Page 130 - 南京医科大学自然版
P. 130
第44卷第7期
·1014 · 南 京 医 科 大 学 学 报 2024年7月
成像方法，在前列腺活检中起着不可或缺的作用。 的结合，比如基因组学，甚至可以综合基因组学、转
近年来随着超声成像方式的增多，其影像组学研究 录组学、蛋白质组学、代谢组学等，开发新的生物标
也在逐渐增多。 志物，以加强对患者的临床管理。
Ou 等 ［66］ 开发了一个基于经直肠超声（transrec⁃ ［参考文献］
tal ultrasound，TRUS）的影像组学模型，并联合临床
［1］ JEMAL A，SIEGEL R，WARD E，et al. Cancer statistics，
危险因素构建诺莫图以在活检前预测 PCa，研究结
2009［J］. CA A Cancer J Clin，2009，59（4）：225-249
果显示部分RF是预测PCa的独立因素。Liang等 ［67］
［2］ WANG G C，ZHAO D，SPRING D J，et al. Genetics and
通过TRUS 和剪切波弹性成像（shear⁃wave elastogra⁃ biology of prostate cancer［J］. Genes Dev，2018，32（17/
phy，SWE）构建多参数超声影像组学模型来鉴别前 18）：1105-1140
列腺良恶性病变，结果显示该模型的 AUC 为 0.85， ［3］ MILOT L. Variation of PI⁃RADS interpretations between
结合了临床参数的联合模型AUC为0.90，证实了多 experts：a significant limitation［J］. Radiology，2020，296
参数超声成像模型对PCa诊断的准确性。与之相似 （1）：85-86
［4］ PICKERSGILL N A，VETTER J M，ANDRIOLE G L，et
的，Wildeboer等 通过ML将B超、SWE、动态对比增
［68］
al. Accuracy and variability of prostate multiparametric
强超声造影（dynamic contrast⁃enhanced ultrasound，
magnetic resonance imaging interpretation using the pros⁃
DCE⁃US）自身的定量参数与基于它们的 RF 结合构
tate imaging reporting and data system：a blinded compari⁃
建多参数超声影像组学模型，评估其在 PCa 诊断中 son of radiologists［J］. Eur Urol Focus，2020，6（2）：267-
的潜力，研究结果显示该模型对 PCa 和 csPCa 的诊 272
断性能良好（AUC：0.75、0.90），优于表现最佳的定量 ［5］ BI W L，HOSNY A，SCHABATH M B，et al. Artificial in⁃
参数即灌注速度构建的模型（AUC：0.69、0.76），该模 telligence in cancer imaging：clinical challenges and ap⁃
型性能的改善应 归 功 于 RF 以 及 多 参 数 联 合 。 plications［J］. CA Cancer J Clin，2019，69（2）：127-157
Zhang 等 ［69］ 构建了 1 个基于神经网络的DL技术，用 ［6］ ACHARYA U R，HAGIWARA Y，SUDARSHAN V K，et
al. Towards precision medicine：from quantitative imaging
于学习和融合从B超和实时弹性成像中提取的RF，
to radiomics［J］. J Zhejiang Univ Sci B，2018，19（1）：6-
以在计算机辅助分析下诊断 PCa，为疾病诊断提供
24
较少的主观和人为干预，最终显示出良好的诊断能
［7］ LAMBIN P，RIOS⁃VELAZQUEZ E，LEIJENAAR R，et al.
力（AUC：0.851）。 Radiomics：extracting more information from medical im⁃
ages using advanced feature analysis［J］. Eur J Cancer，
6 问题与展望
2012，48（4）：441-446
PCa 的影像组学研究越来越受到重视，但在未 ［8］ SPOHN S K B，BETTERMANN A S，BAMBERG F，et al.
来的研究和应用中仍存在许多挑战。第一，目前大 Radiomics in prostate cancer imaging for a personalized
多数研究是单中心、回顾性研究，样本量小，缺乏外 treatment approach ⁃ current aspects of methodology and
a systematic review on validated studies［J］. Theranostics，
部验证，限制了研究结果的准确性；第二，由于 PCa
2021，11（16）：8027-8042
的多灶性及异质性，穿刺活检作为金标准有可能导
［9］ LAMBIN P，LEIJENAAR R T H，DEIST T M，et al. Ra⁃
致漏诊或误诊，直接影响影像组学诊断的准确性；
diomics：the bridge between medical imaging and person⁃
第三，虽然人工分割是目前描绘ROI最准确的方法， alized medicine［J］. Nat Rev Clin Oncol，2017，14（12）：
但观察者间和观察者内的变异性难以避免，未来需 749-762
要进一步改进自动分割算法的可重复性以提高定 ［10］FUJIHARA A，IWATA T，SHAKIR A，et al. Multipara⁃
位的准确性；第四，由于缺乏统一标准，不同的机器 metric magnetic resonance imaging facilitates reclassifica⁃
及采集方案等限制了影像组学模型的临床应用，但 tion during active surveillance for prostate cancer［J］.
AI 和 ML 技术的兴起可以限制这种偏差，未来仍需 BJU Int，2021，127（6）：712-721
［11］WU R C，LEBASTCHI A H，HADASCHIK B A，et al.
将这些技术与传统成像方式进行比较；第五，由于
Role of MRI for the detection of prostate cancer［J］.
所选特征与临床结果之间的关系缺乏透明的解释，
World J Urol，2021，39（3）：637-649
未来需要进一步了解影像组学背后的决策过程以
［12］PLOUSSARD G，ROUVIÈRE O，ROUPRÊT M，et al. The
提高可信度。随着影像组学应用潜力的证实，未来 current role of MRI for guiding active surveillance in pros⁃
研究应侧重于影像组学与其他非成像生物标志物 tate cancer［J］. Nat Rev Urol，2022，19（6）：357-365
