郭城，辛仲宏，王敏哲，鄭悠，雷軍強(qiáng)*

1.蘭州大學(xué)第一臨床醫(yī)學(xué)院，甘肅 蘭州 730000；2.蘭州大學(xué)第一醫(yī)院放射科，甘肅 蘭州 730000；*通信作者 雷軍強(qiáng) leijq1990＠163.com

宮頸癌是女性常見的惡性腫瘤，其發(fā)病率和死亡率居女性惡性腫瘤第四位[1]，且近年發(fā)病呈明顯年輕化趨勢(shì)，因此，早發(fā)現(xiàn)、早診斷、早治療對(duì)改善預(yù)后尤為重要。目前，影像學(xué)檢查、臨床及實(shí)驗(yàn)室檢查等已廣泛應(yīng)用于宮頸癌的篩查和診斷，但在準(zhǔn)確預(yù)測(cè)疾病進(jìn)展及提示預(yù)后方面存在一定的局限性。隨著深度學(xué)習(xí)和影像組學(xué)的迅速發(fā)展，其在評(píng)估宮頸癌病程及預(yù)后方面較傳統(tǒng)檢查方法優(yōu)勢(shì)明顯，成為目前的研究熱點(diǎn)。本文對(duì)深度學(xué)習(xí)及影像組學(xué)在宮頸癌影像中的應(yīng)用及研究進(jìn)展進(jìn)行綜述。

1 深度學(xué)習(xí)和影像組學(xué)概述

深度學(xué)習(xí)作為人工智能領(lǐng)域的分支，主要通過多層神經(jīng)網(wǎng)絡(luò)上運(yùn)用各種機(jī)器學(xué)習(xí)算法學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，從而實(shí)現(xiàn)各種任務(wù)的算法集合[2]。深度學(xué)習(xí)在醫(yī)學(xué)影像中已應(yīng)用于圖像分類、分割、配準(zhǔn)、目標(biāo)檢索、生成重建及客觀評(píng)價(jià)圖像質(zhì)量等[3]，其模型種類多，目前卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）應(yīng)用最為廣泛[4]。

影像組學(xué)的概念由Gillies等[5]于2010年首次提出；Lambin等[6]于2012年進(jìn)一步完善，并將其定義為從放射圖像中使用高通量的手段提取圖像特征，并自動(dòng)化將感興趣區(qū)（ROI）內(nèi)的圖像特征轉(zhuǎn)化為高保真數(shù)字化數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)圖像特征的提取與模型建立。提取的紋理特征可以作為潛在基因表達(dá)模式以及相關(guān)生物腫瘤特征（如腫瘤形態(tài)和腫瘤內(nèi)異質(zhì)性）的替代標(biāo)志[7]。因此，通過研究紋理特征與生物腫瘤特征的關(guān)系，能夠從圖像中提取更多有價(jià)值的信息，用于診斷、分期和療效預(yù)測(cè)等[8]。

2 深度學(xué)習(xí)和影像組學(xué)在宮頸癌影像中的應(yīng)用現(xiàn)狀及研究進(jìn)展

目前深度學(xué)習(xí)和影像組學(xué)在宮頸癌中的應(yīng)用范圍較為廣泛，涉及腫瘤的診斷、鑒別診斷、分期、組織學(xué)類型、淋巴血管間隙侵犯、淋巴結(jié)轉(zhuǎn)移、療效評(píng)估、預(yù)后預(yù)測(cè)及基因型預(yù)測(cè)等。

2.1 宮頸癌的診斷 傳統(tǒng)的CT或MRI能較好地顯示腫瘤病灶，但診斷準(zhǔn)確性仍取決于醫(yī)師的個(gè)人診斷水平等因素。Urushibara等[9]比較深度學(xué)習(xí)與影像醫(yī)師在單一T2WI上診斷宮頸癌，得出CNN模型和影像醫(yī)師的敏感度分別為0.883和0.783～0.867，特異度分別為0.933和0.917～0.950，準(zhǔn)確度分別為0.908和0.867～0.892，表明CNN模型的診斷效能與影像醫(yī)師相當(dāng)，甚至優(yōu)于影像醫(yī)師的診斷效能，曲線下面積（AUC）為0.932，準(zhǔn)確度：P=0.272～0.62。

除深度學(xué)習(xí)外，影像組學(xué)也可以用于診斷宮頸癌及鑒別良惡性。Lin等[10]應(yīng)用表觀擴(kuò)散系數(shù)（ADC）直方圖對(duì)73例宮頸癌（FIGO IB期35例）和38例正常宮頸或?qū)m頸良性病變進(jìn)行分析，顯示IB期宮頸癌各直方圖參數(shù)較正常宮頸或?qū)m頸良性病變有顯著差異（P＜0.05），提示ADC直方圖分析有助于區(qū)分早期宮頸癌與正常宮頸或?qū)m頸良性病變。深度學(xué)習(xí)和影像組學(xué)特征能提高宮頸癌的診斷敏感度和特異度，早期檢測(cè)癌前病變和宮頸癌，減少病理活檢的侵入性，延緩腫瘤的惡性發(fā)展，為患者帶來更好的預(yù)后，減少其經(jīng)濟(jì)負(fù)擔(dān)。

