謝東 李印 金觀橋

鼻咽癌（nasopharyngeal carcinoma，NPC）是我國常見的頭頸部惡性腫瘤，高發(fā)于我國南方地區(qū)，其中廣東、廣西發(fā)病率最高。NPC發(fā)病位置隱匿，早期無明顯臨床癥狀，放射治療以及放化療聯(lián)合治療是主要的治療手段，但首程治療失敗率達(dá)24.0%～29.5%［1］。近年來隨著醫(yī)學(xué)影像技術(shù)的迅速發(fā)展及其在組織結(jié)構(gòu)及功能代謝方面的獨(dú)特優(yōu)勢(shì)，影像學(xué)檢查在NPC術(shù)前診斷、臨床分期、術(shù)后評(píng)估中發(fā)揮了重要作用［2-3］。醫(yī)學(xué)影像主要由放射科醫(yī)師和臨床醫(yī)師等判讀，但在臨床工作中醫(yī)學(xué)圖像復(fù)雜且數(shù)量龐大，判讀結(jié)果可能因醫(yī)師本身的主觀性、經(jīng)驗(yàn)上的差異和疲勞等問題受影響。人工智能（artificial intelligence，AI）的出現(xiàn)恰逢其時(shí)，目前在醫(yī)學(xué)影像學(xué)中也有著廣泛的應(yīng)用，其強(qiáng)大的運(yùn)算和數(shù)據(jù)處理能力提高了影像數(shù)據(jù)的處理效率和診斷準(zhǔn)確率，具有為NPC患者提供更加精準(zhǔn)醫(yī)療服務(wù)的巨大潛力［4］。本文就AI在NPC影像中的應(yīng)用作一綜述。

1 醫(yī)學(xué)影像AI

AI是經(jīng)研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。AI發(fā)展至今，技術(shù)上不斷取得突破，近年來也在醫(yī)學(xué)領(lǐng)域中應(yīng)用，而醫(yī)學(xué)影像成為主要應(yīng)用的方向之一，“AI+醫(yī)學(xué)影像”成為一種全新的領(lǐng)域，且有著非常廣闊的前景［5-6］。機(jī)器學(xué)習(xí)是實(shí)現(xiàn)AI的方法和核心，傳統(tǒng)的機(jī)器學(xué)習(xí)算法主要包括K最近鄰算法（K-nearest neighbor，KNN）、支持向量機(jī)（supportvector machine，SVM）、樸素貝葉斯分類器（na?ve bayesian model，NBM）和馬爾可夫隨機(jī)場(chǎng)（Markov random field，MRF）等。但是這些算法均依賴于人工輸入，具有對(duì)應(yīng)的人為標(biāo)定的淺層特征［7］，工作量繁重而復(fù)雜。深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的實(shí)現(xiàn)技術(shù)。目前，大多數(shù)深度學(xué)習(xí)算法基于人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）進(jìn)行計(jì)算機(jī)分析處理。而ANN是受生物神經(jīng)元的生物學(xué)特性啟發(fā)而研發(fā)出的模型，包括輸入層、輸出層及中間的隱藏層三層［7］。在圖像處理領(lǐng)域中，最流行的深度學(xué)習(xí)算法是卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN），它是ANN 的子類［8-9］。典型的CNN結(jié)構(gòu)由卷積層、池化層、非線性層和全連接層組成，使其能夠自動(dòng)學(xué)習(xí)圖像的深層特征。研究報(bào)道CNN的圖像處理識(shí)別能力出色，在醫(yī)學(xué)圖像處理領(lǐng)域中應(yīng)用最廣泛［10-11］。其中，深度學(xué)習(xí)按學(xué)習(xí)形式分類又可分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。而研究較多的深度學(xué)習(xí)形式是無監(jiān)督學(xué)習(xí)，即計(jì)算機(jī)能通過原始數(shù)據(jù)直接提取特征，省去人為設(shè)計(jì)特征的步驟，為圖像、視頻、音頻等數(shù)據(jù)的處理帶來了新的突破，而且相對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)算法，深度學(xué)習(xí)算法可自動(dòng)提取的特征維度更高、更抽象，更適合計(jì)算機(jī)分析處理醫(yī)學(xué)圖像數(shù)據(jù)［12］。

