作者：谢朝邦，汤子建，黄薇，贺廷坤，石荣书，赵开飞，遵义医科大学附属医院放射科
肝内胆管细胞癌(intrahepatic cholangiocarcinoma,ICC)是仅次于
有研究表明，肿瘤低生存率和高复发率与肿瘤初诊时的分期密切相关，其中肿瘤大小、肝内转移、肿瘤分级、血管侵犯和淋巴结转移等的组织病理学结果被认为是ICC患者较差的独立预后因素。因此，术前对ICC的正确诊断、准确病理生理评估、甚至探测分子基因水平的改变在评估ICC的发病机制、治疗方式选择、治疗效果及预后等方面具有重要意义。
目前，计算机断层扫描(computed tomography,CT)或
1.影像组学的发展
影像组学是2012年由荷兰学者首次提出，指从CT、MRI或正电子发射断层扫描(positron emission tomography/computerized tomography,PET-CT)获得的医学影像图像中高通量地提取大量高维、定量的影像组学特征，采用多种统计学分析和/或机器学习的方法，筛选出最有价值和代表性的影像组学特征，实现肿瘤分割、特征提取与模型建立，整体评价肿瘤的组织形态、细胞分子、基因遗传等水平的各种特征，反映肿瘤异质性；在肿瘤的诊断与鉴别诊断、预后评估、预测治疗反应及随访方面等发挥着重要的作用。
近年来，随着影像组学的飞速发展，医学影像分析取得了突破性进展，开创了影像组学新领域。影像定量纹理分析被认为是一种虚拟活检技术，通过利用肿瘤影像的像素/体素的空间分布和灰阶强度的变化来探索肿瘤的微观细节，评估正常或病理状态，进而实现肿瘤的影像定性诊断与评估。目前，影像组学在临床医学中应用广泛，特别在肿瘤诊断与评估中，明显有助于肿瘤的精准定性、诊断与鉴别诊断、分级分期及治疗疗效判断等，从而实现对患者个体化精准治疗的目的。
2.基于超声影像组学在ICC诊断与评估中的应用
超声(ultrasonography,US)因其经济性、安全性是诊断ICC的首选影像学检查方法。目前，基于US图像影像组学也有相关研究报道。林莹等在一项样本量为124例的回顾性研究中，采用最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)方法建立常规灰阶US组学模型，在HCC与肿块型ICC(mass-forming intrahepatic cholangiocarcinoma,IMCC)鉴别中表现出较好效能，其诊断的曲线下面积(area under the curve,AUC)高达0.94，表明灰阶US图像同样包含丰富的肿瘤异质性信息，US组学对肝癌不同病理亚型的鉴别有较高鉴别效能和临床应用价值。
Peng等回顾性收集了668例ICC患者，同样采用LASSO方法建立的US组学模型成功预测了PLC不同病理亚型，在鉴别HCC与非HCC，其诊断的AUC值为0.854；在鉴别ICC与混合型肝癌(combined hepatocellular and cholangiocarcinoma,CHC),AUC值高达0.920，表明该模型有助于术前区分PLC组织病理亚型，为肝癌的准确诊断和临床治疗提供强有力的支撑。
Peng等采用LASSO方法及支持向量机(support vector machine,SVM)算法对128例ICC患者的US组学特征进行筛选、建模，实现无创性地预测ICC的生物学行为，包括病理分化程度、周围神经浸润、微血管浸润(microvascular invasion,MVI)及Ki-67、血管内皮生长因子(vascular endothelial growth factor,VEGF)、细胞角蛋白7的表达等多种病理特征，其中周围神经浸润的诊断AUC值效能最佳，高达0.930，这明显有利于指导临床个体化治疗并进一步改善患者预后，最终实现术前判断ICC的生物学行为。然而，因为US对肝脏肿瘤的诊断能力有限，目前基于US影像组学的研究相对较少，有待更多基于US影像组学的研究去评估ICC。
3.基于CT影像组学在ICC诊断与评估中的应用
增强CT是ICC诊断、随访的主要影像学检查手段，Chu等回顾性分析了两个中心203例ICC患者，采用随机森林(random forest,RF)及多变量Logistic回归(logistic regression)算法建立影像组学预测模型揭示：相比于单独临床资料，影像组学相比临床资料包含更丰富的肿瘤异质性信息。
