶质瘤是目前十大最常见的肿瘤之一，2000年至2011年中国人中枢神经系统肿瘤发病率显著上升(年增长率为1%)。其中，胶质瘤是最常见的脑肿瘤，其发病率约占所有原发性脑恶性肿瘤的70%。它是恶性程度、死亡率和致残率最高的一种严重的脑部疾病，严重危害人们的健康。

　　近年来，胶质瘤的治疗取得了很大进展，但胶质瘤患者的总生存期仍然很短。根据病理类型不同，低度恶性胶质瘤5年生存率为30%~70%，高度恶性胶质母细胞瘤中位生存期仅为12~14个月。因此，研究脑胶质瘤的诊断、治疗和预后非常重要，近年来新兴的影像技术为这一课题的研究提供了新的机遇和方法。接下来我们就胶质瘤的成像技术研究进行综述。

　　影像组学导论。

　　Radiomics的概念是由荷兰学者在2012年提出的。利用医学图像大数据进行定量分析和预测是一种新的有效方法。其过程主要包括图像采集、病灶分割、图像特征提取、预测模型构建和临床验证。近年来它的迅速发展为探索定量影像学特征与病理学之间的关系提供了有力的工具。

　　基于医学大数据图像的影像分析已成功应用于肿瘤学研究。2014年，AERTS等发表在NatureCommunications上的论文阐述了影像学的研究框架及其在医学影像定量分析中的重要作用。文章指出，应用大数据挖掘等新兴技术自动提取医学图像的定量特征，分析图像特征与临床数据和遗传数据的关系，建立癌症预测模型，可以自动对疾病进行分期和分类，预测患者的生存期，将显著提高医学图像信息的可信度和有效性，大大提高疾病早期诊断的准确性，为医生选择合理的治疗方案提供定量建议。接下来我们以1000多例肺癌和头颈癌为例，验证了影像分析的有效性和可靠性，为该方法的进一步发展奠定了基础。

　　虽然影像组学是一个新兴的交叉学科研究领域，但自其概念提出以来，医学影像已不再是影像医生只能主观解读的画面，而是可以用于数据挖掘的对象。包含肉眼无法识别的深层特征，可用于指导临床实践。2016年初，美国影像基因组学研究的先驱、莫菲特癌症研究中心的吉利斯(GILLIES)在最具影响力的影像学杂志《放射学》(Relation)上发表论文，了近几年影像基因组学的发展，指出医学影像信息的深入挖掘将对肿瘤的早期诊断、有效治疗和疗效评价发挥重要作用。

　　2017年，在NatureReviewsClinicalOncology上发表了一篇综述文章，提出了影像组学的量化评价标准，这是一个划时代的成就。基于从常规医学图像中提取的高通量定量特征，成像组学使肿瘤学家能够在肿瘤检测和分割、诊断、治疗反应评估和预后分析中提供更个性化的医疗护理。影像组学为肿瘤学的决策支持提供了强有力的工具。接下来介绍影像学在脑胶质瘤自动分割、诊断和预后中的应用。

　　胶质瘤的自动分割。

　　胶质瘤起源于脑内的胶质细胞，浸润性生长，形成许多浸润周围组织的“树突”组织，与正常脑组织无明显界限。由于肿瘤的异质性和各种亚型的存在，不能用简单的阈值技术进行分割。胶质瘤是一种典型的具有多个子域(如活性细胞、坏死和水肿)的肿瘤，往往呈现不同的视觉特征，包括不同的形状和外观(如坏死区和水肿区)，肿瘤的不同空间位置之间存在不规则的边界。现有的许多成果表明，胶质瘤分割是一个多分类问题，都强调肿瘤形状分割，讨论特定组织分割(如肿瘤活动区和水肿)。

　　ZIKIC等人和KONUKOGLU等人对胶质瘤的三个区域进行了分类，并使用随机森林作为多类分类器来识别每个像素属于哪种组织。

　　胶质瘤的临床诊断。

　　WHO胶质瘤诊疗指南将胶质瘤分为四个等级，并给出相应的诊疗方案。准确的分级对确定治疗方案、评估治疗反应和评估患者预后具有重要的临床意义。目前临床胶质瘤分级常采用MRI。由于人工判断受主观因素影响较大，不同级别的胶质瘤图像之间主观差异较小，磁共振成像仍难以给出准确可靠的胶质瘤分级结果。QIN等人报道，基于66例胶质瘤术前的磁共振成像(T2加权、T1增强和扩散加权成像)，提取了114个影像特征，建立了术前预测其高低分级的模型。接收器工作特性的面积下曲线为0.943，从而实现术前高、低级别胶质瘤的准确鉴别。

　　除了分级，预测基因表达也是一个研究热点。LI等人利用影像学技术识别低度恶性胶质瘤中与表皮生长因子(EGFR)相关的MRI特征，采集了北京天坛医院20052012年270例低度恶性胶质瘤患者的MRI图像，提取了431个图像特征。为研究低度恶性胶质瘤与影像学特征的关系，采用逻辑回归算法选择影像学特征中与EGFR表达相关的特征进行分类。所有数据集分为训练集(n=200)和验证集(n=70)，AUC为0.95，分类准确率为90.0%。

　　LI等人基于272个样本的MRI图像判断低度恶性胶质瘤的p53突变状态，训练集和验证集的AUC分别达到0.896和0.763。LI等人基于117个样本的MRI图像，利用成像技术对低级别胶质瘤中Ki67表达水平的预测进行了分析，在验证集内准确率达到88.6%(AUC:0.93)。LI等人还利用影像学预测低度恶性胶质瘤的ATRX突变状态。本课题以theCancerGenomeAtlas)数据库为训练集和内部验证集，CGGA(CGGA)为外部独立验证集，AUC分别为0.940、0.925和0.725。

　　在肿瘤组织的鉴别分析中，胶质母细胞瘤患者在放化疗后很难区分放射性坏死和肿瘤复发。传统常规增强MRI不太可能区分放射性坏死和假进展。定量磁共振成像特征可以区分放射性坏死和复发病灶，从多个磁共振序列(如T1和T2)获得的定量强度特征对检测胶质母细胞瘤的放射性坏死有价值。另外LIU等人发现影像学可以诊断低级别胶质瘤是否会伴随癫痫。研究人员回顾性收集了286例低度恶性胶质瘤患者的T2加权成像数据，其中194例作为训练集建立模型，92例作为验证集评价模型性能。训练集和验证集的AUC分别为0.877和0.815。

　　疗效评估和预后。

　　胶质母细胞瘤是最常见的原发性脑肿瘤，死亡率高，预后差。替莫唑胺化疗联合放疗后，患者总体生存率略有提高，但大多数患者在确诊后两年内死亡。对于以O6甲基鸟嘌呤DNA甲基转移酶(MGMT)基因启动子甲基化为特征的胶质母细胞瘤患者，治疗效果是明显的。XI等人预测胶质母细胞瘤的MGMT甲基化，以预测哪些患者可以受益于替莫唑胺的化疗。98例患者接受了T1加权成像、T2加权成像和T1增强成像。