CT影像组学在胃肠道间质瘤中的应用进展.pdf
《CT影像组学在胃肠道间质瘤中的应用进展.pdf》由会员分享,可在线阅读,更多相关《CT影像组学在胃肠道间质瘤中的应用进展.pdf(8页珍藏版)》请在咨信网上搜索。
1、Vol.43 No.7 Jul.2023上海交通大学学报(医学版)JOURNAL OF SHANGHAI JIAO TONG UNIVERSITY(MEDICAL SCIENCE)http:/上海交通大学学报(医学版),2023,43(7)CT影像组学在胃肠道间质瘤中的应用进展马奔,赵成,束翌俊,董平上海交通大学医学院附属新华医院普外科,上海市胆道疾病研究中心,上海 200092摘要 胃肠道间质瘤(gastrointestinal stromal tumor,GIST)是胃肠道最常见的间叶源性肿瘤,其生物学特征复杂,危险度不等,且不同危险度患者的治疗方法和预后差异较大,因此早期诊断及危险度评估
2、对于该病的精准治疗至关重要。近年来,CT影像组学作为一种新兴的影像学技术,可以将传统的CT图像特征转变为大量数据,从而反映GIST的内在异质性,甚至与其基因表达特征相关联。该文回顾了CT影像组学在机器学习的助力下应用于GIST诊断、预测的研究进展。目前的CT影像组学不仅可用于GIST与其他胃部疾病的鉴别诊断,并且为GIST的危险度评估提供了新的方式,甚至可以根据CT影像图像进行病理分析及基因诊断,进而对其一线治疗效果及远期预后进行预测。目前CT影像组学通过与临床信息结合构建的多种预测模型在不同临床问题的具体实践中得到了良好的验证,展现了广阔的应用前景。但是在具体的临床应用过程中,样本数据采集及
3、处理方式的不同、机器学习算法选择的差异、二维或三维图像的选择等,都影响到CT影像组学的具体效能,因此统一、规范的影像组学应用规则还有待建立。关键词胃肠道间质瘤;CT影像组学;人工智能;机器学习DOI10.3969/j.issn.1674-8115.2023.07.015 中图分类号R735.2 文献标志码AApplication progress of CT radiomics in gastrointestinal stromal tumorMA Ben,ZHAO Cheng,SHU Yijun,DONG PingDepartment of General Surgery,Xinhua Ho
4、spital,Shanghai Jiao Tong University School of Medicine;Shanghai Key Laboratory of Biliary Tract Disease Research,Shanghai 200092,ChinaAbstract Gastrointestinal stromal tumor(GIST)is the most common mesenchymal tumor in the gastrointestinal tract,with complex biological characteristics and varying r
5、isks,and the treatment methods and prognosis of patients with different risks are quite different;therefore,early diagnosis and risk assessment are crucial for its precision treatment.In recent years,CT radiomics,as an emerging imaging technology,can transform traditional CT image features into a la
6、rge number of data,thereby reflecting the inherent heterogeneity of GIST and even correlating with its gene expression features.This paper reviews the research progress of CT radiomics in the diagnosis and prediction of GIST with the help of machine learning.The current CT radiomics can not only be
7、used for the differential diagnosis of GIST and other gastric diseases,but also for the risk evaluation of GIST.Furthermore,pathological analysis and gene diagnosis can be performed based on CT images,and then the first-line treatment effect and long-term prognosis can be predicted.At present,variou
8、s prediction models constructed by combination of CT radiomics and clinical information have been well verified in the specific practice of different clinical problems,showing broad application prospects.However,in the specific clinical application process,different methods of sample data collection
