肿瘤影像组学研究的挑战和机遇
发布日期:2019-01-24 14:59:55 来源:中华医学信息导报 作者:广东省人民医院放射科 刘再毅 浏览次数:

刘再毅

  

  在恶性肿瘤诊疗评估中, 影像检查如超声、CT、核磁共振成像(MRI)等手段对术前诊断、精准评估疗效及预测预后不可或缺,但基于肿瘤形态、大小、密度/信号等改变的常规主观分析模式,无法量化肿瘤异质性,已不能适应当前肿瘤精准诊疗评估的临床需求。随着图像信息技术的发展,从医学图像中挖掘深层信息用于恶性肿瘤的诊疗评估,已成为临床研究的热点, 即影像组学,其深层次含义是指从影像[CT、MRI、正电子发射断层显像(PET)等]中高通量地提取大量影像信息,实现肿瘤分割、特征提取与模型建立,凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。影像组学可直观地理解为将视觉影像信息转化为深层次的特征来进行量化研究,用于肿瘤精准诊断、疗效评估和预后预测等,辅助临床决策。

  随着技术的进步、研究水平的提高, 影像组学在CT 、MRI 、PET和基因融合方面有很多新的进展。多中心病例数已经达到上千例,提取一阶统计量、二阶统计量、纹理以及临床等特征数已经达到上百个,序列数也在不断增加,理论化方法也在不断增多。面对国家重大需求,临床生存期无突破,肿瘤异质性难以定量评估等情况,影像组学为实现精准诊断提供了新机遇。目前, 国内外众多学者将影像组学用于肺癌、结直肠癌、乳腺癌、头颈癌等肿瘤的量化研究,包括在临床肿瘤学顶级期刊Lancet Oncol 、J Clin Oncol 、综合类权威期刊Nat Commun等期刊发表了一系列原创性研究。我国在该领域的研究走在国际前列,其中,广东省人民医院梁长虹和刘再毅教授团队及中科院自动化所田捷教授团队的部分研究成果,处于国际领先水平。2017 年,Ann Oncol 、JNatl Cancer Inst 和Nat Rev Clin Oncol 等肿瘤学顶级期刊相继发表专家述评和综述,强调并展望影像组学在肿瘤诊疗中的价值,标志着影像组学具有极高的临床价值和转化潜能。

  影像组学研究在临床实践中主要面临以下三方面的挑战:

  1.影像组学研究标准化问题。一方面,各研究组使用的影像组学研究方法不统一、影像组学特征的命名存在差异,导致研究结果可重复性差;另一方面,影像设备、采集参数以及图像预处理方法不一,对研究结果有非常明显的影响。因此,为保证研究结果的稳定性及泛化能力,有必要对影像组学研究方法进行规范。为解决这个问题,国际上有学者提出了影像生物标志标准化计划, 规范影像组学研究。

  2.多尺度信息融合问题。研究表明,单一尺度的影像组学信息评估肿瘤诊疗情况存在一定的局限。因此,融合基因、病理和影像等不同尺度的信息,全面刻画肿瘤异质性有重要的临床价值。但在融合不同尺度的信息及构建高精度融合预测模型方面, 还缺乏成熟的方法和工具。

  3.临床转化问题。影像组学研究成果要用于临床转化,必须保证高质量的大数据样本用于研究训练预测模型;但目前我国缺乏足够数量的高质量数据。

  基于影像组学促进恶性肿瘤的精准诊疗评估有重要的临床价值, 但仍存在诸多挑战,例如其中关键的分割算法的改进仍是挑战性问题,人工分割耗时耗力,自动分割鲁棒性和精度难以保证。随着近期深度学习浪潮的推动,基于深度机器学习的分析预测方法将是影像学术未来的发展方向之一,为预测准确率的提高提供了突破方向。另一方面,由于目前医院患者人数众多,影像检查费时费力,影像组学也应尽可能与临床特征相融合,成为临床医师更加信赖和认可的方法,从真正意义上发展为一种辅助诊断的工具,提供便捷和放心的服务。因此,我们有必要建立全国性的国家或行业标准,规范数据采集和影像组学临床研究;组织针对特定疾病或人群的前瞻性、多中心研究;建设国家或行业层面的数据库,组织行业及企业参与多尺度数据融合的研究和应用, 从而推动影像组学的临床研究及临床转化,这符合我国的战略需求,对实现我国“健康中国2030”的目标有重大意义。

(摘自《中华医学信息导报》2019年第34卷第1期)



Produced By 大汉网络 大汉版通发布系统