近年来，基于CT影像组学在ICC诊断及预后评估中的应用也逐渐增多，Xue等分析了96例肝内
Zhang等同样从AP提取组学特征，采用LASSO方法构建预测模型对189例PLC进行鉴别诊断，仍然是联合模型表现最佳，表明基于AP组学模型可用于术前区分CHC和ICC，有助于提高影像医生诊断准确率和指导临床医生更好决策，将瘤周2mm纳入组学模型进一步提高鉴别效能，AUC值高达0.942，进一步揭示不同病理类型PLC对肿瘤周围微环境影响不同，即瘤周组学模型也有助于PLC病理亚型鉴别。
也有研究表明：基于CT影像组学模型不仅可鉴别ICC与肝脏炎性病变(最高AUC值约0.864)，而且可以预测ICC的淋巴结(lymph node,LN)转移及临床预后(最高AUC值达0.924)，表明影像组学模型不但在ICC诊断与鉴别诊断中表现出较高的预测效能，亦在LN转移及临床预后的预测评估中表现极佳，这有利于确定手术中受益最大患者亚群。
然而，关于LN转移状态评估，都是从肿瘤自身提取组学特征，缺少从转移LN上提取特征的文献报道。除此之外，Mosconi等在AP基础上，增加了门静脉期(portal vein phase,PVP)和延迟期(delayed phase,DP)组学特征，同样采用LASSO方法建立预测研究模型表明：CT纹理分析在经动脉放射栓塞(trans-arterial radioembolization,TARE)可术前量化ICC结构的血管化和均匀性，为患者个性化治疗提供有用临床信息，更好地帮助患者选择最佳治疗方案。但因为该项研究病例数仅有55例ICC患者，加之缺乏外部验证，因此，针对量化ICC结构的血管化和均匀性的研究，未来仍需要大样本、多中心研究去进一步验证和推广。
总之，尽管基于CT影像组学在ICC诊断与评估中的应用较多，但主要局限在ICC诊断与鉴别诊断，对LN转移、生存预后等研究较少，而且大多数研究都是小样本、单中心的研究，期待更多关于LN评估、生存预后等方面的研究。
4.基于MRI影像组学在ICC诊断与评估中的应用
MRI因其具有较高软组织分辨率，常作为ICC诊断的重要影像学检查方法及补充手段，目前基于MRI影像组学在ICC诊断与评估研究已是当下临床医学研究热点。冯忠园等基于T2WI影像组学对86例PLC病理亚型进行鉴别研究显示：Logistic回归算法建立的模型鉴别效能AUC值为0.925;SVM方法建立的模型鉴别效能AUC值高达0.928，表明基于T2WI影像组学模型能很好鉴别HCC和ICC，可协助临床进行诊断、降低误诊率。
孟祥玉等在T2WI序列基础上，增加三期动态增强MRI纹理分析对120例肝内局灶性病变进行诊断与鉴别诊断研究发现，采用LASSO方法得出MRI纹理分析可较好地鉴别ICC、肝脏脓肿及肝脏转移瘤，最高AUC值可达0.926；同时发现AP、PVP及DP三期的组学模型的鉴别效能均高于T2WI，表明增强图像可能包含更多组学特征，对病变的鉴别效能更有价值。
Liu等在一个回顾性研究中，对85例PLC病理亚型研究也揭示：增强CT和MRI影像组学模型比平扫表现出更好鉴别效能，其AUC值为0.81。以上文献报道中，均证明MRI组学可以很好地鉴别PLC病理亚型，特别是动态增强具有更好预测效能，揭示影像组学模型用于PLC病理亚型鉴别时，应当联合多序列及临床资料等相关信息，进而实现对ICC精准诊断。
Xu等采用最大相关最小冗余(maximum relevance minimum redundancy,m RMR)算法选取LN状态相关最多特征，建立SVM预测模型，进一步整合糖类抗原19-9(CA19-9)水平、SVM评分和相关MRI影像特征诺模图(nomogram)对148例ICC患者LN转移进行预测研究发现：联合诺模图在区分LN转移比单独的SVM模型表现出更好效能(AUC值为0.870)，这提供了LN状态的个体化评估，指导临床医生手术决策。然而，针对LN转移状态的评估，无法具体区分转移的LN区域，甚至达到与病理报道的LN转移一一对应，这有待于进一步研究。
Liang等基于AP的MRI组学特征和临床数据诺模图对209例ICC患者进行回顾性分析发现：联合模型ICC术后复发预测效能最佳，其AUC值为0.90，揭示采用LASSO方法建立的诺模图可用于预测部分肝切除术后ICC早期复发(early recurrence,ER)。Zhao等进一步整合相关临床特征、免疫组化特点及多序列MRI组学特征(包括T2WI和三期增强)建立联合预测模型成功预测了47例ICC患者部分肝脏切除术后ER，采用Logistic回归算法建立的联合模型显示出更好的ER预测性能，其AUC值高达0.949，表明影像组学模型有助于预测ER和指导临床实施个体化治疗。但由于肝切除术后，部分患者未规律影像随访，导致对ICC术后ER研究存在偏倚。