9、 and processing,differences in the selection of machine learning algorithms,and the selection of 2D or 3D images all affect the specific effectiveness of CT radiomics.Hence,unified and standardized application rules for radiomics has to be established.Key words gastrointestinal stromal tumor(GIST);C
10、T radiomics;artificial intelligence(AI);machine learning胃 肠 道 间 质 瘤(gastrointestinal stromal tumor,GIST)是胃肠道最常见的间叶源性肿瘤1;胃是胃肠道间质瘤最常见的发病部位,大概构成 GIST病 例 总 数 的 55%,其 次 是 小 肠(30%)和 直 肠综述基金项目 国家自然科学基金(31701108);上海市科技创新行动计划(22S31903600);上海市卫生健康委员会青年人才培养计划(2022YQ002)。作者简介 马奔(1998),男,硕士生;电子信箱:。通信作者 董平,电子信箱:。
11、Funding Information National Natural Science Foundation of China(31701108);Shanghai Science and Technology Innovation Action Plan(22S31903600);Youth Talent Program of Shanghai Municipal Health Commission(2022YQ002).Corresponding Author DONG Ping,E-mail:.9232023,43(7)上海交通大学学报(医学版)Vol.43 No.7 Jul.2023
12、JOURNAL OF SHANGHAI JIAO TONG UNIVERSITY(MEDICAL SCIENCE)(5%)1-2。因为GIST与胃肠道其他恶性肿瘤如胃腺癌、胃淋巴瘤等诊疗方式的不同,GIST的鉴别诊断对于后续的针对性治疗至关重要。而且由于GIST在组织学上具有异质性,生物学上具有多样性,因此很难预测其恶性潜能3。目前对于中高危险度人群,推荐使用酪氨酸激酶抑制剂伊马替尼等靶向药物进行辅助化学治疗(化疗)4,然而不同基因分型的GIST 对于伊马替尼一线治疗的耐受性也有所不同5-7,因此 GIST的早期基因诊断对其预后具有重要意义。计算机断层扫描(computed tomograph
13、y,CT)是 GIST 常用的术前检查手段,但是临床上对于CT图像的鉴别多依赖于影像医师的自身经验及主观判断。影像组学作为一项新型技术,可以从现有的影像图像中提取出定量的、可再现的信息,其中包括一些人眼所不能识别的复杂的图像特征8-9,进而为一些经验尚浅的放射科医师提供帮助,并最大限度地减少影像诊断中不同观察者之间的差异。同时影像组学分析可以在现有图像的基础上进行处理,在不增加成本的情况下具有广泛的临床应用潜力10。将影像组学模式应用到 CT检查中,为我们提供了诊断、评估GIST的新方式。1CT 影像组学模式的基本流程及在消化道肿瘤中应用的发展影像组学最早于 2012 年由荷兰学者 LAMBI
14、N等11正式提出。目前对于影像组学尚无十分严格的定义。总的来说,影像组学可以基于医学图像获得高通量的定量特征,进而提取和利用可挖掘数据;在此过程中,往往利用人工智能的算法机器学习模式来简化影像组学处理的繁杂步骤12。传统的影像医学是根据放射科医师的经验,通过阅读图像来判断病变的特征,而影像组学方法不受主观因素和专业水平的影响,满足客观、量化和可重复性的要求13。目前针对不同的临床问题,可以通过构建影像组学模型进行处理。其中使用CT图像构建影像组学临床模型的基本步骤14-15(图 1)包括:经过纳入标准与排除标准确定研究人群并获得CT图像。于CT 图像中分离出感兴趣区域(region of in
15、terest,ROI),或 者 进 一 步 加 工 为 三 维 的 感 兴 趣 体 积(volume of interest,VOI)。将获取的 ROI 或 VOI的图像导入影像组学软件,根据所探究内容提取出影像组学参数(包括影像的密度、形状、纹理等)。Acquiring CT imagesSelecting ROI/VOI12Feature extraction3ShapeDensity changeTexture distributionMachine learning4Modeling5-1.00.80.60.40.201.0 0.8 0.6 0.4 0.20Note:The basic
16、 flow of CT radiomics mode consists of acquiring CT images,selecting ROI/VOI,extracting features such as shape,density change,and texture distribution,machine learning process using different classifiers such as Logistic regression,support vector machine,and random forest,and making different models
17、 such as radiomics model,radiomics and clinical data models,and radiomics nomogram.图1CT影像组学模式的基本流程Fig 1Basic flow of CT radiomics mode924马奔,等CT影像组学在胃肠道间质瘤中的应用进展http:/上海交通大学学报(医学版),2023,43(7)运用机器学习筛选出具备统计学意义的影像组学参数。运用所选取的影像组学参数构建临床模型。目前,基于CT的影像组学方法在机器学习的助力下已经在包括GIST在内的多种消化道肿瘤诊疗的全过程中得到了广泛应用:李定杰等16发现使用
