張璐，吳松

0 引言

近年來，影像圖片與基因組學(xué)數(shù)據(jù)之間的關(guān)聯(lián)以及如何將兩者相結(jié)合來診療疾病是醫(yī)學(xué)研究的熱點。影像基因組學(xué)是影像組學(xué)與基因組學(xué)結(jié)合的產(chǎn)物，同時繼承了影像組學(xué)和基因組學(xué)兩者的優(yōu)點，并在疾病的診療中發(fā)揮了1+1>2的作用。影像基因組學(xué)已經(jīng)在許多疾病尤其是癌癥的診斷、分型、預(yù)后判斷方面有了廣泛的探索。腎細胞癌簡稱腎癌，起源于腎小管上皮細胞，是最常見的腎臟惡性腫瘤，約占腎臟惡性腫瘤的90%以上，其中腎透明細胞癌是最常見的病理類型，約占腎癌的60%~85%[1]。腎透明細胞癌的臨床診斷主要依靠影像學(xué)檢查。隨著影像技術(shù)的不斷發(fā)展，分辨率不斷提高，使得無癥狀腎癌的發(fā)現(xiàn)率明顯增高，腎癌的治療方法從過去創(chuàng)傷較大的根治性腎切除術(shù)，發(fā)展成了各種盡量保留部分腎臟結(jié)構(gòu)的手術(shù)。二代測序、microRNA表達譜等高通量生物醫(yī)學(xué)技術(shù)的進步，使得新的標志物將可投入到腎癌的診斷中，為制訂治療方案以預(yù)后判斷提供較大指導(dǎo)作用。本文就影像基因組學(xué)在腎透明細胞癌中的研究進展作一綜述。

1 影像基因組學(xué)

影像基因組學(xué)（Radiogenomics）是人工智能在醫(yī)療領(lǐng)域的重要應(yīng)用之一，是近年來蓬勃發(fā)展的一門新興學(xué)科。2002年發(fā)表在Radiotherapy and Oncology上的一篇文章，首次提出這一概念[2]。當(dāng)時是研究腫瘤放療療效與基因之間的關(guān)系，隨后逐漸演變?yōu)橐环N找尋影像特征與基因表達數(shù)據(jù)之間關(guān)聯(lián)的新技術(shù)。影像基因組學(xué)繼承了影像學(xué)無創(chuàng)、實時、可重復(fù)的優(yōu)點，運用計算機斷層掃描（CT）、正電子發(fā)射斷層掃描（PET）和磁共振成像（MRI）等技術(shù)，多維度地獲取病變的全局信息[3]。同時影像基因組學(xué)也繼承了基因組學(xué)可快速獲取和分析大量生物數(shù)據(jù)，并將其應(yīng)用于疾病研究中的優(yōu)勢。相比只是反映某個時間點上（即在活檢/切除腫瘤時）取樣部位的基因表達水平的基因芯片分析，影像基因組學(xué)有望通過影像特征反映出整個腫瘤組織的基因表達水平。

影像基因組學(xué)的具體方法是，獲得大量患者的醫(yī)療影像數(shù)據(jù)和基因表達譜數(shù)據(jù)，人工或用算法將腫瘤區(qū)域勾勒出來，從空間上分成不同的亞區(qū)。用CT影像圖片的灰度信息建立每個像素的二維特征向量，提取放射影像的形狀邊緣特征、像素密度特征、質(zhì)地特征等，經(jīng)統(tǒng)計學(xué)途徑以及主成分分析對所提取的影像特征數(shù)據(jù)量化和降維[4]。通過權(quán)重基因和共表達網(wǎng)絡(luò)分析建立高度相關(guān)性的基因模塊，將提取的影像特征去冗余后與某些基因或建立的基因模塊進行關(guān)聯(lián)。經(jīng)通路分析將選出來的基因/基因模塊進行生物學(xué)功能注釋，建立預(yù)測和（或）分類模型來解釋影像紋理。最后，交叉驗證以減少偏差，得出的結(jié)論用臨床試驗進行驗證[5]。

