李夢蕾 童 彤

隨著20世紀(jì)90年代初基因組革命的到來，醫(yī)學(xué)研究被推動到從基因水平上去探究疾病的基礎(chǔ)機(jī)制，以實現(xiàn)精準(zhǔn)醫(yī)療。傳統(tǒng)的基因分析手段依賴于有創(chuàng)的活檢取材或術(shù)后病理組織來進(jìn)行，具有一定的風(fēng)險及潛在的并發(fā)癥，因此并不能應(yīng)用于每位癌癥患者。相比之下，醫(yī)學(xué)影像作為疾病診斷和治療過程中重要的組成部分，具有非侵入性和普遍性的優(yōu)點，為影像基因組學(xué)（radiogenomics）提供了新的思路。影像基因組學(xué)是一種將基因組學(xué)與多種成像特征（如大小、體積、紋理特征等）聯(lián)系起來，從而更深入地了解腫瘤生物學(xué)特性和捕獲內(nèi)在的腫瘤異質(zhì)性的新的影像分析方法[1]。近年來，越來越多學(xué)者開始關(guān)注影像基因組學(xué)，并在不同的領(lǐng)域展開研究，取得了一定的進(jìn)展。

歷 史 背 景

2003年首次出現(xiàn)了影像基因組學(xué)的概念，但當(dāng)時僅表示放療效果與基因之間的關(guān)聯(lián)[2]。隨后幾年，陸續(xù)有學(xué)者發(fā)表文章強(qiáng)調(diào)這一新興領(lǐng)域，并將其概念擴(kuò)大到影像特征與基因組之間的聯(lián)系上[1]。需要注意的是其與影像組學(xué)存在些微差別，后者是指從影像中高通量地提取大量影像信息，實現(xiàn)腫瘤分割、特征提取與模型建立，憑借對海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測和分析來輔助醫(yī)師做出最準(zhǔn)確的診斷。

影像基因組學(xué)的出現(xiàn)，既發(fā)揮了基因組學(xué)可以用于早期疾病診斷的優(yōu)勢，又解決了傳統(tǒng)基因分析手段依賴于有創(chuàng)的手術(shù)獲得樣本、采集樣本的時間和空間局限性等缺點，只需通過無創(chuàng)的常規(guī)影像學(xué)檢查，就可以了解基因表達(dá)譜。影像基因組學(xué)的最終目標(biāo)是，結(jié)合基因型和表型度量標(biāo)準(zhǔn)開發(fā)出特異性成像生物標(biāo)記物。

當(dāng) 前 應(yīng) 用

1． 腦

影像基因組學(xué)研究在中樞神經(jīng)系統(tǒng)（central nervous system，CNS）腫瘤（特別是膠質(zhì)母細(xì)胞瘤）方面取得的成果最豐碩。

1．1 多形性膠質(zhì)母細(xì)胞瘤（glioblastoma multiforme，GBM）：GBM是一種多變的異質(zhì)性腫瘤，磁共振成像（magnetic resonance imaging，MRI）和紋理分析有助于分析腫瘤異質(zhì)性，比如，TP53突變腫瘤的對比度增強(qiáng)程度較弱且壞死體積較小，而RB1突變的水腫體積較小；EGFR擴(kuò)增和CDKN2A丟失與腫瘤內(nèi)血管生成增加有關(guān)等。Jamshidi等構(gòu)建了一個放射性相關(guān)圖譜，該圖上確定的基因與性狀的關(guān)系（如：對比壞死比率與KLK3和RUNX3的關(guān)聯(lián)等）突出了一些新的候選成像生物標(biāo)志物，有待學(xué)者們在未來研究中進(jìn)一步評估[3]。

1．2 腦轉(zhuǎn)移瘤（brain metastases，BM）：BM是顱內(nèi)腫瘤中最常見的類型，但在影像基因組學(xué)方面的研究相對較少。在BM中常出現(xiàn)密集的腫瘤浸潤淋巴細(xì)胞（tumor-infiltrating lymphocytes，TILs），其中黑色素瘤的BM中TIL密度最高，TILs與術(shù)前磁共振圖像中的瘤周水腫程度和預(yù)后呈正相關(guān)，因此可以用TILs判斷患者預(yù)后。另外研究發(fā)現(xiàn)EGFR突變狀態(tài)影響肺癌BM的分布，比如L858R突變的EGFR肺癌易轉(zhuǎn)移到尾狀葉、小腦和顳葉等[4]。

CNS腫瘤種類繁多，且具有不同的臨床特征、療效和預(yù)后，因此精準(zhǔn)的腦腫瘤分類和分級是治療此類腫瘤的重要步驟。目前，世界衛(wèi)生組織根據(jù)放射學(xué)和基因組學(xué)研究成果，已對CNS腫瘤進(jìn)行了新的分類，例如，依據(jù)IDH的關(guān)鍵基因突變將GBM分為IDH-野生型、IDH-突變型和其他膠質(zhì)母細(xì)胞瘤三種類型等[5]。