2.2 宮頸癌的分期及組織學(xué)類型 腫瘤的分期和組織學(xué)類型是評(píng)價(jià)腫瘤生物學(xué)行為的重要指標(biāo)，準(zhǔn)確的腫瘤分級(jí)和組織學(xué)亞型對(duì)選擇治療方案和評(píng)估預(yù)后具有重要作用。宮頸癌分期和組織學(xué)亞型的標(biāo)準(zhǔn)診斷是對(duì)獲得的腫瘤標(biāo)本進(jìn)行病理學(xué)分析，但采集樣本的過程為侵入性操作。Schob等[11]利用ADC直方圖分析方法區(qū)分宮頸癌的病理學(xué)分級(jí)及臨床分期，其中T分期晚期（T3/4）腫瘤ADC熵值顯著高于T分期早期（T2）腫瘤（P＜0.05）；高級(jí)別（G3）腫瘤的ADC最小值明顯高于低級(jí)別（G1/G2）腫瘤（P＜0.05）。Umutlu等[12]研究從多參數(shù)18F-FDG PET/MR圖像中提取的組學(xué)特征預(yù)測(cè)原發(fā)性宮頸癌的N和M分期，通過相關(guān)分析和受試者工作特征曲線，發(fā)現(xiàn)對(duì)M分期的預(yù)測(cè)優(yōu)于N分期，其中以支持向量機(jī)遞歸特征消除（support vector machine recursive feature elimination，SVM-RFE）為特征選擇的SVM對(duì)M分期的預(yù)測(cè)效果最好，敏感度為91%，特異度為92%，AUC為0.97；使用帶有相互信息作為特征選擇的SVM-RFE預(yù)測(cè)N分期的敏感度為83%，特異度為67%，AUC為0.82。

盡管目前鮮有深度學(xué)習(xí)在宮頸癌分期或組織學(xué)類型中的報(bào)道，但是由于深度學(xué)習(xí)的易適應(yīng)性和方便性，相信在不久的將來，必將輔助臨床醫(yī)師迅速且準(zhǔn)確地對(duì)宮頸癌進(jìn)行分期或分型，以做出正確的臨床決策。

2.3 宮頸癌淋巴-血管間隙侵犯（lymph-vascular space invasion，LVSI）和淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè) LVSI和淋巴結(jié)轉(zhuǎn)移是宮頸癌的高危因素[13]。對(duì)于早期宮頸癌的未產(chǎn)婦，如果在手術(shù)前能確定是否存在LVSI，則可以選擇保留生育能力的手術(shù)[14]。而淋巴結(jié)轉(zhuǎn)移狀態(tài)將直接影響治療方法的選擇，無論是單純手術(shù)切除子宮，還是同步放化療[15-16]。目前，臨床上對(duì)LVSI及淋巴結(jié)轉(zhuǎn)移的術(shù)前預(yù)測(cè)工具很少，但深度學(xué)習(xí)和影像組學(xué)方法可以作為術(shù)前預(yù)測(cè)的無創(chuàng)性工具[17-19]。

Dong等[20]建立并驗(yàn)證了能預(yù)測(cè)宮頸癌術(shù)前淋巴結(jié)轉(zhuǎn)移的深度學(xué)習(xí)組學(xué)模型，其中基于Logistic回歸模型包含5個(gè)影像組學(xué)特征和2個(gè)臨床病理特征，AUC為0.737 2，準(zhǔn)確度為89.20%；而訓(xùn)練好的CNN模型的AUC為0.99，內(nèi)部驗(yàn)證準(zhǔn)確度為97.16%。該研究進(jìn)行了獨(dú)立的外部驗(yàn)證，AUC和準(zhǔn)確度分別為0.90和0.92。Jiang等[21]利用多參數(shù)MRI數(shù)據(jù)區(qū)分宮頸癌是否有LVSI，以建立基于深度學(xué)習(xí)的影像組學(xué)方法，結(jié)果發(fā)現(xiàn)此方法可以有效地幫助影像醫(yī)師在術(shù)前預(yù)測(cè)宮頸癌的LVSI。Li等[22]回顧性研究105例有完整臨床特征的宮頸癌，并在宮頸活檢前進(jìn)行增強(qiáng)T1WI MRI掃描，通過選擇3個(gè)組學(xué)特征和1個(gè)臨床特征構(gòu)建列線圖，訓(xùn)練隊(duì)列的AUC值為0.754，特異度和敏感度分別為0.756和0.828，而驗(yàn)證隊(duì)列的AUC值為0.727，特異度和敏感度分別為0.773和0.692，發(fā)現(xiàn)列線圖對(duì)顯示LVSI組與非LVSI組有良好的區(qū)分性，可以作為預(yù)測(cè)宮頸癌術(shù)前LVSI的無創(chuàng)性生物標(biāo)志物。深度學(xué)習(xí)和影像組學(xué)為術(shù)前預(yù)測(cè)LVSI和淋巴結(jié)轉(zhuǎn)移提供了新的方法，并提高了預(yù)測(cè)的準(zhǔn)確性，為早期宮頸癌選擇更好的診療提供幫助。