當(dāng)前，影像基因組學(xué)的應(yīng)用領(lǐng)域主要在以下方面：（1）建立成像表型—基因型的雙向關(guān)系。Zhou等[6]在研究非小細胞肺癌時，定義了一個通過表皮生長因子信號通路抑制癌細胞生長的基因模塊“metagene 19”，表現(xiàn)在CT影像中的特點是毛玻璃不透明狀，結(jié)節(jié)邊緣不規(guī)則、不清晰以及網(wǎng)狀結(jié)構(gòu)。知道這種關(guān)聯(lián)就可視覺特征來收集腫瘤的基因表達情況，實現(xiàn)“非侵入性活檢”。（2）影像組學(xué)和基因組學(xué)相結(jié)合，實現(xiàn)通過影像將疾病分型。Wu等[7]分析了100多例乳腺癌患者的動態(tài)增強MRI數(shù)據(jù)，通過提取腫瘤組織和周圍實質(zhì)的定量成像特征，在基因表達基礎(chǔ)上進行成像亞型聚類。這項研究有助于補充現(xiàn)有的組織病理學(xué)方法，從而對乳腺癌患者進行更加細致地分類。（3）用成像特征替代基因表達信息，對腫瘤進行診斷和分期。一項結(jié)直腸癌患者術(shù)前淋巴結(jié)轉(zhuǎn)移的相關(guān)性研究[8]，利用影像基因組學(xué)方法構(gòu)建了結(jié)直腸癌術(shù)前淋巴結(jié)轉(zhuǎn)移預(yù)測模型，用于淋巴結(jié)轉(zhuǎn)移概率的預(yù)測，提高了CT影像學(xué)評估的準確率。（4）用成像特征替代基因表達信息判斷疾病預(yù)后。Huang等[9]用影像基因組學(xué)的方法建立CT影像模型，用來判斷非小細胞肺癌患者病情進展的風(fēng)險情況，預(yù)測早期（Ⅰ/Ⅱ期）非小細胞肺癌的三年無進展生存期。（5）用成像特征替代基因表達信息預(yù)測藥物療效和耐藥性，指導(dǎo)腫瘤的個體化治療。Narang等[10]分析TCGA中79例膠質(zhì)瘤患者CD3 mRNA表達量與核磁T1、T2加權(quán)成像的關(guān)系，從而可以用腫瘤MRI影像特征建立一個預(yù)測模型，評估出惡性膠質(zhì)瘤中CD3陽性T細胞的浸潤狀態(tài)，指導(dǎo)患者后續(xù)的免疫治療。

2 影像基因組學(xué)在腎透明細胞癌中的研究進展

腎透明細胞癌是最常見的腎癌病理類型，約占腎癌的60%~85%，臨床診斷主要依靠高清晰度和分辨率的CT影像進行診斷，尤其是增強CT對于腎臟占位性病變的定性診斷有著極其重要的價值[1]。已有研究表明，腎透明細胞癌患者的一些影像特征與某些基因的表達情況有明顯的相關(guān)性，包括腫瘤邊界是清楚還是模糊、腫瘤結(jié)節(jié)增生、內(nèi)生腫瘤血管形成、囊性還是實性組成、生長模式是向外還是向內(nèi)、腎臟血管的侵襲性、瘤內(nèi)鈣化。影像基因組學(xué)對數(shù)據(jù)的挖掘可實現(xiàn)腎透明細胞癌早期發(fā)現(xiàn)、精確診斷、個體化治療選擇，從而提高腎透明細胞癌患者生存率。

