作者：韩冬，张喜荣，贾永军，任革，吕蕊花，史琳娜，贺太平，陕西中医药大学

1.肺癌的流行病学

支气管肺癌简称肺癌，起源于支气管黏膜上皮及肺泡上皮，男性发病率高于女性，城市高于农村。是发病率和死亡率最高的恶性肿瘤之一，严重威胁人类健康。据统计，2014年我国肺癌发病率和死亡率均居首位，其中新发病例约78.1万人，死亡病例约62.6万；城市高于农村；发病率和死亡率由高到低依次为东部、中部和西部。对于肺癌的诊断和治疗依然遵循“早发现”、“早诊断”及“早治疗”的三原则。但遗憾的是，大多数患者确认时已无手术机会，肺癌整体5年生存率约为16%。

对于早期肺癌，手术切除仍是最重要的治疗手段。对于晚期肺癌，除新辅助化疗及放疗外，靶向治疗及免疫治疗逐渐广泛应用。因此，对肺癌患者的早期诊断及个体化治疗方案的制定有重要意义。

2.影像组学概念

影像组学作为新兴的图像定量分析方法，是指从影像图像中高通量地提取大量特征，这些特征可以更客观准确地定量表征病变的细微结构，再采用统计学或机器学习的方法建立模型，达到疾病诊断、肿瘤分级分期、疗效评估和预后预测等目的。对于胸部病变，CT扫描是最常用的检查方法，即使一些CT表现对以上临床需求可以提供一些有价值信息，但对于CT征象较少或不明显的小肺结节评价存在较低的诊断效能。本文主要基于CT图像的影像组学在肺癌诊断与治疗中的应用展开综述，报告如下：

3.影像组学在鉴别良恶性肺疾病中的应用

CT对肺部典型的良恶性疾病诊断并不困难，但对于不典型或低年资的影像诊断医师仍存在挑战。尤其在肺部小结节的良恶定性中，传统CT图像的影像诊断仍有较低的特异性。ChenCH采用影像组学分析方法构建的分类器对于鉴别良恶性肺结节表现出的敏感性92.9%，特异性为72.7，准确性为84.0%。

PeikertT经LASSO回归后共筛选出7个影像组学参数，这些参数对于鉴别良恶性结节的曲线下面积为0.94左右，敏感性为0.904，特异性为0.855。ChoiW进一步在低剂量CT中采用支持向量机（SVM）联合LASSO回归建立的预测模型与ACR发布的Lung－RADS系统作了比较，结果表明影像组学SVM－LASSO模型的AUC、敏感性、特异性及准确性均高于Lung－RADS系统。

JunWang利用支持向量机建模，发现在训练组影像组学特征预测肺恶性肿瘤的准确率为86%，在测试组为76.1%。也有研究表明影像组学对肺结节的恶性程度有良好的预测性能。以上研究均表明，无论采用何种方法建模，基于影像组学构建的分类器对肺结节或肿块的良恶性鉴别均有较高的诊断效能。

4.影像组学在鉴别肺癌病理类型的应用

肺癌临床决策时会考虑其不同病理类型。采用多种分类器建模，WuW的研究结果表明朴素贝叶斯模型相对于随机森林和K－NN算法有最优的鉴别肺鳞癌和腺癌的诊断效能。对于肺癌的组织学亚型，临床治疗方案的选择及患者的预后均有所不同。ChaeHD早期的研究采用纹理特征联合人工神经网格鉴别浸润前病变和浸润性肺腺癌的AUC达到0.981。

崔效楠进一步采用影像组学对肺纯磨玻璃腺癌的侵袭性进行了评价，发现基于影像组学的预测模型鉴别腺癌侵袭性的AUC达到0.951，敏感性及特异性分别为94.8%及96.7%，但该文章只是对建立的模型作了内部验证，并未设立验证组进行独立验证。范丽的研究弥补了上述问题的不足：在训练组中鉴别磨玻璃肺腺癌的AUC为0.917，在验证组为0.956，具有较好的预测效能，与罗婷的研究与以上结果类似。进一步采用多种分类器，其中支持向量机、朴素贝叶斯及逻辑回归的AUC0.822、0.848及0.874，但作者没有对AUC进一步进行统计比较。

