前言：尋找寫作靈感？中文期刊網用心挑選的影像組學在卵巢癌中研究進展，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

［摘要］作為一種能將醫學圖像轉換為高維、可挖掘數據的新技術，影像組學已廣泛用于研究多種腫瘤，并建立了系統的工作流程。本研究對影像組學在卵巢癌診斷及分型、預后預測和分子生物學解釋等方面的研究進展及其發展方向進行綜述。

［關鍵詞］卵巢腫瘤；診斷；影像組學

卵巢癌是常見的女性生殖系統惡性腫瘤，最新腫瘤預測報告［1］顯示，2020年美國卵巢癌新發病例數和死亡病例數分別占女性生殖系統腫瘤的第二位和第一位；我國卵巢癌死亡率亦呈逐年增長趨勢［2］。卵巢癌是由多種不同組織學亞型組成的異質性疾病，不同亞型之間，診斷、治療反應和疾病轉歸等各有差異。傳統影像學檢查僅能解釋圖像的宏觀特征，不能滿足臨床對卵巢癌診療過程中預測性信息的需求。影像組學對卵巢癌診斷、分型、預后和復發預測等具有重要意義，可為臨床診療提供更多指導。本研究對影像組學在卵巢癌中的應用進展及發展方向等進行綜述。

1影像組學在卵巢癌中的應用進展

1．1卵巢癌診斷與分型。病理學將卵巢上皮癌（ovarianepithelialcancer，OEC）分為Ⅰ型和Ⅱ型［3］；臨床需根據病理學分型制定治療和隨訪方案，早期鑒別卵巢癌亞型意義重大，但單純依靠CT圖像很難實現。MRI具有多參數成像等優勢，近年來作為輔助手段用于鑒別診斷［4］。ZHANG等［5］回顧性分析280例臨床診斷卵巢腫瘤患者，其中205例惡性（97例Ⅰ型OEC，80例Ⅱ型OEC，其他28例）、75例良性，分別于軸位MRT1WI、冠狀位MRT2WI、矢狀位MRT2WI及表觀彌散系數（apparentdiffusioncoefficient，ADC）圖像腫瘤最大直徑層面勾畫病灶ROI（包括囊性和實性成分），提取其影像組學特征，建立鑒別卵巢腫瘤良惡性及Ⅰ型與Ⅱ型OEC的影像組學模型，在交叉驗證隊列（AUC分別為0．9746和0．8593）和內部獨立驗證隊列（AUC分別為0．9670和0．8228）中均表現出良好的診斷效能。

1．2卵巢癌術后殘留與患者生存期。術后有無腫瘤殘余是影響患者預后的關鍵臨床因素。術前判斷患者可否接受無殘留減瘤術有助于臨床制定個體化治療方案，如進行先期化學治療（化療）等［6］。采用影像組學模型可于術前預測術后腫瘤殘留情況。RIZZO等［7］于101例卵巢癌患者術前CT軸位門靜脈期圖像上手動勾畫病灶ROI，提取516個影像組學特征，分析其與手術殘余腫瘤及術后12個月內進展情況的相關性，發現可根據代表原發腫瘤體積小和內部均質的3組影像組學特征，包括F2－Shape／Compactness1、F1－GrayLevelCooccurenceMatrix25／0－1InformationMeasureCorr2及F1－GrayLevelCooccurenceMatrix25／－333－1InverseVariance預測術后腫瘤殘留風險。VARGAS等［8］對來自單中心的38例高級別漿液性卵巢癌（high－gradeserousovariancancer，HGSOC）患者術前CT圖像進行紋理分析，勾畫卵巢癌原發灶和所有轉移灶的ROI，生成兩兩間相似度矩陣，并獲得12個腫瘤異質性紋理特征，分析其與手術結果及總生存期的相關性，結果顯示術后腫瘤殘留患者中3個異質性特征值：similaritylevelclustershade（SCS）、inter－sitesimilaritylevelclusterprominence（SCP）、inter－siteclustervariance（SCV）升高，且異質性特征inter－sitesimilarityentropy（SE）、SCS、SCP值與患者總生存期呈負相關。MEIER等［9］效仿此法觀察另88例HGSOC患者，結果證實SCP與無進展生存期（progressionfreesurvival，PFS，）呈負相關。以上均為小樣本研究，并未基于卵巢癌異質性紋理特征構建模型并加以獨立驗證。

1．3卵巢癌復發。高級別卵巢癌治療后6個月內復發率達25％，患者中位無復發生存期（recurrence－freesurvival，RFS，）僅18個月［1，10］。一項單中心研究［11］根據手術時間按6∶4比例將94例晚期HGSOC患者分為訓練組和驗證組，提取治療前增強CT中7個與3年RFS相關性最強的影像組學特征構建復發預測模型，發現其對訓練組（AUC＝0．8567）和驗證組（AUC＝0．8533）均有較高預測效能。WEI等［12］進行多中心研究，增加晚期HGSOC患者樣本量（n＝142），并設置內部及獨立外部驗證組，所構建的復發預測模型預測卵巢癌術后18個月及3年復發風險的準確率較高，預測訓練組、內部驗證組和獨立外部驗證組的準確率分別為82．4％、77．3％、79．7％及83．4％、82％、70％，并綜合年齡、FIGO分期、術前和術后CA125水平、殘余腫瘤等重要臨床指標構建影像組學列線圖進行相應預測因素評分，以總評分結果預測HGSOC患者術后18個月和3年復發風險。

