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