作者：林天诚，董梦莹，王开杰，
由于肿瘤异质性等原因导致患者对IC 疗效差异较大，因此治疗前能够精准地预测鼻咽癌患者对IC 的反应对预测疗效及评估预后至关重要。MRI、CT、正电子发射断层成像/ X 线计算机体层成像(positron emission tomography/ computed tomography，PET/ CT)是评估鼻咽癌常用的影像学方法，可提供病灶形态及功能信息，而影像组学是从医疗图像数据中高通量挖掘定量图像特征应用于临床决策支持系统，可更精准地反映肿瘤异质性，例如肿瘤细胞的微观结构、退行性改变及新生血管形成等难以通过肉眼观察到的信息，以最终提高诊断、预测疗效和预后的准确性，在癌症的研究中取得了许多瞩目的成果并具有很好的临床转化前景。
影像组学研究的过程主要包括图像分割、特征提取、特征筛选及模型建立和评估。许多研究通过影像组学的方法从MRI、CT、PET/ CT图像中提取大量高通量的信息并结合强大的机器学习计算能力，对于实现患者的精准诊断和个体化综合治疗提供了新方案。目前影像组学已广泛应用于鼻咽癌肿瘤分级分期、鉴别诊断、预测疗效及预后等方面的研究。本文旨在就基于三种常用的成像方法影像组学在鼻咽癌IC 中的应用展开评述，并对该领域未来的研究发展趋势进行分析和探讨。
1.基于MRI 的影像组学在鼻咽癌IC 中的应用
MRI 具有高软组织分辨率、多参数、多序列成像且无辐射、适用范围广等优点，在鼻咽癌的分期、分级及放疗靶区勾画中都是必备的影像学评估方法，因此也是鼻咽癌影像组学研究中应用最广的图像模态。目前基于MRI 的影像组学已广泛应用于预测鼻咽癌IC的近期疗效及远期预后的研究。Piao 等从108 例局部晚期鼻咽癌患者治疗前的对比增强(CE)-T1 WI 图像提取来自灰度共生矩阵、灰度梯度共生矩阵及小波变换中的396 个预测早期治疗反应的影像组学特征，对所有特征进行筛选后，保留灰度共生矩阵中的2 个纹理特征。
研究发现联合2 个特征建模的模型[曲线下面积(AUC)为0.905]预测性能优于基于单个特征的模型(AUC 为0.804、0.762)。Wang等将T1 WI、T2 WI、T2 WI 抑脂(FS)和CE-T1 WI 一同分析，采用最小绝对收缩和选择算子方法(LASSO)从灰度直方图、灰度游程矩阵及小波特征中筛选出15 个纹理特征并通过逻辑回归方法构建预测模型(AUC 为0.822)。该模型的性能优于仅通过CE-T1 WI 的预测模型(AUC 为0.715)。
上述研究证实联合多序列、多组学特征的预测模型优于单序列、单组学特征模型，并为患者早期预测IC 疗效提供可靠且稳定的影像学方法。为进一步提高模型预测IC 疗效的性能，有学者加入关键的临床特征构建模型，该方法提升了模型的预测性能，但是被纳入模型中的临床特征危险因素的结果不完全一致，还需要更多研究佐证其实现临床转化价值。Wang 等在上述研究的基础上把转移性淋巴结的相关信息纳入分析并通过对纹理特征进行多种组合排列后建立预测模型，该模型的预测性能得到进一步提高(AUC 值为0.948)。
通过上述研究表明在影像组学模型中加入关键的临床特征或转移性淋巴结影像特征后为预测早期治疗反应提供更多且更可靠的信息，这也进一步提高了模型的预测性能。除了预测IC 近期疗效，IC 相关的远期预后也是学者们关心的重点。很多研究证实了无论是影像特征模型或是机器学习模型在预测纳入IC 的综合治疗方案鼻咽癌患者预后都展现出不错的预测效能，除此之外，Zhao 等通过支持向量机(SVM)从多序列MRI 图像中选取19 个反映预后的特定影像组学特征并结合临床特征绘制诺模图预测不同风险人群的PFS，研究发现低风险组的PFS 高于高风险组，并且对IC 应答者的PFS 显著优于无应答者。
