作者：佘思蓉，唐 瑷，谢佳琦，董正娇，昆明医科大学第一临床医学；冯林森，昆明医科大学第六附属医院玉溪市人民医院
近年影像学用于评估MM 所致早期骨骼病变、骨髓浸润及髓外侵犯的效能逐步增高。MRI和PET/CT 用于检测MM 骨髓浸润具有相近诊断价值；而MRI具有低侵入性、高可靠性，可评估多发性骨髓瘤分期、预测预后和疗效。18F-FDGPET/CT和全身弥散加权成像(diffusion weighted imaging，DWI)在功能成像方面具有明显优势，DWI可能更适于评估肿瘤负荷、治疗反应及预后，且可能对患病率高但无症状的冒烟型MM(smoldering MM，SMM)更加敏感。利用影像组学可辅助诊断疾病。本文就MM 影像组学研究进展进行综述。
1. 诊断MM
影像学辅助诊断MM 可能出现假阴性结果。PET/CT假阴性可见于约11%确诊MM 患者。利用影像组学技术提取、过滤、降维PET/CT中的高维影像特征、据以构建随机森林(randomforest，RF)预测模型可有效减少视觉分析假阴性，降低漏、误诊率；以之构建的MRI影像组学模型可用于预测骨髓浆细胞浸润，弥补骨髓活检无法频繁实施且难以多灶评估肿瘤组织空间异质性的缺陷。相比PET/CT和MRI，单纯CT诊断效能更低，尤其诊断骨量减少患者MM 骨髓浸润存在困难；而影像组学模型对此亦可加以弥补。
PARK等提取并比较MM 组与对照组805个胸部增强CT 纹理特征，以RF分类器构建影像组学模型，其曲线下面积(area under the curve，AUC)与影像科医师诊断结果无明显差异。基于人工智能(artificial intelligence，AI)于CT图像中提取影像组学特征进行后处理有助于对复发和非复发MM 患者进行分层管理。
2. 鉴别MM 与骨转移瘤
MM 应与骨转移瘤相鉴别，但二者所致骨质破坏在常规影像学检查的表现甚为相似；基于MRI影像组学的临床预测模型用于鉴别MM 与骨转移瘤具有一定优势。LIU等于常规MRI，包括T1WI和脂肪抑制T2WI(fat-suppressed T2WI，FS-T2WI)原始图像中提取一阶特征、形状和大小特征、纹理特征等信息，以逻辑回归(logistic regression，LR)构建MRI影像组学模型，当每个变量事件数为10时，模型在验证集的AUC可达0.84，其敏感度为84.5%、特异度为77.7%，性能较为稳定；引入CT图像信息可能有助于进一步提升其鉴别能力。但CT用于软组织成像存在局限性，导致其诊断MM 髓外软组织浸润存在一定困难。
ZHANG等构建的MRI影像组学列线图模型鉴别训练集、验证集和外部测试集MM 与骨转移瘤的AUC均显著高于影像学医师，其在验证集和外部测试集的AUC也显著高于临床模型。研究发现，在提取增强MRT1WI和T2WI影像组学特征后，利用基于多核学习的支持向量机(multiple kernel learning based support vector machines，MKL-SVM)模型鉴别MM 与骨转移瘤的准确率、AUC 及F1分数分别为0.862、0.870及0.874，其效能优于LR、AdaBoost、支持向量机(support vector machines，SVM)和RF模型，表明机器学习算法可能为个体化诊疗脊柱肿瘤提供新的途径。
基于MRI影像组学模型鉴别MM 与骨转移瘤更具潜力，通过综合分析图像特征可实现鉴别诊断及评估预后，但现有模型的敏感
3. 预测生存期
目前主要根据国际分期体系(international staging system，ISS)和修订ISS(revised-ISS，R-ISS)评估MM 预后及危险分层。中轴骨MRI可见正常骨质、MM 所致局灶性病变、弥漫性浸润及杂色特征等。荟萃分析结果显示，局灶性病变和弥漫性浸润是MM 患者PFS和OS缩短的独立影响因素。
有学者基于全脊髓MRI评估MM 骨髓浸润程度并建立肿瘤负荷评分，结果显示该评分与R-ISS分期呈正相关，提示高肿瘤负荷评分是早期治疗反应和PFS、OS不良的重要预测因子。
另有研究发现，以影像组学特征联合临床风险因素构建的基于Cox回归的列线图模型用于预测OS的效能可能优于临床模型、影像组学特征模型、迪里-萨蒙分期系统(Durie-Salmon staging system)和ISS，虽然用于预测PFS稍显逊色，但仍为开发简单、无创的MM 临床风险分层工具提供了可能。GILES等报道，DWI对于评估MM 骨病及骨髓浸润程度具有一定优势。
另有研究发现部分新诊断的MM(newly diagnosed MM，NDMM)患者DWI中脾脏信号缺失，且治疗有效后脾脏信号再次出现，而在意义未明的单克隆免疫球蛋白血症患者中未发现这一现象，提示其可能与脾脏髓外造血功能相关，而DWI脾脏信号缺失或可作为预测MM 高肿瘤负荷和预后不良的新指标。联合18F-FDGPET 影像组学特征与临床特征的多种机器学习模型用于预测NDMM 患者PFS具有良好价值。