目前，在眾多鼻咽癌影像檢查技術(shù)和診斷中，影像組學(xué)成為了醫(yī)學(xué)影像與AI的完美融合典范。影像組學(xué)是指從影像（CT、MRI、PET等）中高通量地提取大量影像信息，實(shí)現(xiàn)腫瘤分割、特征提取與模型建立，憑借對(duì)海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測(cè)和分析，從而輔助醫(yī)師作出最準(zhǔn)確的診斷。該方法是利用AI從龐大的醫(yī)學(xué)圖像集中提取高通量特征，經(jīng)過不斷研究和完善，影像組學(xué)已經(jīng)可以提取并分析大量醫(yī)學(xué)圖像數(shù)據(jù)，從而為臨床診斷提供支持，在腫瘤診斷、預(yù)后分析和療效預(yù)測(cè)等方面表現(xiàn)出巨大潛力，而基于機(jī)器學(xué)習(xí)的放射組學(xué)也已成為當(dāng)前AI在鼻咽癌影像診斷的熱門研究領(lǐng)域之一［13-15］。

2 AI在NPC影像診斷中的輔助診斷

目前臨床上NPC的診斷主要依靠CT、MRI、PET/CT等影像學(xué)檢查，但醫(yī)師的經(jīng)驗(yàn)及主觀性均可能影響診斷的準(zhǔn)確性［16-17］。既往研究顯示AI的應(yīng)用有效克服了這一難題，在NPC影像輔助診斷中具有較高的準(zhǔn)確性。李騰翔等［18］利用影像組學(xué)回顧性分析了41例初診鼻咽癌患者CT圖像，每組CT圖像包含平掃、動(dòng)脈期、靜脈期3個(gè)時(shí)相，提取了4組共55個(gè)紋理特征，結(jié)果發(fā)現(xiàn)其中的10個(gè)特征可預(yù)測(cè)大體腫瘤靶區(qū)（GTV滿足AUC≥0.9），證實(shí)CT影像組學(xué)可以動(dòng)態(tài)、準(zhǔn)確區(qū)別鼻咽癌腫瘤與正常組織的細(xì)微差異，為鼻咽癌的精確診療提供參考。ZHUO等［19］利用基于SVM的影像組學(xué)回顧性分析了658例非轉(zhuǎn)移性NPC患者影像資料，從T1WI、T2WI和T1WI增強(qiáng)MRI中提取4 863個(gè)腫瘤區(qū)域的放射學(xué)特征應(yīng)用于鼻咽癌分期，發(fā)現(xiàn)放射組學(xué)的分期結(jié)果較TNM分期更穩(wěn)定。DU等［20］納入76例鼻咽癌放療患者（經(jīng)病理證實(shí)局部復(fù)發(fā)41例，炎癥35例），從PET圖像中提取每例患者487個(gè)放射組學(xué)特征，然后對(duì)來自6種特征選擇方法和7種分類器的42個(gè)交叉組合的診斷性能進(jìn)行分析，且在原始隊(duì)列中，70%用于特征選擇和分類器開發(fā)，其余30%作為獨(dú)立的驗(yàn)證集，通過AUC、測(cè)試誤差、靈敏度和特異度評(píng)估診斷性能，結(jié)果發(fā)現(xiàn)基于機(jī)器學(xué)習(xí)的影像組學(xué)能提高鑒別鼻咽癌治療后局部復(fù)發(fā)與炎癥的準(zhǔn)確性。WU等［21］利用基于SVM的計(jì)算機(jī)輔助診斷系統(tǒng)（computer-aided diagnosis，CAD）提取了10例NPC患者的25次PET/CT檢查圖像的紋理特征，經(jīng)過分析得出該系統(tǒng)成功識(shí)別了所有53個(gè)＞1 cm的高代謝病變，并排除了褐色脂肪、肌肉、骨髓、大腦和唾液腺的正常生理攝取，同樣提高了診斷和鑒別診斷的能力。雖然，AI在鼻咽癌影像診斷的輔助診斷的實(shí)際應(yīng)用中存在一些問題，但影像組學(xué)能深入挖掘圖像微觀表現(xiàn)和抽象特征表現(xiàn)的能力使之在輔助診斷的研究中具有巨大的潛力。