18、CT影像组学,可以早期有效预测食管癌患者的放射治疗(放疗)效果;李华秀等17利用CT影像组学特征与临床信息结合,实现了对局部进展期直肠癌新辅助治疗效果的预测;ZHOU等18通过对肝脏增强CT图像进行影像组学分析筛选出了21个影像组学特征,该模型在预测肝癌患者术后早期复发方面,准确度、特异度、敏感度均高于传统临床指标;GAO等19结合CT影像组学特征、肿瘤标志物CA72-4和淋巴结状态构建的联合模型能较好地对早期和期胃癌淋巴结转移的情况进行预测。2CT影像组学应用于GIST的诊断胃腺癌、胃淋巴瘤、GIST是最常见的 3种胃恶性肿瘤20。尽管 CT检查是胃部疾病的常规检查方式之一,但是目前临床上胃
19、部肿瘤的术前诊断通常是通过内镜下取活检实现的2。然而由于肿瘤存在的组织学异质性,内镜下活检只能代表病变的一部分组织,并不能实现对病变的完整评估21;并且部分GIST病灶位于胃黏膜层以下,难以取材;还有在实际临床中,部分患者不愿意接受有创的内镜活检13。这些因素都限制了内镜活检在 GIST 诊断中的应用。运用数学方法评估数字图片中像素灰度的分布及其强度之间的相互关系22-23,用大量的参数反映病变潜在的生物学特性以及肿瘤的微观异质性,通过对 GIST 的 CT 图像纹理特征的影像组学分析,可以辅助临床医师对疾病的诊断及治疗做出更为客观的判断24。来自土耳其的一项研究21通过LIFEx软件从增强C
20、T的静脉期图片中提取出了40个纹理特征,其中10个在GIST、胃腺癌与胃淋巴瘤三者间存在显著不同。在受试者操作特征曲线(ROC 曲线)分析中,这些纹理特征所构建的胃腺癌-GIST鉴别诊断模型表现良好 曲线下面积(AUC)为 0.883,特异度为91%,敏感度为77%,并且对胃腺癌与胃淋巴瘤也有良好的鉴别能力(AUC 为 0.963,特异度为 98%,敏感度为75%),但是对于GIST与胃淋巴瘤的区分则表现不佳。然而 BA-SSALAMAH 等20的研究则对动脉期和静脉期的CT图像分别进行纹理分析,其中对于动脉期图像的分析实现了GIST与淋巴瘤的区分,误诊率为0;静脉期图像分析的鉴别能力稍差,G
21、IST与淋巴瘤的误诊率增至8.0%,但是可用于鉴别胃腺癌和GIST(虽然误诊率略大,为10.0%)。然而这2项研究的样本量均较小,且其中3种疾病的组成不平衡,因此需要更多大样本的试验来获得更可靠的结果。SUN 等13通过分析 60 个胃癌和 40 个 GIST 的CT图像,分别建立了主观CT特征(CT影像上胃周增大的淋巴结及肿瘤的生长模式)的预测模型及从静脉期增强CT图像中获得的CT影像组学的预测模型,通过验证比较,影像组学预测模型具有更高的准确度、敏感度和特异度,而两者相结合的综合诊断模型的诊断效能更是进一步提升。详见表 1。将这类基于小样本建立的临床模型在大样本前瞻性研究中进行进一步的临床
22、实践检验,有望大大提升其实际应用价值。表1CT影像组学应用于GIST与胃癌、胃淋巴瘤鉴别诊断的研究Tab 1Studies on differential diagnosis of GIST from gastric cancer and gastric lymphoma by CT radiomicsGIST/gastric adenocarcinoma/gastric lymphomaGIST/gastric cancerTurkeyChina26/125/1240/60GIST vs gastric lymphoma:Sensitivity=98%,Specificity=75%GIST
23、 vs gastric adenocarcinoma:Sensitivity=91%,Specificity=77%Subjective CT signs model:AUC=0.806(0.6960.917),Accuracy=75%Radiomic signature model:AUC=0.886(0.8090.963),Accuracy=81%Combined model:AUC=0.903(0.8310.975),Accuracy=86%2113DiseaseGroupSample size/nResultReference9252023,43(7)上海交通大学学报(医学版)Vol.
24、43 No.7 Jul.2023JOURNAL OF SHANGHAI JIAO TONG UNIVERSITY(MEDICAL SCIENCE)GIST/gastric adenocarcinoma/gastric lymphomaAustriaArterial phase:15/31/5Venous phase:17/23/8Arterial phase misclassification rate:Gastric adenocarcinoma vs gastric lymphoma=3.1%GIST vs gastric lymphoma=0Venous phase misclassif
25、ication rate:Gastric adenocarcinoma vs gastric lymphoma=9.7%GIST vs gastric lymphoma=8.0%GIST vs gastric adenocarcinoma=10.0%20Continued TabDiseaseGroupSample size/nResultReference3CT影像组学对GIST的危险度评估伊马替尼是受体酪氨酸激酶的小分子抑制剂,它的发现极大地改变了中高危GIST患者的预后。目前关于 GIST 危险度的评估除美国国立综合癌症网络(National Comprehensive Cancer N
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- CT 影像 胃肠道 间质 中的 应用 进展
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。