包婉秋，彭 霞，向 橙，張春霞，張美樂，王汝良

（1.牡丹江醫(yī)學院醫(yī)學影像學院，黑龍江 牡丹江 157000；2.牡丹江醫(yī)學院附屬紅旗醫(yī)院放射科，黑龍江 牡丹江 157000）

神經(jīng)系統(tǒng)非腫瘤性疾病的發(fā)生率近年來呈上升趨勢，致殘、致死率也隨之升高。目前，神經(jīng)系統(tǒng)疾病檢查的影像學方式主要是CT和MRI，但其主要是定性描述病灶，提供人們?nèi)庋劭勺R別的大小、形態(tài)等特征，對于可能與診斷有關而又非可視化的定量數(shù)據(jù)如紋理、直方圖等無法直接顯現(xiàn)。影像組學可彌補上述不足，對機體病理改變作出定性定量評估［1］，提供更全面的影像學信息。

影像組學的概念首先由Lambin等［2］在2012年提出，隨著研究的深入，其概念得以進一步拓展，強調(diào)其是對醫(yī)學圖像中的影像學特征進行定量提取并分析，大致包括一階直方圖、形狀、紋理和小波［3］?；趫D像的紋理分析研究即以紋理特征作為定量數(shù)據(jù)的影像組學研究，是近年來發(fā)展較快較好的圖像后處理技術。醫(yī)學圖像能夠反映病灶的生理、病理改變，而紋理特征能夠客觀化地反映病變的病理變化，從而對疾病進行定性診斷、分析和預測等。

1 影像組學在腦血管疾病中的臨床應用

1.1 腦出血 腦出血是卒中的一種亞型，致殘、致死率高，臨床預后較差。既往研究證實，腦出血早期血腫擴大程度與超急性期病死率直接相關，可導致腦神經(jīng)組織缺血、損傷，使患者病情惡化［4］。另有研究指出，基于CT平掃的血腫形態(tài)、超急性期腦出血血腫擴大速度及CTA“斑點征”是早期血腫增大的相關獨立危險因素［5］。然而以血腫形態(tài)進行定性診斷具有一定主觀性，CTA檢查費用較高且需注射對比劑，存在過敏風險。影像組學提供了客觀定量的影像學參數(shù)，能夠?qū)ρ[異質(zhì)性進行評估。Xie等［6］建立并驗證了血腫擴大的影像組學預測模型，結(jié)果顯示影像組學模型優(yōu)于傳統(tǒng)放射學分析，并與兩者聯(lián)合具有相當?shù)念A測效果。李惠等［7］發(fā)現(xiàn)基于灰度共生矩陣特征的長行程低灰度優(yōu)勢是判斷腦出血血腫擴大的獨立指標。李惠等［8］另一項研究提取CT平掃腦出血的754個紋理特征，經(jīng)過主成分分析并進一步降維處理后，建立了預測模型，指出Adaboost模型預測早期腦出血增大的效果最好，ROC曲線下AUC為0.906 0。以上研究表明，影像組學在預測早期血腫擴大方面應用潛力較大，但由于不同研究的特征提取方法不同，難以比較，因此對模型方法和特征提取的標準化需進一步研究。對于影像組學是否可以應用于急性腦出血預后方面尚待研究。