上述研究均表明IC 除了显著改善鼻咽癌患者的近期疗效外，同样也会改善远期疗效，通过构建基于关键影像组学特征模型，可有效预测鼻咽癌IC 近期及远期疗效。目前局部晚期鼻咽癌治疗失败的主要原因之一是出现远处转移，为提高患者的DMFS，专家提出在同期放化疗的基础上联合IC。然而，由于几项随机对照实验的结果不一致，因此能够准确预测患者的DMFS 对于帮助临床医师制定有效的治疗方案至关重要。为此Zhang 等比较MRI 影像组学模型、MRI 深度学习模型、临床特征模型以及三者组合模型预测局部晚期鼻咽癌患者接受上述治疗方案的DMFS。
研究发现组合模型在所有模型中的预测性能最佳(AUC 为0.808);但令人意外的是使用单幅图像最大切面比基于多幅图像的连续切面在构建深度学习模型有更稳定的预测性能，这与影像组学模型结果相反，导致出现这一可能原因为当样本不足时，基于多个切面建模可能会导致模型过度拟合影响其预测性能。
另一项研究证实高危患者接受IC + 同期放化疗的DMFS 高于仅同期放化疗的患者，而在低危患者中，IC + 同期放化疗和同期放化疗的DMFS 相似。因此，除了预测疗效和预后外，影像组学提供了更精准细化的患者分层，有望成为辅佐临床决策的新工具。
总体而言，基于MRI 的影像组学模型在鼻咽癌预测疗效及评估预后中具有很大优势，其预测性能优异，可在治疗前作为较可靠的肿瘤生物标志物，指导患者治疗方案的选择及疗效预测，从而帮助临床医师实现精准决策。但是，现阶段不足之处主要在于大部分研究均为回顾性研究且样本量均较少，后续需要多中心、大样本、前瞻性的研究来进一步验证模型在该领域的临床应用价值。
2. 基于PET/ CT 的影像组学在鼻咽癌IC 中的应用
PET/ CT 可以早期检测鼻咽癌病变，并提供全身信息，早期精准发现可能存在的转移病灶，对肿瘤分期较MRI 提供更高的准确性，同时PET/ CT 也可用于监测治疗效果，有助于辅助临床决策。目前PET/ CT 影像组学在预测鼻咽癌患者IC 早期疗效的相关研究中取得一定成果。
Peng等采用深度卷积神经网络对707 例Ⅲ-Ⅳa 期鼻咽癌患者的PET/ CT 图像进行分析，通过诺模图模型判断高危患者可从IC 中获益， 而低危患者则不能， 该结论与另一项对T3N1M0 期的不同风险人群附加IC 应用价值的研究结果一致。通过上述研究表明不同模态的影像组学模型可在治疗前将患者划分为不同风险人群并预测不同风险人群接受IC 的应用价值，为指导鼻咽癌患者接受IC 提供了可靠证据。
基于PET/ CT 的深度学习-影像组学联合模型具有预测IC 及IC 联合同期放化疗的5 年PFS 的能力(AUC 为0.842)且预测性能优于影像组学模型(AUC 为0.796)，并可在治疗前对患者进行风险分层，从而细分治疗方案。Xu 等采用PET/ CT 联合多序列MRI 影像组学模型预测鼻咽癌患者接受IC 联合同期放化疗的PFS。该模型的一致性指数为0.745，再加入临床特征后模型的预测性能得到提高(一致性指数为0.761)。现阶段大部分研究重点关注于鼻咽部原发病灶，对于转移性颈部淋巴结的研究较少，为此Yang 等将转移性淋巴结的特征纳入多变量模型后发现可以更好地为患者实现风险分层，并且也可以预测高危患者接受IC 的生存获益情况。该结论证实了基于PET/ CT 影像组学模型相较MRI 影像组学模型能更好地诊断颈部的转移性淋巴结。上述研究结果充分体现联合多模态的影像组学模型可以取得不错的预测效果，且可做到优势互补，最大程度发挥各自优势。
总之，基于PET/ CT 的影像组学在评估肿瘤活性及代谢方面提供了关键信息，但其空间分辨率较低，影响对原发灶累及范围及转移性淋巴结的精准诊断。随着纳入多序列MRI 联合模型的出现很好地解决该问题并且可更精准地反映肿瘤微环境的变化和异质性。
3. 基于CT 的影像组学在鼻咽癌IC 中的应用
CT 图像是目前鼻咽癌放疗计划制定的基础影像，同时扫描时间短、操作便捷，并且在颅底骨质、出血和钙化的显示上具有独特的优势。近年来，基于CT 图像的深度学习或影像组学模型预测鼻咽癌IC 的相关研究取得一些进展。