骨髓最大标准摄取值(maximum standard uptake value，SUVmax)可能是NDMM 患者PFS的独立预测因子，Cox回归分析显示乳酸脱氢酶、骨髓浆细胞也可能是PFS影响因素，联合PET/CT 影像组学特征与临床指标构建的列线图模型可预测NDMM 患者1 年、2 年PFS。基于随机生存森林(random survival forest，RSF)构建的18F-FDGPET/CT 影像组学模型也可作为预测适合接受移植的NDMM 患者PFS的有效方法。
另有研究联合变量重要性(variable importance，VIMP)与RSF 进行特征选择和预测，并基于18F-FDGPET影像组学预测MM 患者PFS，这一VIMP+RSF模式的预测性能可能优于最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)-Cox等传统方法。
4. 预测细胞遗传学异常
细胞遗传学异常也是影响MM 预后的关键因素之一。近年细胞遗传学、分子遗传学和表观遗传学在MM 诊疗、分层及预后评估中已占有举足轻重的地位。相关研究聚焦MRI影像组学，于MRI原始图像中提取特征信息构建预测MM 患者细胞遗传学状态模型。
为预测MM 患者高危细胞遗传学(high-risk cytogenetic，HRC)与非HRC状态，有学者发现基于双序列(T1WI和FS-T2WI)MRI影像组学特征表现最佳，且以LR 构建的HRC 模型的预测效能(AUC=0.82)明显优于SVM、RF、决策树、k近邻算法及极限梯度提升(extreme gradient boosting，XGBoost)模型。
LIU 等认为单序列(FS-T2WI)MRI影像组学列线图亦能预测HRC状态，且效能优于单纯临床模型。基于LR 的机器学习研究结果显示，基于常规脊柱MRI影像组学特征构建的模型与影像组学联合性别、年龄等临床特征构建的综合模型的AUC差异并无统计学意义，提示影像组学特征可作为HRC 的独立预测指标；但也有学者认为以LASSO回归构建影像组学特征预测HRC 和标危细胞遗传学(standard-riskcytogenetics，SRC)时，相比基于T1WI，基于FS-T2WI所获模型在训练集(AUC=0.896)和验证集(AUC=0.729)的效能均更为优异。开发基于遗传学异常的影像学标志物作为细胞遗传学检测的辅助工具或将成为未来MM 相关影像组学研究与临床应用的热点之一。
5. 预测微小残留病灶
检测微小残留病灶(minimal residual disease，MRD)是评估MM 疗效、预测复发及指导后续治疗的重要路径之一。对骨髓样本进行多参数流式细胞检测(multiparameter flow cytometry，MFC)和下一代测序(next generation sequencing，NGS)是确定MM 患者MRD状态的有效方法。影像组学分析的引入为非侵入性评估MRD提供了新的可能。
WU等于MRT1WI和FS-T2WI中提取共16个影像组学特征，结合血液检测所获游离轻链比构建的影像组学列线图在训练集和测试集的AUC分别为0.980和0.903，具有较高敏感度、特异度和准确率，可为临床决策提供有价值的信息。另有研究结合骨髓浸润率和影像组学特征构建预测模型，以不同机器学习方法基于MRI鉴别MRD，发现线性SVM 表现最佳；FS-T2WI-SVM 和骨髓浸润率联合模型预测MRD的AUC和F1分数均更高，由此证实了结合临床特征和影像学组特征进行综合分析的必要性。
根据基于18F-FDGPET 图像开发的骨髓分割和影像组学分析软件，某些纹理特征和标准摄取值用于区分MFC-MRD(+)与MFC-MRD(-)病例时表现并不突出，表明基于PET 分析MRD 仍具有局限性，可能需要结合MFC进行评估。未来仍需进一步探讨不同影像学技术联合MFC 与NGS之外的特异性临床特征构建模型，以提高评估MRD的性能。
6. 小结与展望
影像组学为诊断MM、预测患者生存期及细胞遗传学异常等提供了新的可能。就当前的研究现状而言，影像组学用于MM 仍然存在问题。MM 病灶具有高度异质性，部分病例的MRI和PET/CT可能呈现不同影像学特征，虽可相互补充、印证，却对影像组学诊断造成困难。
也有观点认为目前MM 影像组学研究的证据级别较低，存在缺乏外部验证、样本量较小、敏感度/特异度偏低等问题，亟需提高研究质量与成果出版标准。在MM 诊疗过程中纳入先进的影像组学技术有助于解锁、剖析医学影像中的隐藏信息，实现症状组学、检验组学与影像组学等多组学数据特征的挖掘、整合与可视化。构建更加精准、客观的临床预测模型将大大提升诊断效能，甚至改变诊断与鉴别MM、实施风险分层管理、评估疗效和预后的现有模式。
来源：佘思蓉，唐瑷，谢佳琦，等.多发性骨髓瘤的影像组学研究进展[J].中国医学影像技术，2025，41(01):164-167.DOI:10.13929/j.issn.1003-3289.2025.01.035.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