2.1 影像特征和單個基因之間的關(guān)系

研究發(fā)現(xiàn)，腫瘤邊界清楚，腫瘤結(jié)節(jié)增強，瘤內(nèi)血管生成與VHL突變有關(guān)（P=0.013, 0.021,0.018）。VHL是腫瘤抑制因子，其功能的喪失對缺氧誘導(dǎo)因子具有上調(diào)作用，觸發(fā)腎透明細胞癌的新血管生成，腫瘤侵襲性增加[11]。因此，通過增強CT影像上的腫瘤結(jié)節(jié)異質(zhì)增強和腫瘤內(nèi)粗大血管分布等特征，可判斷該患者是否潛在VHL突變。Karlo等[12]發(fā)現(xiàn)VHL和PBRM1突變在實性腫瘤中比囊性腫瘤中更常見。腫瘤抑制因子PBRM1，編碼核小體重構(gòu)復(fù)合物，阻止DNA接觸RNA聚合酶和轉(zhuǎn)錄因子，PBRM1的突變狀態(tài)會影響腎透明細胞癌對免疫檢查點抑制劑的反應(yīng)[13]。KDM5C是組蛋白脫甲基酶，參與轉(zhuǎn)錄調(diào)節(jié)和染色體重塑[14]。腎透明細胞癌的KDM5C、BAP1突變與腎靜脈血管侵襲性相關(guān)（P=0.022, 0.046），這個結(jié)論支持BAP1和KDM5C的突變影響腎透明細胞癌的惡性程度和預(yù)后[15]。腫瘤邊界不清以及腫瘤鈣化與BAP1突變有關(guān)，通常在惡性程度高的低分化腎透明細胞癌患者（Fuhrman 3級或4級）中常見，發(fā)生BAP1突變的患者的中位生存期相對更短[16]。BAP1編碼去泛素化酶，調(diào)節(jié)蛋白質(zhì)的降解，與凝固性壞死有關(guān)[17]。這些研究結(jié)果從遺傳學(xué)的角度解釋了為什么一些邊緣不清楚的腎透明細胞癌患者預(yù)后差。除預(yù)后之外，BAP1突變可能使腎透明細胞癌對放療更加敏感，增加腎透明細胞癌對mTORC1抑制劑的敏感度。如果最終證明腫瘤邊界不清以及腫瘤鈣化確實與BAP1突變有關(guān)，則可幫助這部分患者進行治療選擇[18]。腫瘤的外生生長與mucin-4 （MUC4）突變有關(guān)[12,16]。MUC4基因編碼糖蛋白膜結(jié)合黏蛋白，參與上皮的分化以及細胞信號轉(zhuǎn)導(dǎo)的調(diào)控，幫助細胞抵御損傷，MUC4突變的腎透明細胞癌患者存活率高[19]。外生型生長模式與MUC4突變之間存在關(guān)聯(lián)，從一定程度上解釋了為什么這種影像特征與腎透明細胞癌存活率高有關(guān)。

2.2 影像特征和基因模塊之間的關(guān)系

目前大多數(shù)生物標志物鑒定研究都側(cè)重于單一生物特征，但考慮到生物過程的復(fù)雜性，可能需要獲得并整合多維度特征。Ghosh等[20]介紹了一種成像—基因組管道在腎透明細胞癌中的運用。已知BAP1的突變與腫瘤級別高和預(yù)后不良相關(guān)，研究者將增強CT圖像中獲取的腫瘤三維特征與基因突變狀態(tài)相關(guān)聯(lián)，建立了檢測BAP1突變狀態(tài)的假設(shè)模型，該模型可高度敏感和特異地檢測BAP1突變狀態(tài)。此項研究展現(xiàn)了三維影像模型作為非侵入性疾病生物標志物的前景。Jamshidi等[21]嘗試從增強CT圖像中提取影像數(shù)據(jù)，構(gòu)建腎透明細胞癌的分子檢測替代物（SOMA）。將多種細胞轉(zhuǎn)錄相關(guān)的分子生物學(xué)特征匹配到細胞和組織的病理形態(tài)學(xué)特征，并且將這些特征與臨床結(jié)果和治療反應(yīng)相關(guān)聯(lián)，揭示組織形態(tài)特征、轉(zhuǎn)錄模式和預(yù)后之間的聯(lián)系。此研究基于訓(xùn)練集構(gòu)建影像基因組風(fēng)險評分（radiogenomic risk score, RRS），用來預(yù)測疾病特異性生存等，然后在獨立數(shù)據(jù)驗證集中驗證了RRS的預(yù)測能力，證明了可以在腎透明細胞癌患者中設(shè)計追蹤定量分子表達的非侵入性圖像分子檢測替代物。在此基礎(chǔ)上，Jamshidi等[22]將轉(zhuǎn)移性腎透明細胞癌患者的Ⅱ期臨床試驗數(shù)據(jù)進行RRS的前瞻性成像分析，證實了RRS可成功將術(shù)前接受貝伐單抗治療的轉(zhuǎn)移性腎透明細胞癌患者的無進展生存期進行分層，這對于臨床試驗的設(shè)計和實施具有重要的指導(dǎo)意義。此類研究突出了圖像表型的重要性，這些表型有望在腫瘤的日常臨床評估中使用。SOMA這種建模概念還可推廣到其他成像模式，如正電子發(fā)射斷層掃描、磁共振成像、光學(xué)成像等，且適用于不同的分子組學(xué)類別。