Zhang等基于AP和PVP的MRI组学特征采用LASSO方法对98例ICC患者预测ICC程序性细胞死亡蛋白1/程序性细胞死亡蛋白配1(PD-1/PD-L1)的表达(AUC值分别为0.897和0.890)及患者的总体生存率，可指导PD-1/PD-L1阳性表达的ICC患者实行靶向阻断剂的治疗并评估其预后；同时，MRI影像组学在评估ICC患者的PD-1/PD-L1表达和预后方面可以推导出有希望的非侵入性生物标志物。
除此之外，Zhang等在增强MRI的基础上增加了T1WI、T2WI及DWI的影像组学特征，仍然采用LASSO方法对78例ICC患者进行术前MRI纹理分析预测ICC患者的免疫表型(immunophenotype,IP)和总生存率(overall survival,OS)，其结果表明MRI纹理特征可作为ICC患者IP和OS的潜在预测生物标志物，更准确评价ICC的生物学行为。
张加辉等采用LASSO和m RMR算法分析69例PLC患者(包括42例IMCC和27例CHC)的PVP图像组学特征也能预测患者术后生存情况。Zhou等在一个164例ICC患者回顾性研究中，采用LASSO方法建立组学模型发现：三期动态增强MRI影像组学可以预测ICC中的MVI，其预测性能的AUC值为0.873，表明其可作为预测ICC微血管浸润的可靠影像组学生物标志物，有助于指导临床最佳治疗策略的制定。
总之，目前基于MRI影像组学在ICC诊断与评估中的应用是最多的，然而同样缺乏大样本、多中心、前瞻性等深入性研究，同时针对生存预后、治疗评价等方面研究也比较少，期望更多关于这方面的研究。
5. 基于PET-CT影像组学在ICC诊断与评估中的应用
PET-CT是通过示踪剂来体现组织细胞的代谢情况，从分子水平层面反映人体组织生理、病理、生化及代谢等变化的一种无创的、系统的影像学检查技术，在多种肿瘤诊断及疗效监测中得到广泛应用。目前，已见PET-CT影像组学用于ICC的诊断与评估中，周子东等通过LASSO方法建立相应的18F-FDG PET-CT影像组学模型对36例PLC进行病理分型鉴别，发现相较于常规PET-CT影像组学模型，该模型具有更好的鉴别效能，其诊断的AUC值高达0.923，表明18F-FDG PET-CT组学能够捕捉肿瘤微结构环境的差异，更好地鉴别中-低分化HCC和ICC。
此外，Fiz等采用多变量Logistic回归算法建立PET-CT组学模型对74例IMCC患者病理数据进行术前预测，发现联合模型优于临床模型，其中分化程度(中-高分组和低分化组)的诊断AUC值为0.78,MVI的AUC值为0.87，将瘤周5mm纳入影像组学模型进一步改善了分化程度预测效能(AUC值达0.83)，表明肿瘤及其边缘的纹理特征联合分析最大限度地提高了预测的准确性，并带来了病理数据的术前预测，更加说明影像组学代表了一种创新的非侵入性生物标记物，可为受肿瘤影响的患者提供一种精确的医学方法。然而，因为PET-
6.总结与展望
综上所述，目前大多数研究主要集中在ICC的诊断与鉴别诊断、淋巴结转移、MVI、生存预后及肿瘤复发的预测和评估等，采用不同算法建立多种预测评估模型评价ICC病理生理及临床预后。既往研究表明CT或MRI基于影像组学可以为临床提供一种无创的、客观的、可靠的新方法去评估ICC，从而更好地指导临床实践。
但仍然存在不足和挑战：(1)目前，国内外关于ICC影像组学大多是小样本、单中心、回顾性的研究，迫切需要大样本、多中心、前瞻性的深入研究。(2)关于ICC治疗方法(如局部治疗和化疗等)比较方面研究较少，我们期望更多关于ICC治疗方法比较的影像组学研究。(3)影像组学研究仍然存在一些局限性，存在不同机型及扫描参数差异的问题，图像采集缺乏标准化、影像组学方法不一致等，还存在缺乏多种影像学检查方法联合的相关研究等，临床研究中应尽量克服这些局限性。
来源：谢朝邦,汤子建,黄薇等.影像组学在肝内胆管细胞癌诊断与评估中的研究进展[J].中国CT和MRI杂志,2024,22(02):169-172.
(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。)
