乳腺癌影像组学研究进展.pdf
《乳腺癌影像组学研究进展.pdf》由会员分享,可在线阅读,更多相关《乳腺癌影像组学研究进展.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023 年 6 月 第 9 卷 第 6 期乳腺癌影像组学研究进展汪艳汪艳,罗威罗威,徐培豪徐培豪深圳大学附属华南医院放射科,广东深圳 518111摘要摘要 影像组学在人工智能大数据时代应运而生,近年来国内外在各种疾病的诊断、治疗、预后领域都有相关研究。当前已有大量运用影像组学对乳腺癌进行研究的报道,均提示影像组学在乳腺癌的早期诊断、预后判断、疗效评估等方面具有重要意义。本文将对现有研究成果进行综述。关键词关键词 影像组学;乳腺癌;成果;综述中图分类号中图分类号 R R737737.9 9 文献标志码文献标志码 A A doi10.11966/j.issn.2095-994X.2023.09.
2、06.48Advances in Radiomics Research of Breast CancerWANG Yan,LUO Wei,XU PeihaoDepartment of Radiology,South China Hospital Affiliated to Shenzhen University,Shenzhen,Guangdong Province,518111 ChinaAbstract Radiomics has emerged in the era of artificial intelligence and big data.In recent years,there
3、 have been related researches in the fields of diagnosis,treatment and prognosis of various diseases at home and abroad.At present,there have been a large number of reports on the use of radiomics in the study of breast cancer,all of which suggest that radiomics is of great significance in the early
4、 diagnosis,prognosis judgment,and efficacy evaluation of breast cancer.This paper will review the existing research results.Key words Radiomics;Breast cancer;Achievements;Summarize乳腺癌新发病例高达226万,已代替肺癌变成了全球第一大癌症;对于全球女性而言,乳腺癌的发病率和致死率居癌症首位1。影像组学起源于计算机辅助诊断(computer-aided diagnosis,CAD),能提取肉眼无法辨识的影像特征,将影像
5、转换成具有高分辨率、可发掘的空间数据,并应用自动化数据特征化算法,更深层次发掘、预测、分析影像数据,从而对病灶异质性进行全面、无创的辨识,反映病灶生物特性,进而辅助医师作出最精确的诊断。此外,影像组学能与其他资料(如病理学资料、基因资料)结合,使病灶表型更好地被区分,对病灶疗效及预后进行预测2-6。笔者将对目前乳腺癌影像组学研究进行综述,讨论影像组学在乳腺癌研究中取得的进展和遇到的挑战,以期能提高乳腺癌诊断,为精准医疗提供循证支持。1 1 影像组学基本概念影像组学基本概念影像组学是通过深入发掘、预测、分析海量影像数据,提取计算机断层扫描(computer tomography,CT)、磁共振成
6、像(magnetic resonance imaging,MRI)、正电子发射计算机断层成像(positron emission tomography,PET)等影像数据,完成肿瘤的分割、特征提取和建模,从而帮助医师作出准确的判断。影像组学可以将图像中的数据转换成更深层的特性进行定量分析。Lambin P等7首先将影像组学应用于预测癌症的预后8、分子标记和治疗。另外,从这些成像中得到的信息也可以与其他组学(基因组学、蛋白质组学和代谢组学)一起进行进一步的研究9。2 2 影像组学的研究方法影像组学的研究方法影像组学可以分成 4 个阶段:数据采集:依据研*综述综述*收稿日期:2023-04-03;
7、修回日期:2023-04-26作者简介:汪艳(1992-),女,硕士,住院医师,研究方向为腹部临床影像诊断。176汪艳等:乳腺癌影像组学研究进展究目标,搜集同一或相近的资料;影像划分:判断感兴趣区(region of interest,ROI);抽取与选取:对图像进行描述和定义;建立模式与数据分享:利用影像组学的特点,根据目标问题建立不同的模型。2 2.1 1 数据采集数据采集CT、MRI、PET-CT 都能得到较多的影像数据,但由于各医疗中心缺少规范化处理,所获取的影像数据存在较大的差别。所以,建立标准化的数据库,有助于对医学图像进行大数据的处理,为临床提供准确的预测数据。2 2.2 2 图
8、像分割图像分割图像划分技术是把图像划分为几个属性不同的地区,然后抽取 ROI 的方法10。目前,各种不同的分割算法被用于ROI的提取,常用人工跟踪分割方法作为金标准。然而,人工的分割既耗时又耗费精力,图像专家结果分析也较主观,目前,骨骼、器官等常规正常组织的分割都可以自动分割。而且,所有的疾病尤其是肿瘤,都要求操作者参与。因此,要对影像组学进行大样本、多特征、多序列的分析;多元的数据分析方式可以确保在数据的数量和样本规格之间寻找一个折中点,从而确保基本的数据量。2 2.3 3 特征提取及选择特征提取及选择特征提取可以从不同的图像中选取有用的数据,从而有助于区分出不同类型的图像。ROI 特性是通