2．肺

肺部研究主要集中在非小細(xì)胞肺癌（non-small cell lung cancer，NSCLC）方面。EGFR、KRAS和ALK突變狀態(tài)的分子分析在NSCLC的研究中較為常見，例如：已知EGFR突變與空氣支氣管征、胸膜牽拉征、較小病灶、無纖維化、磨玻璃影（ground-glass opacity，GGO）、不規(guī)則結(jié)節(jié)和結(jié)節(jié)邊界不清顯著相關(guān)，Gevaert等創(chuàng)建了一個通過成像特征（即肺氣腫、氣道異常、GGO成分百分比和腫瘤邊緣類型）來預(yù)測EFGR的模型，前兩個特征可以單獨預(yù)測EGFR的野生狀態(tài)，而GGO的存在即表明存在EGFR突變[6]；ALK重排與邊緣分葉、實性腫塊、無胸膜尾征、大量胸腔積液和腫瘤中心位置等相關(guān)，有研究表示可利用這些影像特征來輔助鑒別診斷ALK+與非ALK腫瘤等[7]。另外發(fā)現(xiàn)腫瘤大小、邊緣形狀和邊緣清晰度具有很高的預(yù)后意義，并且多個研究已經(jīng)證實了NF–kappa B與18F-FDG PET攝取和患者預(yù)后存在關(guān)聯(lián)[8]。

3．乳腺

目前，乳腺的影像基因組學(xué)研究主要集中在基因簽名、分子亞型、復(fù)發(fā)評分三方面。

3．1基因簽名：2012年Yamamoto等首次發(fā)表了一項關(guān)于乳腺MRI影像基因組學(xué)的自述性研究，他們確定了21個影像學(xué)特征與71%的總基因有相關(guān)性，另外發(fā)現(xiàn)有12項成像特征與乳腺癌基因組顯著相關(guān)，11項與預(yù)后相關(guān)[9]。該開創(chuàng)性研究為乳腺成像中的放射基因時代奠定了基礎(chǔ)。隨后他們又研究了動態(tài)增強(qiáng)磁共振成像（dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI）表型、早期轉(zhuǎn)移和長非編碼RNA（long noncoding RNA，lncRNA）表達(dá)之間的多尺度關(guān)系，鑒定出8個與增強(qiáng)的邊緣分?jǐn)?shù)評分顯著相關(guān)的lncRNA[10]。

3．2分子亞型：基于基因表達(dá)譜，可將乳腺癌分為四種主要分子亞型：Luminal A；Luminal B；富含HER2 和三陰性（TN）/基底樣。其中，Luminal A最常見預(yù)后最佳；Luminal B型和HER2型與多灶性、多中心性疾病以及淋巴結(jié)受累有關(guān)等[11-12]。

3．3復(fù)發(fā)評分（recurrence score，RS）：一項研究評估了影像特征與Oncotye DX檢測的復(fù)發(fā)評分（oncotype DX test recurrence score，ODxRS）之間的關(guān)系，比如，乳腺密度與ODxRS呈負(fù)相關(guān)；腫瘤邊緣模糊和線性鈣化與ODxRS呈正相關(guān)等[13]。另外很多其他成像特征（如腫瘤大小、對比度增強(qiáng)、質(zhì)地等）與復(fù)發(fā)評分之間也存在著顯著相關(guān)性，上述這些成像標(biāo)志物都可以指導(dǎo)治療策略的制定。

4．腎臟

目前腎臟的放射基因?qū)W研究較少，但已有一些學(xué)者對腎透明細(xì)胞癌（clear cell renal cell carcinoma，ccRCC） 常 見 的 突 變（ 如：VHL、PBRM1、SETD2、KDM5C、BAP1和 MUC4基 因突變等）與影像特征之間的相關(guān)性進(jìn)行了探討，例如：VHL突變與清晰的腫瘤邊緣、結(jié)節(jié)增強(qiáng)、腫瘤血管的生成相關(guān)；MUC4與腫瘤外生生長模式相關(guān)等。Jamshidi首次開發(fā)了腎癌的放射基因組風(fēng)險評分（radiogenomic risk scores，RRS），該評分包括四個CT成像特征（即是否有腫瘤壞死、過渡區(qū)浸潤情況、是否存在腫瘤的不連續(xù)增強(qiáng)邊緣、是否存在減弱的腫瘤邊緣），能夠獨立于疾病分期、分級和臨床表現(xiàn)，對疾病特異性存活情況進(jìn)行預(yù)測[14]。隨后，一項研究證實了RRS的可靠性，認(rèn)為其可以作為疾病特異性生存的預(yù)測指標(biāo)，并且與生存率呈負(fù)相關(guān)[15]。

