Page 40 - 《南京医科大学学报（自然科学版）》2025年第9期
P. 40

第45卷第9期
               ·1252 ·                           南 京    医 科 大 学 学         报                        2025年9月


              PET/CT）作为功能代谢与解剖结构融合成像的代表，                             PET/CT 影像组学通过整合功能代谢与解剖结
              已成为食管癌诊疗过程中不可或缺的重要工具 。                            构的多维信息，实现了对食管癌生物学特性的全面
                                                         ［3］
              然而，传统 PET/CT 在临床应用中存在明显局限：一                       解析。在代谢层面，F⁃FDG 摄取参数，如 SUVmax
                                                                                   18
              方面，其空间分辨率有限（通常为 4~6 mm），难以精                       可定量评估肿瘤的糖酵解活性，而代谢体积参数，
              确显示微小病灶的代谢特征；另一方面，依赖单一                            如肿瘤代谢体积（metabolic tumor volume，MTV）和总
              参数如最大标准化摄取值（maximum standardized                  病变糖酵解（total lesion glycolysis，TLG）则反映了肿
              uptake value，SUVmax）的分析方法无法全面反映肿                  瘤的代谢负荷。在纹理特征方面，基于灰度共生矩
              瘤异质性 。这些局限性在食管癌这种具有高度空                            阵的“熵”值可精确量化代谢分布的空间异质性，其
                      ［4］
                                                   ［5］
              间异质性的恶性肿瘤评估中显得尤为突出 。                              数值升高往往提示肿瘤克隆多样性增加和潜在耐
                  影像组学的出现为突破这些技术瓶颈提供了                           药风险   ［11］ 。同时，通过 CT 组分提取的形态学特征
                      ［6］
              全新思路 。影像组学通过高通量提取和分析医学                           （如肿瘤长径比、表面不规则度）可有效评估局部浸
              影像中的上千个定量特征，结合机器学习算法构建                            润程度   ［12］ 。这种多参数融合分析方法不仅提高了
              预测模型，实现了对肿瘤微环境、治疗敏感性和转                            诊断准确性，更重要的是实现了对肿瘤微环境（如
                               ［7］
              移风险的无创评估 。特别值得关注的是，PET/CT                         缺氧区域、免疫细胞浸润）的无创评估，为临床决策
              影像组学能够同时获取肿瘤的代谢特征（如糖酵解                            提供了传统影像学无法获取的深层生物学信息。
              活性）和结构特征（如空间异质性），这种多参数综                           值得注意的是，近期研究表明，将动态 PET 参数与
              合分析显著提升了食管癌诊疗评估的精准度 。                             静态纹理特征相结合，可进一步改善对治疗反应的
                                                     ［8］
                  文章系统梳理了 F⁃FDG PET/CT影像组学在食                    早期预测效能       ［13］ 。这种多参数综合分析方法不仅
                                 18
              管癌全周期管理中的应用价值：在诊断阶段，通过纹                           提高了诊断准确性，更重要的是能够无创评估肿瘤
              理分析可提高早期病变检出率；在分期评估中，多参                           的生物学行为，为精准医疗提供重要依据。
              数模型较传统方法能更准确地预测淋巴结转移；在疗                           1.2  PET/CT影像组学的技术流程
              效监测方面，治疗前后的特征变化可早期预测病理完                                PET/CT 影像组学的技术流程分为多个步骤。
              全缓解；在预后预测中，结合临床参数的影像组学模                           ①图像采集与预处理：在标准化协议下完成PET/CT
              型展现出优越的预测性能。此外，文章还探讨了影像                           图像采集，包括患者准备、扫描参数设置及图像重建；
              组学与基因组学、剂量组学的交叉融合前景，这种多                           随后进行图像预处理，涵盖空间配准、强度归一化、去
              组学整合策略有望为食管癌精准诊疗开辟新途径。                            噪和部分容积效应校正等关键步骤。②肿瘤分割：通
                                                                过人工勾画、阈值分割或深度学习算法（如U⁃Net）实
              1  PET/CT影像组学的原理与技术
                                                                现肿瘤区域的精准分割。③特征提取与筛选：利用专
              1.1  影像组学基本概念                                     业软件提取特征；然后采用特征稳定性分析、信息评
                  影像组学是一种基于医学影像的数据分析方                           估结合机器学习方法（LASSO回归、随机森林）进行特
              法，“组学”的核心是从研究目标整体中挖掘出大量                           征筛选和降维。④模型构建与验证：构建预测模型并
              的参数或特征，以进一步丰富可供研究或参考的维                            通过交叉验证和独立队列验证评估其性能。
                ［9］
              度 。这种方法突破了传统影像分析的局限，通过                                 整个流程严格遵循标准化流程，确保特征提取
              提取大量的影像特征（如形态学特征、一阶统计特                            的标准化和可重复性，同时需注意图像采集参数、
              征、二阶和高阶纹理特征）来量化组织的潜在病理                            重建算法等因素对特征稳定性的影响                  ［14］ ，以实现从
              及生物学特性，构建多维度的肿瘤图谱，在人体病                            影像数据到临床决策的可靠转化。
              变组织和正常组织中均可应用              ［10］ 。其中，形态学特
                                                                2  18 F⁃FDG PET/CT影像组学在食管癌诊疗中的应用
              征包括肿瘤的体积、形状、表面积等几何参数，特别
              关注肿瘤边界的复杂程度（如分形维度），可反映肿                           2.1  食管癌的准确分期
              瘤的生长方式和侵袭性。一阶纹理特征基于图像                                  准确的临床分期是ECa管理最重要的预后因素
              灰度级分布的统计量，量化每个体素与其近邻之间                            之一，F⁃FDG PET/CT 影像组学通过多参数分析显
                                                                      18
              的强度变化，如均值、方差、偏度等；二阶和更高阶的                          著提升了分期的准确性。对于肿瘤 T 分期预测，在
              纹理特征则考虑灰度级的相对位置，用于表征肿瘤的                           Jayaprakasam等 ［15］ 研究中，F⁃FDG PET/CT影像组学
                                                                                        18
              空间异质性，如灰度共生矩阵和灰度游程矩阵。                             模型在预测T分期的受试者工作特征（receiver oper⁃
   35   36   37   38   39   40   41   42   43   44   45