3 腎透明細胞癌的影像基因組學(xué)發(fā)展方向

綜上所述，腎透明細胞癌的影像基因組學(xué)研究已經(jīng)有了一定的進展，但距離應(yīng)用于臨床診療還有很長的路要走。膠質(zhì)瘤、肺癌、乳腺癌在此領(lǐng)域的研究比腎透明細胞癌要豐富，除了影像診斷應(yīng)用的廣泛性和精度在這些實體腫瘤診療中存在差異，還因為腎透明細胞癌在此領(lǐng)域的研究沒有深入到高通量生物測序的各個層面。借鑒其他腫瘤中影像基因組學(xué)的研究進展，近年來圍繞腎透明細胞癌的影像基因組學(xué)研究有了新的突破，如轉(zhuǎn)錄組學(xué)，蛋白質(zhì)組學(xué)等組學(xué)數(shù)據(jù)與MRI、PET、病理圖片也納入了研究范圍。Bowen等[23]基于mRNA表達的差異把腎透明細胞癌分成了m1~m4四類，將不同mRNA亞型的腎透明細胞癌與CT影像相關(guān)聯(lián)進行研究，通過卡方檢驗和單變量回歸分析等方法證明了m1亞類腫瘤邊界更清晰（P=0.041），m3亞類腫瘤邊界不清楚（P=0.012）。Cheng等[24]進行基因共表達網(wǎng)絡(luò)分析（GCNA），將基因聚類成共表達的基因模塊，通過組織病理學(xué)圖像和基因組數(shù)據(jù)的綜合分析預(yù)測腎透明細胞癌預(yù)后。除了組織病理學(xué)圖像之外，MRI在腎透明細胞癌的影像基因組學(xué)研究中也有很大應(yīng)用潛力，腎透明細胞癌在MRI T1加權(quán)成像上表現(xiàn)為不均質(zhì)的低信號或等信號；T2加權(quán)成像上則表現(xiàn)為高信號，對于鄰近器官受侵、深靜脈或下腔靜脈內(nèi)癌栓的判斷優(yōu)于CT。正電子發(fā)射計算機斷層顯像（positron emission tomography, PET），使用正電子核素為顯像示蹤劑，病灶攝取示蹤劑以通過顯像了解病灶功能的代謝情況，可宏觀顯示全身各臟器病理生理特征，定位病灶及顯示病灶細微結(jié)構(gòu)變化。這些多維度特征相互關(guān)聯(lián)，可精確定位病灶，早期、快速、準確地發(fā)現(xiàn)腎透明細胞癌，判斷腫瘤良、惡性。

4 影像基因組學(xué)研究的局限性和解決辦法

雖然影像基因組學(xué)近年來發(fā)展勢頭迅猛，相關(guān)研究報道不斷涌現(xiàn)，但影像基因組學(xué)還存在許多原理和方法上的不足。首先，同時擁有高質(zhì)量影像資料和基因檢測資料的患者數(shù)量較少，缺乏足夠的樣本量限制了此類研究的可重復(fù)性。其次，病灶掃描方式、影像科醫(yī)生標注標準、圖像提取重建算法、整個分析流程都需要進行標準化處理[25]。腫瘤的異質(zhì)性、腫瘤基因組數(shù)據(jù)的復(fù)雜性，需要算法和芯片的技術(shù)突破來解決生物醫(yī)學(xué)數(shù)據(jù)的計算瓶頸。為減小匹配偏差，而將基因突變或影像特征分組成關(guān)聯(lián)的做法會降低預(yù)測結(jié)果的準確性[26]。此外，從不同角度提取出的病灶紋理特征存在冗余，如何準確去除冗余對數(shù)據(jù)進行標準化處理也是一個挑戰(zhàn)。最后，許多研究缺少多重假設(shè)檢驗和對結(jié)論的實驗驗證[27]?，F(xiàn)有影像基因組學(xué)的發(fā)現(xiàn)如果在大型多機構(gòu)研究中得到驗證，將可用于腫瘤早期篩查，預(yù)測靶向藥物的療效，判斷預(yù)后等臨床決策中去。未來，更多高質(zhì)量公共數(shù)據(jù)庫的開放、各種生物樣本庫的建立、電子病歷的整合和臨床表現(xiàn)標注的增多使得可參考數(shù)據(jù)越來越豐富。自動化的影像特征提取，讓成像技術(shù)可更好地指導(dǎo)組織取樣，確保獲取有診斷價值的腫瘤組織進行基因測序[26]。單細胞等新興生物技術(shù)的成熟和普及，也期待與影像基因組學(xué)碰撞出新的火花。此外，可以進一步拓展其他組學(xué)數(shù)據(jù)（如DNA甲基化、DNA拷貝數(shù)、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組）與各種影像特征之間關(guān)聯(lián)的研究，從而挖掘出更多基于圖像的量化特征指導(dǎo)臨床實踐[28-29]。