原发性肺癌影像组学可重复性研究进展.docx

摘要??

影像组学作为一门新兴学科在肺肿瘤性病变中应用广泛，该学科定量分析的前提是图像特征具有较高的可重复性。多数研究表明组学特征稳定性的影响因素颇多，胸部生理运动更增加了病灶图像特征应用价值的不确定性。本文旨在对原发性肺癌影像组学在CT、MRI及PET-CT中的可重复性研究进展进行综述。

肺癌是肺内最常见的恶性肿瘤，居国内癌症患病率和病死率首位。影像学检查是发现及评估肺肿瘤的重要手段。随着大数据时代的到来，人工智能在影像医学上有了新的突破，机器学习作为人工智能的核心技术旨在发掘图像隐藏纹理信息，为影像组学在精准医疗的发展提供新机遇。然而，多数研究显示图像特征稳定性的影响因素颇多，不稳定的特征直接影响预测模型的诊断效能。对于胸部来说，特征稳定性除涉及技术层面外，还需考虑呼吸、循环等生理运动带来的影响，这进一步增加了肺癌影像组学研究的难度。因此，笔者旨在综述原发性肺癌影像组学在CT、MRI及PET-CT中的可重复性研究进展，试图寻找影像组学在肺癌开展研究的合适方式和相关注意事项，以提高研究结果的适用性。

一、影像组学概述

荷兰学者基于肿瘤异质性将影像组学定义为高通量地从放射影像中提取大量特征，采用自动或半自动分析方法将影像学数据转化为具有高分辨率的可挖掘数据空间。具体研究步骤包括：①高质量标准化影像图像采集与重建；②感兴趣区图像分割；③高通量特征信息提取与筛选；④分析定量特征并构建分类或建立临床预测模型；⑤建立共享数据库。另外，组学提取的特征需同时满足信息性、非冗余性和高重复性，研究结果也需进行多中心验证。

二、肺癌影像组学的临床应用

肺癌组学分析的影像技术主要包括CT、PET-CT及MRI，影像组学能在肺肿瘤开展，得益于肺实质与肿瘤之间天然密度差及病变生物学差异，该差异有助于病灶分割及病灶特征异质性分析。目前，肺癌影像组学发展方向集中在疾病鉴别诊断、基因表型预测、疗效与预后评估等多个方面，而模型及特征稳定性是研究应用的前提。

三、胸部影像组学可重复性的影响因素

1.图像获取与重建：图像获取是组学研究的首要步骤，获取图像的灰度信息除反映病变特征外，还和扫描设备、扫描方式、辐射剂量、重建方法、像素大小等密不可分，该差异用于组学定量研究时需高度重视。

图像重建算法可以影响组学特征稳定性。对部分特征而言，算法对特征稳定性的影响明显大于观察者测量变异造成的影响，有研究显示超过80%肺结节特征在不同算法（B30f和B50f算法）下变异较大，且平扫图像下的不稳定特征更多。增强扫描虽可提高部分特征稳定性，但对图像采集时间也有一定要求。推荐使用延迟60~150s的图像进行肺结节良恶性鉴别，但该研究仅提取13个纹理特征，结果是否能推广到所有机型及其他纹理特征还需大样本、多中心研究。在PET-CT图像中，对需离散化处理的图像数据，点扩展函数（PSF）重建算法可通过降低图像噪声获得比有序子集-期望最大化（OSEM）算法及时间飞行迭代重建（TOF）算法更多的稳定特征。

图像层厚、像素大小等同样会影响组学特征适用性。比较不同采集模式、图像层厚及重建算法下肺结节良恶性分类的准确性，结果显示平扫、薄层（1.25mm）、标准算法下的高斯滤波纹理鉴别肺结节良恶性诊断效能最高，原因是薄层图像可提高图像空间分辨率，便于隐匿信息的显示；标准算法既能保持较高空间频率，又能降低图像噪声；平扫减少了对比剂对肿瘤异质性的干扰，提高结节鉴别诊断效能。尽管有研究提出增强扫描获得的特征稳定性更高，但即便保持相同扫描参数，不同机型或相同机型重复扫描，特征稳定性仍会受到影响。间隔15min进行两次胸部CT扫描发现超过80%特征具有较好稳定性（concordancecorrelationcoefficient,CCC0.85)，而在相同间隔扫描时间下发现仅30%特征可重复性较高（CCC≥0.9）。这两项研究结果相差甚远，可能与病灶位置、选用的特征类型、呼吸状态及心血管搏动伪影等有关。研究PET-CT融合图像重复测量对图像特征的影响，该研究纳入11例非小细胞肺癌（non-smallcelllungcancer,NSCLC）患者，间隔1d重复两次扫描处理得到融合图像，在基于最大摄取50%阈值分割算法下提取特征，发现71%的特征稳定性较高（ICC≥0.8）。重复扫描在疗效评估确定参数值变化范围时必不可少，因此，为使图像信息更精确反映疾病转归，不仅需要规范前后扫描模式，还要积极取得患者配合，保证病灶显示的可信度。

2.病灶分割的可重复性：图像分割是影像组学研究流程中的重要步骤，分割方式直接影响信息完整性与准确度，分割差异可导致组学结果不稳定。目前，病灶分割方法包括手动分割、半自动分割及自动分割。其中，半自动分割是目前较常用的分割方法，相对于手动分割而言，提高了放射特征的稳定