秦 旭 综述,张喜荣 审校

    (陕西中医药大学医学技术学院,陕西 咸阳 712000)

    肺癌是全球第2常见癌症类型,其中非小细胞肺癌(NSCLC)是主要的亚型,占80%～85%[1-2]。近年来,我国肺癌发病率和死亡率呈上升趋势[3]。恶性肺部病变的早期检测至关重要,早期接受治疗的肺癌患者5年生存率为57%,仅5 %发展为进展期。影像学检查是早期肺癌筛查和诊断、制定治疗策略、预后评估和随访的一种重要无创性工具[4]。随着医学设备、影像学技术的迅速发展及精准医疗的提出,影像组学作为一种新兴手段被放射科医生熟知,其具备以非侵入性方式捕获肿瘤异质性的能力,从而可提高肺癌诊断的特异性和准确性[5]。肺癌精准医学研究的主要目的包括早期检测和晚期量身定制治疗和护理策略[6]。影像组学从CT、磁共振成像(MRI)和正电子发射断层扫描成像/计算机断层扫描成像(PET/CT)图像中提取和整合特征,在判断肿瘤组织学类型、分级分期、评估治疗效果和判断预后等方面取得较好的效果[7]。本文就影像组学在肺癌应用中的研究进展进行了综述。

    1 影像组学简述

    影像组学是指从医学图像中分离出病灶,通过高通量特征的提取和分析来建立函数或数学模型,在宏观和微观层面反映肿瘤学的诊断特征和发病机制,从而帮助临床进行疾病诊断和制订治疗决策[8]。影像组学可单独使用,也可与人口统计学、组织学、基因组学或蛋白质组学等数据结合使用,解决更多临床问题[9]。影像组学的流程分为图像采集、图像分割、特征提取、模型构建4个步骤[8-9]。

    1.1图像采集 目前主要是从CT、MRI、PET-CT等设备获取图像信息。但不同成像设备、不同医疗单位的扫描协议存在差异,影响提取数据的准确性[10]。因此,在多中心采集图像必须遵守标准化成像原则,并对扫描图像进行标准化处理,提取的图像数据应用图像归一化和重采样技术进行校准[10],以实现影像组学研究的可重复性和准确性。

    1.2图像分割 准确的图像分割是影像组学分析中一个关键且具有挑战性的步骤,分割方法包括手动分割、半自动或自动分割。手动分割可以精准勾画肿瘤,准确性高,被视为图像分割的“黄金标准”,但是费时、费力且存在一定的主观性[9]。近年来,半自动或自动分割技术快速发展,其稳定性优于手动分割,已逐渐成为图像分割的主要方法,但尚未研究出一种适合所有图像的半自动或自动分割方法[10] ......