3 AI在NPC影像診斷中的療效評(píng)估

放療及放化療聯(lián)合是NPC的主要治療方法，及時(shí)有效地評(píng)估治療方案的療效對(duì)提高生存率至關(guān)重要，而AI在NPC療效預(yù)測(cè)中也顯示較好的應(yīng)用價(jià)值。FARHIDZADEH等［22］利用基于SVM的放射組學(xué)從25例NPC患者M(jìn)RI的增強(qiáng)T1WI圖像中提取了288個(gè)組織學(xué)影像學(xué)特征，結(jié)果發(fā)現(xiàn)放射組學(xué)可較好地量化腫瘤區(qū)域內(nèi)的紋理異質(zhì)性，對(duì)鼻咽癌療效具有更穩(wěn)定的預(yù)測(cè)能力，其中在增強(qiáng)度高的腫瘤區(qū)域中準(zhǔn)確率為80%（AUC=0.60），在增強(qiáng)度低的腫瘤區(qū)域中準(zhǔn)確率為76%（AUC=0.76）。LIU 等［23］利用 KNN 和 ANN 算法在 53 例 NPC 患者 MRI的 T1WI、T2WI、DWI、增強(qiáng)T1WI圖像中提取紋理特征用于療效預(yù)測(cè)，結(jié)果同樣發(fā)現(xiàn)基于T1W、T2W和DWI的導(dǎo)出紋理分析結(jié)合機(jī)器的監(jiān)督學(xué)習(xí)算法是療效預(yù)測(cè)的新工具，這些指標(biāo)也可作為評(píng)估NPC對(duì)放化療反應(yīng)的指標(biāo)。ZHANG等［24］招募了110例晚期NPC患者，從每個(gè)患者的MRI圖像中總共提取了970個(gè)放射特征，評(píng)估了6種特征選擇方法和9種分類方法，發(fā)現(xiàn)隨機(jī)森林（random forest，RF）的 AUC 為（0.846 4±0.006 9）；測(cè)試誤差為（0.313 5±0.008 8），認(rèn)為這種機(jī)器學(xué)習(xí)方法具有較高的預(yù)測(cè)性能，可以在MRI圖像上實(shí)現(xiàn)NPC療效預(yù)測(cè)。此外，通過影像組學(xué)高通量數(shù)據(jù)可以獲得鼻咽癌的全部遺傳學(xué)及微環(huán)境信息，通過AI技術(shù)各種參數(shù)自動(dòng)生成全息靶區(qū)，將腫瘤和正常組織的各種生物學(xué)信息通過三維的方式呈現(xiàn)出來，避免了人工勾畫靶區(qū)帶來的不確定性，從而達(dá)到精準(zhǔn)決策的目的［25-26］?？梢姡珹I在NPC療效預(yù)測(cè)中顯示了較好的前景，有望在制定更精準(zhǔn)的治療方案中發(fā)揮作用，從而使患者最大獲益。