5.影像组学在肺癌分期中的应用

肺癌分期是评价患者预后的独立危险因素。朱静基于影像组学采用LASSO－Logistics建立预测纵隔淋巴结转移的模型，结果表明在训练组和验证组的AUC分别为0.781和0.776，联合肿瘤标记物AUC达到0.836及0.821。在一项肺腺癌的M分期研究中，研究人员发现影像组学标志对肺腺癌远处转移具有很强的预测能力。何兰将病理分期中I期及II期非小细胞肺癌定义为早期肺癌，III期及IV期定义为晚期肺癌。结果表明基于术前CT影像组学构建的影像组学标签对于肺癌分期具较好的预测效能，训练组和验证组的AUC分别为0.717及0.724，联合了临床和实验室特征后AUC进一步提高。

6.影像组学在预测肺癌基因敏感突变中的应用

肺腺癌是肺癌最常见的组织类型，且预后差。亚裔人群腺癌表皮生长因子受体（Epidermal growth factor receptor，EGFR）基因敏感突变阳性率约为50%，尤其是EGFR－酪氨酸激酶抵制剂（Tyrosine kinase inhibitoers，TKIs）为代表的分子靶向治疗应用取得良好的效果，其可提高EGFR敏感突变腺癌患者的生存期。但基因检测需要有创地获得肿瘤标本，检查费用昂贵，且对肿瘤组织标本要求较高。以往针对肺癌的一些CT表现对与EGFR基因突变相关，但部分作者的研究结果表明采用CT表现预测EFGR突变尚存在挑战，同时CT图像的评价易受观察者的主观及其自身经验影响，存在不稳定性。

影像组学分析在这方面表现出强劲的潜力，一些研究者对此也做出了努力。有学者发现灰度共生矩阵中的某些特征在EGFR外显子19突变、外显子21突变与野生型存在差别。LiuY的研究表明在平扫CT图像中相对常规临床预测模型，增加影像组学特征，可以将预测EGFR突变模型的AUC从0.667增加到0.709。肖磊的研究结果表明仅用影像组学预测EGFR基因敏感突变的AUC就达到0.77，联合常规CT表现的预测模型AUC达到最高，为0.83，均大于常规CT表现和影像组学的预测模型。Rios－Velazquez的结果表明影像组学可以预测肺腺癌EGFR和K－ras基因突变的状态。

7.影像组学在预测肺癌治疗效果中的应用

对于肺癌的治疗效果评价，常规的WHO标准及实体瘤评价标准都是采用肿瘤形态大小变化来评价，因肺癌治疗后在其形态发生变化前，肿瘤组织的代谢及增殖状况已有所改变，故基于形态学的标准均有滞后性和低敏感性。有研究表明，在非小细胞肺癌放疗过程中，所有影像组学特征均发生了变化。治疗前的影像组学特征不能预测肺癌局部复发。但有某些特征可以为患者的总生存期和是否发生远处转移提供了额外的信息。治疗后结束的影像组学特征可以反映肿瘤的治疗效果。

HuangY的研究表明，对于早期的非小细胞癌患者，影像组学是评价此类患者无进展生存期的独立生物学指标。SongJ提取了IV期EGFR突变非小细胞肺癌治疗前的影像组学特征，发现影像组学可以较好的准确预测EGFR－TKIs治疗患者的无进展生存期。

8.结语

综上所述，影像组学在肺癌诊治领域表现极大的优势，对于医学影像图像提供了全新的视角，从而更精准地指导临床决策。但仍存在一些局限性：如图像预处理的标准化问题，影像组学特征的规范化问题；病灶分割方法的准确性问题等等。广大研究者应辩证地看待影像组学，正确发挥其优势。

来源：韩冬,张喜荣,贾永军,任革,吕蕊花,史琳娜,贺太平.影像组学在支气管肺癌中的应用进展[J].现代医用影像学,2020,29(03):439-442.

(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。)