每日最新頭條.有趣資訊

影像組學在乳腺癌中的研究進展

? 顧雅佳


撰寫 | 顧雅佳 (復旦大學附屬腫瘤醫院放射診斷科


● ● ●


01



影像組學是近幾年放射領域研究的熱點之一,從流程看,影像組學和日常醫生讀片過程是一致的,醫生讀片首先看影像據,然後依靠人眼提取它的形態特徵,這個過程稱之為診斷意見。而影像組學就是從臨床基因影像大數據中提取數據,利用人工智慧的方法挖掘更多的病變資訊,尤其對於腫瘤性病變,能夠通過無創的手段全面地揭示腫瘤內和腫瘤間的異質性,從而輔助臨床決策。



02




本文主要從乳腺疾病的影像組學入手,回顧了近兩年在乳腺領域影像組學的研究進展,從輔助診斷、療效評估、預後預測三個方面揭示了影像組學在臨床中的潛在價值。Sebastian等通過對222例患者穿刺前的擴散成像(DWI)、彌散峰度成像(DKI)影像提取組學特徵,發現其有助於鑒別可疑乳腺腫塊的良惡性,可以顯著降低BIRADS分級4a/4b患者的假陽性率(從66個降低到20個),可以避免良性結節患者的過度治療。另一項研究發現聯合利用T2W和DWI的多模態組學特徵可以提高對前哨淋巴結轉移的預測能力,試驗集葯時曲線下面積(AUC)達到0.863,而驗證集也可達到0.805,為臨床提供了一種無創的方法。此外,還可通過T2W影像的組學特徵預測KI-67 的狀態。在臨床中,我們評判乳腺癌新輔助治療後的療效,通常需要動態觀察動態磁共振上的改變,比如病灶縮小,強化程度減低,但是我們無法從治療前的影像中就可以預測患者的治療效果。Nathaniel等通過對117例接受新輔助治療的乳腺癌患者治療前的DCE-MRI影像進行組學分析,成功預測治療反應,試驗集AUC達到0.78,而驗證集AUC達到0.74。除此之外,另有研究表明DCE-MRI的組學特徵可以用來預測乳腺癌患者的預後,最後的模型結合了臨床特徵N分期和乳腺癌的分子分型一起,可以預測乳腺癌患者的無病生存期以及2年、3年和5年生存率。



03



復旦大學附屬腫瘤醫院通過對134例浸潤性乳腺癌患者術前磁共振的ADC圖和半定量DCE (washin和washout)圖進行直方圖分析,通過簡單的組學特徵即可將三陰性乳腺癌和其他亞型區分出來,準確性達到79.1%,特異度達到83.9%。另外,我們研究了2010— 2017年共計113例行新輔助治療的三陰性乳腺癌且有完整隨訪資料患者治療前的動態磁共振影像, 其中47例(42%)患者達到病理學完全緩解(pCR),66例(58%) 未達到病理學完全患者(Non-pCR),隨訪至2018年8月份,最終有28例(25%)患者出現了複發和/或轉移,通過對其臨床、病理及影像影像進行大數據分析,對影像影像提取了1177個特徵值,利用傳統統計和機器學習的方法進行降維,最終獲得最佳模型,其預測pCR的準確度可達到84.1%, 敏感度77%,特異度89%,AUC為0.87;而預測複發轉移的準確度達88.5%,敏感度為71%,特異度為94%,AUC為0.87。



04



影像組學的未來任重而道遠,每個組學研究在影像處理、特徵提取及統計分析中均存在差異,如何統一品質標準也是未來的難點。首先一個高精度的預測模型必須要龐大的資料庫支持,所以更需要一個多中心、標準化的資料庫;其次自動分割的精確度無法保證, 而人工分割又耗時耗力,處理流程上需要進一步優化。




05


初步的研究顯示影像組學通過無創的方式可以了解腫瘤內部及其周圍的微環境情況,剖析腫瘤的時空異質性,具有巨大的潛力,未來或可在癌症患者中發揮虛擬活檢的作用,並輔助臨床預測治療療效及預後。



來源:《中華醫學資訊導報》2018年第23期17版


請您繼續閱讀更多關於 乳腺癌 的健康資訊:

TAG:乳腺癌 |

獲得更多的PTT最新消息
按讚加入粉絲團