5．肝臟

最初的研究顯示了一些腫瘤影像特征與基因型之間的潛在關(guān)系，但具體到特定基因在肝細(xì)胞癌（hepatocellular carcinoma，HCC）中的重要性還不清楚[16]。之后，Hesketh等人在此基礎(chǔ)上取得了突破性進(jìn)展，他們在僅有的28種成像特征的基礎(chǔ)上，預(yù)測到6732個基因中74%的表達(dá)[17]。在預(yù)后方面，腫瘤大小、不光滑腫瘤邊緣和瘤周增強(qiáng)等與微血管浸潤（microvascular invasion，MVI）顯著相關(guān)，而HCC中的MVI又是手術(shù)切除或肝移植后預(yù)后不良的獨立預(yù)測因子[16]，因此可以推斷這些特征預(yù)示著預(yù)后不良。

6．前列腺

關(guān)于前列腺癌的影像基因組學(xué)研究也取得了一些進(jìn)展。邁阿密大學(xué)的一組研究證明了與免疫/炎癥反應(yīng)、新陳代謝、細(xì)胞和生物黏附相關(guān)的基因表達(dá)與成像特征之間有強(qiáng)烈關(guān)聯(lián)，其中表觀擴(kuò)散系數(shù)（ADC）值與這些生物學(xué)過程的相關(guān)性最高[18]；另一研究將106例患者的MRI影像特征[包括：前列腺成像報告和數(shù)據(jù)系統(tǒng)（prostate imaging reporting and data system，PI-RADS）評分、可疑病變的直徑和平均ADC值]與細(xì)胞周期進(jìn)展（cell cycle progression，CCP）評分進(jìn)行關(guān)聯(lián)研究，結(jié)果發(fā)現(xiàn)PI-RADS與CCP評分顯著相關(guān)，然而與邁阿密大學(xué)的研究不同的是，CCP分?jǐn)?shù)與平均ADC值并沒有顯著相關(guān)性，CCP分?jǐn)?shù)也與病變直徑無關(guān)[19]。

7．婦科腫瘤

7．1宮頸癌：對晚期宮頸癌患者的研究，主要是評估了影像基因組學(xué)對放化療患者的預(yù)測價值。Halle等對78個宮頸癌腫瘤中的46個進(jìn)行了基因組分析，發(fā)現(xiàn)A Brix參數(shù)與缺氧基因組相關(guān)；剩余的32個進(jìn)行了免疫組織化學(xué)分析，發(fā)現(xiàn)低A Brix與HIF1a蛋白表達(dá)的上調(diào)相關(guān)[20]。也有研究表明DCEMRI圖像的多個藥代動力學(xué)模型（Brix和Tofts模型）參數(shù)與無進(jìn)展生存期（PFS）有關(guān)，其中A Brix參數(shù)與患者疾病結(jié)局的相關(guān)性最高[21]。

7．2卵巢癌：卵巢癌分類（classification of ovarian cancer，CLOVAR）將該腫瘤分為4種基因組亞型：分化型、免疫反應(yīng)型、間充質(zhì)型和增殖型，其中腸系膜浸潤和彌漫性腹膜受累模式與間充質(zhì)亞型相關(guān)；腸系膜浸潤的存在也與更短的PFS和OS顯著關(guān)聯(lián)[22]。

影像基因組學(xué)的前景與挑戰(zhàn)

影像基因組學(xué)尚處于早期研究階段，其應(yīng)用仍存在較多問題：①可重復(fù)性：研究過程中一些常見影響因素如數(shù)據(jù)過度擬合、報告結(jié)果的完整性和許多混雜變量的存在等導(dǎo)致研究的可重復(fù)性存在困難。②影像分析標(biāo)準(zhǔn)化：在臨床實踐中，對于圖像的掃描參數(shù)缺乏統(tǒng)一的標(biāo)準(zhǔn)，因此在不同機(jī)器上獲得的結(jié)果難以進(jìn)行比較和評價。③圖像分割問題：進(jìn)行圖像分割并提取感興趣區(qū)域是數(shù)據(jù)分析過程的關(guān)鍵步驟之一，但是由于許多腫瘤的邊界模糊及手動分割存在觀察者間差異，難以保證圖像分割的可重復(fù)性，雖然已經(jīng)開發(fā)了自動和半自動分割算法，但是目前還沒有適用于所有醫(yī)學(xué)圖像應(yīng)用的通用分割算法。④數(shù)據(jù)共享：研究必須針對完全獨立的數(shù)據(jù)集進(jìn)行，而且最好從不同的機(jī)構(gòu)中進(jìn)行驗證，所以需要有用于驗證集合的共享數(shù)據(jù)庫。目前已取得一些進(jìn)展，比如癌癥基因組圖譜（the cancer genome atlas，TCGA）和癌癥成像存檔（the cancer imaging archive，TCIA）等。

展 望

影像基因組學(xué)未來的一個方向是進(jìn)行更多“組學(xué)”技術(shù)（轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等）與功能成像數(shù)據(jù)（如灌注、彌散成像和光譜等）相結(jié)合的探索，從而為多維影像基因組學(xué)開辟更多新途徑?？傊?，隨著研究的進(jìn)一步深入，影像基因組學(xué)將在醫(yī)學(xué)領(lǐng)域尤其是癌癥研究工作中發(fā)揮更加積極的作用，并很有可能徹底改變癌癥患者的診斷、治療和預(yù)后。