在此基础上，Yang 等基于CT 增强图像通过迁移学习方法选择6 个不同的预训练卷积神经网络提取深度学习特征建模预测鼻咽癌患者IC 早期疗效并与影像组学模型进行预测性能比较。研究发现从ResNet50-SVM 中提取的特征构建的模型预测性能最佳，AUC 值为0.811 优于影像组学模型(AUC 为0.663)。这说明深度学习算法演进也是各模态图像研究中的热点方向。
Li 等首次基于放疗定位CT 构建影像组学模型预测鼻咽癌患者接受纳入IC 综合治疗方案的总生存期。影像组学特征从灰度依赖矩阵、灰度共生矩阵、灰度大小区域矩阵及相邻灰度差矩阵中选取7 个纹理特征并联合1 个临床特征构建联合模型通过诺模图在预测患者总生存期中表现出较好的预测性能，一致性指数为0.849。总体而言，现阶段基于CT 的影像组学在鼻咽癌IC 的相关研究较少，可能是由于CT 对软组织分辨力较差且包含的肿瘤微环境及异质性信息较少，由此建立的模型预测效能有待后续研究进一步验证。
4. 其他研究进展
随着人工智能的高速发展，机器学习的算法不断更新迭代，为预测模型的开发和建立提供全新的手段。反向传播神经网络(back propagation neural network，BPNN)作为一种新的机器学习方法已被学者应用于预测鼻咽癌IC 疗效研究当中。BPNN 是一种改进的神经网络，它由输入层、隐藏层和输出层组成，其通过行为结果的前向传播和误差结果的反向传播来优化网络参数从而提高模型的预测性能。Liao等证实基于BPNN 模型预测局部晚期鼻咽癌患者IC 疗效的效能和稳定性优于逻辑回归模型(AUC：训练集0.917，测试集0.897)。
该结论揭示基于机器学习算法的模型可很好地解决逻辑回归模型在识别关键变量之间的非线性复杂关系的不足，并且在判断变量之间相互作用能力更强。但目前基于该方法研究较少，仍需后续研究进一步探索其临床应用价值。也有学者探讨了不同IC 方案对模型预测性能的影响。根据中国临床肿瘤协会鼻咽癌诊疗指南
这说明影像组学模型可针对不同治疗方案进行有效预测，但该研究存在纳入的样本量不足，且缺乏独立的外部验证集，后续需要在多中心、大样本、前瞻性研究中进一步探索最优适用范围，为患者个体化、精细化治疗给出最优方案。
5. 总结与展望
综上所述，影像组学为预测鼻咽癌患者IC 近期疗效及远期预后提供强有力决策手段，有利于推动精准医疗的发展。同时，也面临以下挑战：
(1)现阶段基于影像组学的方法在应用于鼻咽癌IC 相关研究中主要应用的都是治疗前的图像，对于治疗过程中图像特征变化缺乏动态监测。
(2)目前IC 方案不尽相同且治疗周期存在较大差异，在预测鼻咽癌患者接受IC 疗效及预后方面可能会产生影响。
(3)目前基于影像组学特征构建的模型缺乏对蛋白、基因组学的联合研究，需要后续进一步探索其价值。
(4)影像组学在鼻咽癌IC 的研究中普遍存在纳入的样本量不足，特别是用于训练集的样本较少，且缺乏独立的外部验证集对模型性能进行验证。
虽然面临上述挑战，但是随着人工智能和大数据平台的发展，在未来，伴随着大数据库的不断扩充和优质的图像资料、分割方法、深度学习算法的不断更新迭代以及验证方法的更加精确，影像组学有望在接受IC 的鼻咽癌患者科学化、精准化、个性化的临床决策系统中发挥关键性作用。同时，多模态、多维度、多中心研究也是未来的发展趋势。相信随着人工智能的不断成熟，影像组学在鼻咽癌影像诊断、临床诊疗及预测预后等方面会有更大的提升空间。
来源：林天诚，董梦莹，王开杰，等.影像组学在鼻咽癌诱导化疗中的应用研究进展[J].临床放射学杂志，2025，44(03)：554-557.DOI：10.13437/j.cnki.jcr.2025.03.011.
(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。)
