影像的表現(xiàn)能和基因數(shù)據(jù)聯(lián)系到一起固棚。本文對(duì)放射組學(xué)和放射基因組學(xué)做了綜述统翩,包含他們的基本原理仙蚜,技術(shù)和臨床應(yīng)用。同時(shí)也會(huì)展示一些當(dāng)前結(jié)果的例子以及一些出現(xiàn)的用于臨床腫瘤的范例厂汗,重點(diǎn)關(guān)注放療中可能的應(yīng)用委粉。最后,我們將要提出這個(gè)領(lǐng)域的挑戰(zhàn)以及對(duì)可能的將來研究方向的一些建議娶桦,從而最大化對(duì)精準(zhǔn)放療可能的影響贾节。
引言
當(dāng)前對(duì)圖像的理解主要依靠視覺的評(píng)價(jià),相對(duì)較少的量化影響度量衷畦。而個(gè)性化或者精準(zhǔn)醫(yī)療需要更加全面的疾病刻畫和可信賴的預(yù)測(cè)栗涂。
最近出現(xiàn)的放射組學(xué)有希望發(fā)現(xiàn)新的影像biomarkers,比如形狀祈争,直方圖和紋理衡量的腫瘤的異質(zhì)性斤程。一個(gè)相近的領(lǐng)域,放射基因組學(xué)菩混,關(guān)注組織層面放射組學(xué)特征和基因忿墅、蛋白質(zhì)層面潛在分子特征之間的關(guān)系【谙浚可能發(fā)現(xiàn)影像表現(xiàn)潛在的生物學(xué)基礎(chǔ)疚脐。
放射組學(xué)的workflow
通常包含多個(gè)步驟:圖像采集,腫瘤分割邢疙,特征提取棍弄,預(yù)后模擬,模型驗(yàn)證疟游。
2.1 圖像采集
臨床腫瘤學(xué)慣例中呼畸,各種各樣的模態(tài)(CT,MRI乡摹,PET)被用來提供病灶直接的可視化和評(píng)價(jià)役耕。圖像采集的目標(biāo)是為了最大化正常組織和病變的對(duì)比度采转。但是不同機(jī)構(gòu)之間缺少統(tǒng)一的圖像采集標(biāo)準(zhǔn)聪廉。
2.2 腫瘤分割
采集完圖像后,下一步就是分割感興趣區(qū)域故慈,通常是gross tumor板熊。但是不同的oncologists之間分割的腫瘤會(huì)有顯著的變化。作為替代察绷,腫瘤可以半自動(dòng)或者全自動(dòng)的分割出來干签。在不久的將來,基于深度學(xué)習(xí)的自動(dòng)分割工具有望成為現(xiàn)實(shí)拆撼。
2.3 特征提取
兩種類型的放射組學(xué)特征:語(yǔ)義和agnostic可以從圖中提取出來對(duì)腫瘤進(jìn)行全面的刻畫容劳。不少公開/商業(yè)軟件已經(jīng)使用了放射組學(xué)特征喘沿。商業(yè)公司匯醫(yī)慧影基于云平臺(tái)來做放射組學(xué)研究。
2.4 預(yù)測(cè)建模
腫瘤的表象被編碼為特征向量竭贩,人工智能算法就可以用來檢測(cè)和臨床/基因特性相關(guān)的pattern蚜印。實(shí)際中,特征會(huì)很多留量,而樣本卻較少窄赋,通常還需要做特征選擇。
2.5 模型驗(yàn)證
評(píng)估新提出的放射組學(xué)signatures和已經(jīng)知道的臨床病理特征楼熄,通過將它們組合到一個(gè)多變量模型中忆绰。
2.6 放射組學(xué)量化評(píng)分和實(shí)際的實(shí)現(xiàn)
對(duì)于一個(gè)典型的放射組學(xué)研究,圖像采集和腫瘤分割需要專業(yè)的放射技師來完成可岂,是最耗時(shí)間的部分错敢。特征提取和模型構(gòu)建、驗(yàn)證可以被自動(dòng)完成缕粹。
3 放射組學(xué)在放療中當(dāng)前的狀態(tài)和結(jié)果
重點(diǎn)介紹一些例子伐债,可能和提升放療中病人管理相關(guān)的研究。Aerts預(yù)測(cè)經(jīng)過放療的肺癌病人存活時(shí)間致开。他們還調(diào)查了MRI特征和存活時(shí)間峰锁、膠質(zhì)瘤進(jìn)展的關(guān)系
4 新出現(xiàn)的精準(zhǔn)放療范例:刻畫空間異質(zhì)性的瘤內(nèi)分割
5 放射基因?qū)W:整合影像和基因
兩方面的研究:1)對(duì)腫瘤特定的基因或者分子表現(xiàn),找出相關(guān)聯(lián)或者可替代的影像關(guān)系双戳。比如肺癌患者CT語(yǔ)義和放射組學(xué)影像特征被發(fā)現(xiàn)和EGFR突變相關(guān)聯(lián)虹蒋。2)將腫瘤分類為subtypes基于影像學(xué)表現(xiàn),而不是分子特征飒货。最近Wu等人發(fā)現(xiàn)并獨(dú)立驗(yàn)證了三種乳腺癌的影像subtypes魄衅,有均勻的瘤內(nèi)增強(qiáng),微小的實(shí)質(zhì)增強(qiáng)或者顯著的實(shí)質(zhì)增強(qiáng)塘辅。超過1000人的大樣本研究發(fā)現(xiàn)晃虫,每個(gè)影像subtypes和不同的預(yù)后相關(guān),異常調(diào)節(jié)分子通路扣墩,并且發(fā)現(xiàn)和已知的內(nèi)在分子子類型互補(bǔ)哲银。(Wu J, Cui Y, Sun X et al. Unsupervised clustering of quantitative image phenotypes reveals breast cancer subtypes with distinct prognoses and molecular pathways. Clin Cancer Res 2017;23:3334–42)
一個(gè)很重要的方向是利用影像和分子數(shù)據(jù)互補(bǔ)的力量,進(jìn)一步提升臨床的預(yù)測(cè)精度呻惕。Grossmann等人整合基因表達(dá)和CCT放射組學(xué)signature來增強(qiáng)肺癌患者存活時(shí)間的預(yù)測(cè)荆责。
放射組學(xué)研究的挑戰(zhàn)
標(biāo)準(zhǔn)化圖像采集協(xié)議,特征提取亚脆,確保放射組學(xué)特征魯棒性和可重復(fù)性做院,從而最大化轉(zhuǎn)化的可能性,培養(yǎng)數(shù)據(jù)分享的文化從而整合多中心的病例。