1.2 缺血性卒中（acute ischemic stroke，AIS）AIS是多種原因致使腦動脈血管供血不足或中斷，腦組織缺血、缺氧進而引起的神經(jīng)功能障礙。早期正確診斷對患者預后十分關鍵。一站式CT檢查方便迅速、安全性較高，可快速排除腦出血，并確認缺血半暗帶的存在，指導臨床對尚處于有效溶栓時間窗以內(nèi)的AIS患者進行個體化的溶栓治療，改善臨床預后，提高患者生存率。但CTA和CT灌注設備的普及臨床尚面臨著巨大挑戰(zhàn)。Guan等［9］通過將MRI圖像上顯示的病變區(qū)與CT圖像進行匹配，選取CT圖像上38個梗死區(qū)及對側(cè)大腦半球?qū)ΨQ的38個非梗死區(qū)，提取1 301個影像組學特征，計算信息增益，得出信息增益值＞0.2的影像組學特征有23個，＞0.3的有2個；通過計算機深度學習方法建立10個分類器驗證其有效性，得出病變區(qū)與對稱區(qū)平均分類準確率為0.646 7，結(jié)果表明兩類區(qū)域的影像組學特征存在差異，影像組學方法可輔助CT診斷，幫助臨床早期評估AIS和量化受影響區(qū)域程度。張曉祥等［10］對33例AIS患者中差異有統(tǒng)計學意義的3個紋理參數(shù)均值、最大強度和最小強度繪制ROC曲線，結(jié)果顯示AUC值分別為0.73、0.72和0.60。盡管以上研究肯定了影像組學在AIS的應用價值，但均為回顧性和小樣本量分析，可能導致實驗結(jié)果存在一定程度偏倚，因此需更多前瞻性和大樣本量研究深入探討影像組學對AIS的預測和診斷效能，影像組學能否評估AIS患者溶栓療效和臨床預后也有待進一步研究。

2 影像組學在腦退行性疾病中的臨床應用

阿爾茨海默?。ˋlzheimer’s disease，AD）是老年人常見疾病，典型的臨床癥狀為進行性認知功能障礙和行為能力受損。如何早期進行干預治療，提高老年人晚年生活質(zhì)量，仍是臨床及影像醫(yī)師關注的熱點問題。有研究表明腦后扣帶回區(qū)功能減弱與AD患者認知功能障礙密切相關［11］。馬曄等［12］采用MRS成像技術發(fā)現(xiàn)后扣帶回代謝化合物異?？蔀樵缙谠\斷AD提供幫助，發(fā)現(xiàn)相比于正常對照組，AD患者的肌醇與肌酸比值顯著升高，而N-乙二酰天門冬氨酸與肌酸及肌醇的比值均明顯降低。有學者對健康老年人、輕度認知障礙（mild cognitive impairment，MCI）和AD患者的后扣帶回T1WI圖像進行紋理分析，發(fā)現(xiàn)AD患者角二階矩和對比度較其他2組大，這對AD鑒別有一定價值［13］。另有研究表明，AD伴隨海馬區(qū)受累［14］。Zhao等［15］采用4種交叉驗證，并基于計算機學習法提出海馬區(qū)放射組學特征可作為MCI轉(zhuǎn)化為AD的預測因子、能夠為其提供可靠的生物學標志物，結(jié)果顯示MCI向AD轉(zhuǎn)化患者和AD患者海馬區(qū)的3個放射組學特征長游程優(yōu)勢、灰度不均勻性、長游程不均勻性均有顯著差異。上述研究表明，影像組學可對AD進行診斷和鑒別診斷，但AD累及的大腦區(qū)域不僅限于海馬和扣帶回，在今后工作中，應擴展到其他區(qū)域繼續(xù)研究。導入的圖像如使用MRI功能成像序列，診斷準確率可能進一步提高。

3 影像組學在腦非感染性疾病中的臨床應用

多發(fā)性硬化癥（multiple sclerosis，MS）主要發(fā)生于腦白質(zhì)，是免疫功能異常導致的中樞神經(jīng)系統(tǒng)炎癥性脫髓鞘疾?。?6］。該病復發(fā)率較高，病情反復可造成永久性殘疾。采用薄層CT掃描，縮短窗寬可提高病灶檢出率，而MRI可多序列成像，相比于CT檢查可更敏感盡早發(fā)現(xiàn)病灶［17］。但常規(guī)CT和MRI檢查相比于影像組學對準確評價病灶異質(zhì)性仍有一定局限性。Ma等［18］研究發(fā)現(xiàn)，MS與視神經(jīng)脊髓炎譜系疾?。╪euromyelitis optica spectrum disorders，NMOSD）之間的小波特征不同，同時指出灰度游程步長矩陣的相關特征灰度不均勻性（GLRLM_GLN）與病理損傷呈負相關，MS患者GLRLM_GLN值小于NMOSD。Caruana等［1］的研究表明，基于SWI提取的多種紋理特征構(gòu)建的預測模型對鑒別急、慢性復發(fā)性MS有較高性能，AUC值為0.778～0.808；同時發(fā)現(xiàn)峰度、灰度共生矩陣同質(zhì)性及GLRLM_GLN與年齡呈正相關，活動期MS病灶的GLRLM_GLN值升高，急性期MS病灶相比于慢性期偏度更高。影像組學可定量分析MS的病理變化，對診斷MS和對其分期具有優(yōu)勢，然而炎性病變形態(tài)多變，邊緣相對模糊，加大了正確勾畫ROI的難度。對于MS患者，認知障礙是生活質(zhì)量的重要影響因素，有待利用影像組學方法分析MS與認知障礙的相關性，以提供可靠的治療依據(jù)。