1．4基因突變狀態。影像組學亦可用于研究卵巢癌基因突變狀態。據報道［13］，BRCA突變型卵巢癌CT多表現為腹膜呈“圓餅”形種植沉積及腸系膜浸潤等，與術后腫瘤殘余無明顯相關；而BRCA野生型卵巢癌具有小網膜囊腹膜種植轉移（OR＝2．40）和腸系膜浸潤（OR＝7．10）特征，與術后腫瘤殘留具有相關性。影像組學研究［9］發現BRCA突變型HGSOC術后有無殘余腫瘤患者之間門靜脈期CT紋理異質性特征值差異無統計學意義；而BRCA野生型HGSOC術后有無殘余腫瘤患者之間3種紋理異質性特征（SE、SCV、SCP）差異均有統計學意義（P＝0．039、0．006、0．020），由此證實卵巢癌患者基因遺傳特征、影像學特征及臨床結果之間存在關聯。

1．5分子生物機制。影像組學模型可作為卵巢癌的生物學標志物反映其臨床特征和分子生物機制。既往研究［14－15］表明，間質型HGSOC傾向于預后更差。LU等［16］觀察來自多中心的364例OEC，針對術前CT勾畫原發病灶ROI（包括囊性和實性成分），提取、篩選其影像組學特征，構建與預后相關的影像組學模型“RPV”（radiomicprognosticvector，RPV），并從基因、轉錄組學、蛋白質組學和組織學角度分析“RPV”作為卵巢癌生物學標志物的價值；結果顯示臨床特征方面，RPV值在化療耐藥組與敏感組（P＜0．01）、不同無進展生存期組（P＜0．01）及術后有無殘留組（P＝0．03）之間差異均有統計學意義；分子生物學機制方面，RPV值與腫瘤微環境的基質表型和DNA損傷反應（DNAdamageresponse，DDR）密切相關；在轉錄組學特征方面，RPV值與卵巢癌分子亞型無明顯相關。上述研究表明，影像組學特征可指導臨床選擇治療手段，如低RPV值卵巢癌患者DDR顯著激活，可能受益于DDR抑制劑和免疫治療［17］。

2影像組學卵巢癌研究發展方向

建立具有預測價值的影像組學模型步驟包括圖像獲取和處理、圖像分割、圖像特征提取和選擇及以統計分析建立數學模型并驗證［18］。美國國立綜合癌癥網絡指南推薦卵巢癌術前分期以增強CT為基礎。增強CT檢查成本較低、臨床常規應用、數據易獲取，使得目前卵巢癌影像組學研究主要于CT圖像中提取特征，而MRI主要用于判斷卵巢腫瘤性質和評估手術難以切除腫瘤。隨著影像組學的發展，未來基于MRI的影像組學在卵巢癌中的應用價值將有所改變。影像組學在卵巢癌領域的研究尚處初步階段，納入研究的卵巢癌病理類型主要為HGSOC，是最主要（占EOC的70％）和致死率最高的組織學亞型，研究價值較高；其他亞型如惡性生殖細胞瘤等發病率雖不高，但惡性程度高、轉移早、復發快，有待影像組學研究提出新的診療思路。關于圖像分割方式，因卵巢癌具有生長迅速、成分多變和易轉移的特點，現有研究均由具有婦科疾病影像學診斷經驗的醫師手動分割圖像，以確保ROI獲取的準確性，不僅耗時、費力，且存在觀察者間差異，影響影像組學特征，有待開發自動化和變異度小的分割方式。提取和篩選特征是影像組學研究的關鍵步驟，特征質量是影像組學研究最核心的因素，可通過可重復性和再現性加以評價。通過在相同或基本相同條件下重新測試分析，可評估于短時間（數分鐘到數日）內取自同一患者相同病灶的影像組學特征的可重復性；對采用不同測量系統或參數提取的影像學特征的結果進行比較［19］，可評價其再現性。目前卵巢癌影像組學特征可重復性和再現性相關研究［7］較少。建立影像組學模型后，首先進行內部交叉驗證，但要獲得更可靠的擬合估計，需進行獨立的外部隊列驗證。設計和實施研究應注重標準化，增加各研究之間的可比性，以利于數據累積和驗證［20］。

3小結

影像組學為非侵入性手段，結合分子生物學、病理學和臨床信息等，可為卵巢癌臨床診療和隨訪提供更多有效信息，且從基因遺傳學和腫瘤生物學角度進一步解釋卵巢癌的發生發展機制，在卵巢癌精準化治療中具有巨大潛力。應致力于制定影像組學研究有關標準化指南，提高研究質量，增強各獨立研究間的聯系和數據共享，使影像組學研究未來在醫學領域發揮更大潛能，為精準醫療提供更有力的支持。

作者:任靜 何泳藍 薛華丹 單位:中國醫學科學院 北京協和醫學院北京協和醫院放射科