9、过其强度、外形、大小和在图片中识别出来的纹理特征组成的。一般以肿块的形态及尺寸作为诊断依据,无须计算机协助即可轻易辨认。同时,利用放射学影像的纹理特征定义了影像中的灰度级的像素分配。利用统计的一阶、二阶或以上的算法对其进行了统计分析。通过对患者的病史、遗传资料进行分析,并将其与影像组学的表现及临床表现相联系,从而为分类、预测、分析及分析奠定基础。2 2.4 4 模型建立及数据共享模型建立及数据共享在影像学组中,分类模型的预测功能依赖于数据的丰富程度。根据二元分类器模型中的各个特征,要求10个样本(患者)9。当有了海量的高质量数据后,就可以利用人工智能、机器学习或者统计学的方式来进行数据挖掘,如
10、神经网络、支持向量或Bayesian网络9。3 3 影像组学在乳腺癌研究中的应用现状及研究进展影像组学在乳腺癌研究中的应用现状及研究进展3 3.1 1 乳腺癌分子分型乳腺癌分子分型在乳腺癌的分子分型中,按分子标记物的差异可将其划分为 4 种亚型。LI H 等11于 2016 进行了一次回顾性的调查,目的在于探索影像组学特征与乳腺癌受体表达状态之间的相关性,发现动态对比剂增强磁共振成 像(dynamic contrast-enhancement magnetic resonance imaging,DCE-MRI)所获得的影像组学特征和各分子亚类的关系非常密切,这是乳腺癌异质性的重要体现。通过非
11、侵入性的影像组学分析,可以对乳腺癌的基因表达状况及分子结构进行定量的分析,进而了解乳腺癌受体表达状态。2017 年 Fan M 等12根据 60 例乳腺癌患者的DCE-MRI图像,通过对其图像进行分析,并根据临床资料进行筛选,构建了一套完整的乳腺癌分子亚型预测模式,Luminal A 型、Luminal B 型、Her-2 过表达型、基底样型曲线下面积(area under the curve,AUC)值分别为0.867、0.786、0.888和0.923。Wang J等13从84例乳房DCE-MRI 中抽取85个组学特点,并与包含肿瘤和周边实体的 ROI 进行融合,构建了 5 种类型的分级模
12、式,以区别 TN 型和非 TN 型、ER 阳性、ER 阴性、Luminal A 型和 Luminal B 型,从而使该模式的精确度和灵敏度得到了改善。Leithner D 等14进行了一次回顾性的调查,其结果表明,扩散加权成像(diffusion weighted imaging,DWI)和表观扩散系数图(apparent diffusion coefficient,ADC)图像在评价乳腺癌的分子类型及受试者状况方面表现出了较高的精确度,有望作为一种无创、无造影剂评价乳腺癌生物特性的手段。通过以上的结果可以看出,与常规成像技术相比,影像组学在乳腺癌的诊断与治疗上具有更高的应用前景。3 3.2
13、2 乳腺癌治疗效果评估乳腺癌治疗效果评估影像组学的临床应用主要集中在对个体癌症患者的疗效的预测上。近来的一些实验在影像组学的指导下取得了重大进展。Eun NL 等15选取经 NAC 并进行外科手术的 136 例患者,在使用 N-乙酰半胱胺酸(N-acetyl cysteamine acid,NAC)治疗之前及治疗 34 个疗程后,均采用 3.0 T MRI 对 PCR 的预测效果进行了监控与评价。本试验采用 T2 加权成像、DWI、DCE-MRI 和表视扩散因子(apparent diffusion factor,ADC)对治疗前、中期及后两者之间的差异进行了分析,采用随机森林方法构建PCR的
14、预测模式,其与自适应增强(AUC=0.82,K-最近邻)、SVM、朴素贝叶斯(SVM)、DCE-MRI、森林随机分类仪(ADC=0.82,95%CI 为 0.740.88)。Fan M 等16的发现与此类似,DRF 是根据基线和后续影像相关的净特性改变得到,来评价整体的肿瘤特性,114例 NAC 患者在接受了 DCE-MRI(NAC)的 DCE-MRI(两次),并在两次之后,产生了基线和早期的后续影像。1772023 年 6 月 第 9 卷 第 6 期DCE-MRI 表现特点的变化能够对乳腺肿瘤的早期作出预测。在诊断中,要掌握每个患者的具体情况、是否存在药物抵抗、临床用药的适时调节等方面的表现
15、。与传统的影像相比,成像技术不仅可以根据肿瘤的形态、尺寸、浓度等一般的疗效来获得更高的诊断数据。3 3.3 3 预测乳腺癌患者预后预测乳腺癌患者预后通过影像组学的图像特征,可以更好地反映肿瘤的异质性。Asaoka M等17的结果显示,NAC前肿瘤的临床分期、较大的肿瘤、淋巴转移及HER-2表达均可作为肿瘤复发的主要因素,Valachis A等18指出,NAC前是否存在腋窝淋巴结(axillary lymph nodes,ALN)转移、NAC后是否达到PCR、术后是否出现3个淋巴结等也是影响肿瘤预后的关键因素。Yu YF等19采用机器学习技术,通过MRI组学模型对ALN进行评价。在回顾性多中心的
16、基础上,根据T2WI、DWI和DCE-MRI,利用SVM方法对803例乳腺癌患者ALN状况进行了分析,结果AUC为0.90,外部验证队列为0.91,前瞻性回顾验证队列为0.93。在临床上,对乳腺癌ALN的评估效果很差,而且多数是基于介入治疗,导致很多患者出现了术后的并发症。以上的预测模式具有很强的预见性,有望被应用到乳腺癌患者的术后淋巴系统中。癌症的增殖活性与KI-67有很大关系,如果KI-67的基因水平越高,则该患者的肿瘤转移和再发的可能性就越小;KI-67在NAC之前高表达,通常意味着患者的预后不佳,复发率高,死亡风险高20。以上研究表明,利用影像组学可以对乳腺癌患者的肿瘤进行定量分析,从
- 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:
- 乳腺癌 影像 研究进展
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。