影像组学的临床价值及面临的挑战

影像组学临床价值及面临的挑战
作者:刘再毅,广东省人民医院放射科
在现代医疗实践中,影像学检查(如X线、CT、磁共振成像、超声和核医学等)已成为临床诊疗常规之一,其在肿瘤性疾病检出、病灶定性、肿瘤临床分级分期、临床方案制定、疗效判断和预后预测等方面,具有非常重要的价值。目前,临床实践中,对医学影像图像的利用常依赖于临床医师根据病灶的部位、形态、大小、密度、信号、强化模式等进行主观判读。
随着医学的发展,医疗模式逐渐向精准医学模式过渡,而传统的影像信息利用方法不能满足精准医学的发展,如临床实践中发现,相同TNM分期的肿瘤患者,其预后并不一致。因此,亟需发展新的图像分析方法,充分挖掘影像图像中蕴含的深层信息,用于肿瘤诊疗的精准评估。近年来,随着医学图像信息学的发展,从医学图像中挖掘图像特征、解析临床信息,逐渐引起医学领域专家的重视。很多研究发现,通过对图像数据特征的深层次挖掘,医学图像能提供更多肉眼不能识别的信息,可用于指导临床决策。
2012年,受生物医学领域高产出的“组学(-omics)”概念(如基因组学、蛋白质组学和代谢组学等)的启发,荷兰Lambin等首次提出了影像组学(radiomics)的概念,即使用计算机软件从影像图像中自动化抽取海量影像定量特征,借助大数据分析手段,解析临床信息,用于肿瘤的定性、分级分期、基因分析、疗效评估和预后预测等,指导并优化临床决策,最终实现精准医疗。影像组学分析流程主要包括:
图像获取、病灶分割、特征提取和筛选、模型构建和临床信息解析等。
2012年影像组学概念提出后,逐渐引起国际肿瘤和图像信息分析领域专家的重视,并取得了长足发展。2014年,Aerts等在NatCommun上报告非小细胞肺癌和头颈癌的影像组学研究结果,表明影像组学可用于解析肿瘤的基因表达和预后,该研究是影像组学概念提出后在该领域的第一个标志性研究成果,积极推动了国际影像组学研究的发展。
我国影像组学部分研究成果在国际上已处于领先水平,笔者课题组自2013年以来,致力于影像组学研究,目前已发表影像组学高水平论文20余篇,包括肿瘤学领域顶级期刊J Clin Oncol、Clin Cancer Res和影像学领域顶级期刊Radiology各1篇;其中在JClinOncol上发表的关于“使用影像组学方法构建预测模型,术前成功预测结直肠癌淋巴结转移”的研究是目前影像组学研究领域影响因子最高的研究性论著。影像组学研究的主要对象包括肺癌、乳腺癌、结直肠癌、胶质瘤、胃癌、肾癌和膀胱癌等。研究结果表明,影像组学具有巨大的临床应用潜力,是精准医学的重要手段,亦是影像定量化的研究热点。
尽管影像组学的初步研究结果令人鼓舞,高水平的研究成果相继被报道,但仍面临着以下诸多问题亟待解决:
(1)图像数据亟需规范化和标准化:在影像组学研究中,X线、CT、磁共振成像、核医学和超声图像
均可用于数据特征挖掘,但研究发现,影像组学特征及筛选受到机器平台、重建算法、扫描序列、成像参数等的影响。笔者课题组研究发现,CT扫描重建算法、重建层厚和是否增强等因素,会影响鉴别肺孤立性结节良恶性影像组学标签的特征组成和鉴别能力。因此,在影像组学研究中,需充分考虑这些因素对影像组学特征的影响,其影响规律需加以深入研究。
(2)缺乏数据的完整性:在进行影像组学研究时,对每个数据进行准确标记,从而保证数据的准确可靠非常重要,比如临床分期是否准确、预后终点指标是否无误等,但我国目前绝大部分医院缺乏统一的随访中心,因此导致大量样本丢失和浪费。其次,很多医院并未存储薄层图像,甚至所有历史数据均未存储,影像数据缺失。
(3)核心技术和专业人才不足:影像组学研究涉及医工交叉学科,需要医学和工科紧密合作,而绝大部分医院并无工科背景、特别是图像处理背景的工科人员岗位设置,因此开展深入研究的先天条件存在不足。
目前,我国在研究中缺乏进行组学特征提取和分析的相应人才,导致研究水平不足,多数研究仍处于低水平重复阶段。目前研究表明,影像组学非常有临床应用转化前景,对肿瘤的临床决策具有重要价值。因此,影像组学可极大拓展传统医学影像的临床应用范围,促进精准医学的发展,值得我国医学影像工作者在此领域开展深入研究。我们深信,只要深耕不辍,我国的影像组学研究一定可跻身国际先进行列,甚至达到国际领先水平。
来源:刘再毅.影像组学的临床价值及面临的挑战[J].协和医学杂志,2018,9(04):295-297.

本文发布于:2024-09-22 17:15:50,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/732840.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:影像   组学   研究   临床   图像   医学   信息
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议