4 AI在NPC影像診斷中的預(yù)后預(yù)測(cè)

遠(yuǎn)處轉(zhuǎn)移是NPC治療失敗的主要原因之一，科學(xué)地預(yù)測(cè)NPC遠(yuǎn)處轉(zhuǎn)移的風(fēng)險(xiǎn)并在出現(xiàn)轉(zhuǎn)移前及時(shí)地制定個(gè)體化精準(zhǔn)治療，是改善NPC治療效果和患者獲得長期生存的關(guān)鍵。RAGHAVAN等［27］對(duì)58例NPC患者進(jìn)行了回顧性分析，從治療前MRI中提取42個(gè)圖像紋理特征，采用多因素logistic回歸對(duì)紋理特征進(jìn)行建模，采用Cox比例模型預(yù)測(cè)最終模型的復(fù)發(fā)情況，發(fā)現(xiàn)MRI圖像中的紋理特征是鼻咽癌復(fù)發(fā)的獨(dú)立預(yù)測(cè)因素。ZHANG等［28］將140例NPC患者隨機(jī)分為訓(xùn)練隊(duì)列（n=80）和驗(yàn)證隊(duì)列（n=60），從患者M(jìn)RI的T2WI和增強(qiáng)T1WI圖像中共提取970個(gè)放射學(xué)特征，采用單因素和多因素分析選擇與局部復(fù)發(fā)相關(guān)的放射學(xué)特征，用多因素分析建立放射學(xué)列線圖，同樣證實(shí)基于MRI的放射組學(xué)可作為評(píng)估NPC局部復(fù)發(fā)的輔助工具，同時(shí)還針對(duì)患者特征開發(fā)了個(gè)性化治療方法。CUI等［29］收集了792例鼻咽癌患者的MRI圖像資料，采用自動(dòng)機(jī)器算法分析總生存期、遠(yuǎn)處無轉(zhuǎn)移生存期和局部無復(fù)發(fā)生存期，結(jié)果顯示機(jī)器學(xué)習(xí)評(píng)分系統(tǒng)的生存曲線差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），而TNM和AJCC系統(tǒng)中的生存曲線差異無統(tǒng)計(jì)學(xué)意義（P=0.118，0.121），說明自動(dòng)機(jī)器算法分析具有更好的預(yù)后預(yù)測(cè)性能及臨床應(yīng)用潛力，可能有助于改善NPC患者的咨詢和個(gè)性化管理。而ZHANG［30］等回顧性分析176例NPC患者，將患者分為訓(xùn)練組和驗(yàn)證組，利用放射組學(xué)提取了2 780個(gè)MRI放射學(xué)特征，并建立了含有7個(gè)特征的模型，結(jié)果也證實(shí)該算法有助于區(qū)分高遠(yuǎn)處轉(zhuǎn)移風(fēng)險(xiǎn)和低遠(yuǎn)處轉(zhuǎn)移風(fēng)險(xiǎn)患者，從而改善治療決策，不失為一種有效的NPC遠(yuǎn)處轉(zhuǎn)移預(yù)測(cè)可視化工具。AI有助于更加準(zhǔn)確地預(yù)測(cè)鼻咽癌復(fù)發(fā)等情況，為鑒別鼻咽癌復(fù)發(fā)是否轉(zhuǎn)移提供一種新思路，也有利于初步輔助對(duì)原發(fā)灶淋巴結(jié)引流區(qū)不同區(qū)域施行不同處方劑量的個(gè)體化治療方法。

5 小結(jié)與展望

AI在醫(yī)學(xué)領(lǐng)域中應(yīng)用最成熟的就是腫瘤影像，故在鼻咽癌早期預(yù)防、輔助診斷、療效評(píng)估和預(yù)后預(yù)測(cè)等方面發(fā)揮了重要作用，也被看作是未來智能醫(yī)療的重要組成部分。但是，AI在NPC影像中的應(yīng)用還是存在諸多挑戰(zhàn)：⑴AI在鼻咽癌影像診斷應(yīng)用總體上仍處于初步臨床應(yīng)用階段，在腫瘤良惡性判斷、靶區(qū)精準(zhǔn)勾畫和預(yù)后預(yù)測(cè)等方面的預(yù)測(cè)性能和臨床應(yīng)用仍需進(jìn)一步驗(yàn)證；⑵雖然AI在鼻咽癌影像診斷中的應(yīng)用屬于智能化的統(tǒng)計(jì)學(xué)模型，但機(jī)器學(xué)習(xí)數(shù)據(jù)來源往往帶有醫(yī)師的主觀性，也可能造成偏差；⑶AI在鼻咽癌影像診斷方面的研究主要為單中心或有限的開發(fā)數(shù)據(jù)集，因此會(huì)造成數(shù)據(jù)集偏倚，難以全面反映鼻咽癌的影像特征。此外，不同廠家提供的影像設(shè)備在層厚和圖像重建算法存在差異，圖像質(zhì)量的差異也可能影響AI模型的預(yù)測(cè)結(jié)果。但總而言之，雖然AI在影像醫(yī)學(xué)中的應(yīng)用仍處于弱人工智能階段，但已經(jīng)顯示出了巨大的應(yīng)用前景，相信在醫(yī)學(xué)影像領(lǐng)域?qū)＜覍W(xué)者的引領(lǐng)下，影像醫(yī)學(xué)的發(fā)展將到達(dá)一個(gè)全新的高度。