4 影像組學在鑒別顱內(nèi)動脈斑塊中的應用

現(xiàn)階段，傳統(tǒng)的各項血管成像檢查技術對斑塊易損性和微小斑塊尚不能有效評價，雖近些年提出高分辨力MRI具有無創(chuàng)性，是鑒別顱內(nèi)動脈粥樣硬化斑塊的首選檢查方法［19］，但其存在一定主觀性，對斑塊判斷較復雜。而影像組學在影像數(shù)據(jù)基礎上，能對ROI進行客觀識別和定量分析。史張等［20］比較了大腦中動脈和基底動脈粥樣硬化斑塊的形態(tài)學與灰度直方圖紋理分析方法對易損性斑塊的判別價值，結(jié)果表明最小管腔面積、斑塊內(nèi)出血和T1WI圖像紋理參數(shù)變異系數(shù)是腦血管事件發(fā)生的相關預測因素，變異系數(shù)的AUC值更高，直方圖紋理分析優(yōu)于形態(tài)學方法。付貝等［21］提出相比于既往單獨使用高分辨力MRI進行診斷，基于高分辨力MRI的影像組學特征結(jié)合形態(tài)學特征對責任斑塊判別準確性更高。總之，影像組學可對斑塊性質(zhì)進行評估。然而以上研究均基于二維圖像，若導入三維圖像加以改進，斑塊特征可能會展示得更好。手動勾畫ROI因操作者的異質(zhì)性可能會造成一定誤差，還需探討如何運用自動分割方法以提高病灶檢出準確率。

5 問題與展望

影像組學在推行臨床實踐之前尚存在一些問題需要解決：①影像組學的入組數(shù)據(jù)有較嚴格的要求，應保證數(shù)據(jù)不受各醫(yī)院影像檢查設備型號及掃描參數(shù)的影響，然而每項研究在測量、圖像分割和后處理方面均有各自的方法，得出的結(jié)論不能相互適用，因此需對操作過程和最能反映病變異質(zhì)性的紋理參數(shù)統(tǒng)一標準化。②對ROI面積勾畫無統(tǒng)一標準且不同觀察者對病變認知不同，手動分割及半自動分割方法會對實驗結(jié)果造成一定干擾，增加不準確性，導致一定誤差。③如何按照病變種類、性質(zhì)和等級明確分類，提高對新數(shù)據(jù)的檢出能力。影像組學在計算機輔助診斷基礎上，通過對現(xiàn)有數(shù)據(jù)的參數(shù)化，獲得大量肉眼無法觀察到的額外量化數(shù)據(jù)，將有助于全面分析診斷疾病。

總之，影像組學通過提取醫(yī)學影像的海量特征量化疾病，獲得更多影像數(shù)據(jù)，且無需加入額外的特殊掃描序列和設備，易添加到影像診斷工作流程中，避免了額外的輻射，降低了檢查成本，同時具有可重復性、無創(chuàng)、簡單、無禁忌證等優(yōu)勢，在神經(jīng)系統(tǒng)非腫瘤性疾病預測、早期診斷和定性分析方面顯示出廣闊的臨床應用前景。