2.4 宮頸癌療效評(píng)估和預(yù)后預(yù)測(cè) 目前，臨床對(duì)實(shí)體腫瘤療效評(píng)估的標(biāo)準(zhǔn)有兩大類：WHO標(biāo)準(zhǔn)和實(shí)體瘤的療效評(píng)價(jià)標(biāo)準(zhǔn)，兩者均基于病變大小改變。而深度學(xué)習(xí)和影像組學(xué)不但可以用定量方法發(fā)現(xiàn)醫(yī)師肉眼無法識(shí)別的宮頸癌早期改變，還可以更清楚地表現(xiàn)病灶治療前后的微小改變。這些優(yōu)勢(shì)既可以在治療前評(píng)估療效，還能預(yù)測(cè)預(yù)后，區(qū)分潛在的不良預(yù)后群。Wormald等[23]從ADC圖和T2WI圖像中提取紋理特征，其中6個(gè)集群的紋理特征（相異性、能量、聚類突、聚類萌、逆方差、自相關(guān)）在大體積（15.3±11.7）cm3和小體積（1.3±1.2）cm3腫瘤間存在差異（P＜0.02），并有可能預(yù)測(cè)小體積腫瘤的復(fù)發(fā)。

Shen等[24]設(shè)計(jì)深度學(xué)習(xí)模型預(yù)測(cè)放化療患者的局部復(fù)發(fā)和遠(yuǎn)處轉(zhuǎn)移，納入142例均接受18F-FDG PET/CT檢查的宮頸癌，對(duì)圖像進(jìn)行預(yù)處理并進(jìn)行配對(duì)治療，結(jié)果發(fā)現(xiàn)21例和26例分別經(jīng)歷了局部復(fù)發(fā)和遠(yuǎn)處轉(zhuǎn)移，顯示該深度學(xué)習(xí)模型對(duì)預(yù)測(cè)腫瘤局部復(fù)發(fā)的敏感度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值和準(zhǔn)確度分別為71%、93%、63%、95%和89%；對(duì)預(yù)測(cè)遠(yuǎn)處轉(zhuǎn)移的敏感度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值和準(zhǔn)確度分別為77%、90%、63%、95%和87%，推測(cè)深度學(xué)習(xí)模型能夠很好地預(yù)測(cè)宮頸癌的治療結(jié)果。Tian等[25]提取277例接受新輔助化療局部晚期宮頸癌治療前的CT圖像特征，并從每例患者的靜脈期增強(qiáng)和平掃CT圖像中提取組學(xué)特征，結(jié)果顯示組學(xué)特征可以作為有效和方便的預(yù)測(cè)指標(biāo)，幫助患者進(jìn)行風(fēng)險(xiǎn)分層和改進(jìn)新輔助化療選擇，有助于為局部晚期宮頸癌患者制訂最佳治療策略，從而延長(zhǎng)患者的生存期。

2.5 宮頸癌基因型的預(yù)測(cè) 潛在的基因表達(dá)會(huì)影響腫瘤的組織構(gòu)成及生物學(xué)行為，也會(huì)導(dǎo)致腫瘤圖像中的特征發(fā)生改變，基因與影像之間存在密切的聯(lián)系。目前，影像基因組學(xué)在肺癌[26]、肝癌[27]及乳腺癌[28]等基因表型研究較多，也初步應(yīng)用于宮頸癌研究[29]中。Meyer等[30-31]分析18例宮頸鱗狀細(xì)胞癌常規(guī)MRI序列的直方圖參數(shù)與宮頸鱗狀細(xì)胞癌的幾種基因型之間的可能關(guān)系，結(jié)果顯示T1WI、T2WI直方圖參數(shù)可以反映宮頸鱗狀細(xì)胞癌中人類表皮生長(zhǎng)因子受體-2和表皮生長(zhǎng)因子受體的表達(dá)；而ADC直方圖參數(shù)能反映表皮生長(zhǎng)因子受體和組蛋白-3的表達(dá)，不能反映血管內(nèi)皮生長(zhǎng)因子、Hif1-alpha和人類表皮生長(zhǎng)因子受體-2的表達(dá)，而這些基因型的存在往往與患者的預(yù)后和復(fù)發(fā)緊密相關(guān)。Fjeldbo等[32]以DCE-MRI參數(shù)A Brix作為腫瘤缺氧的獨(dú)立指標(biāo)，構(gòu)建基因分類器，并根據(jù)活檢組織中6個(gè)基因（ERO1A、DDIT3、KCTD11、P4HA2、STC2、UPK1A）的表達(dá)水平表征腫瘤缺氧的程度，該基因分類器可能會(huì)給出患者缺氧相關(guān)復(fù)發(fā)風(fēng)險(xiǎn)的早期指示，并有可能作為患者的生物標(biāo)志物，有助于為宮頸癌患者實(shí)施缺氧引導(dǎo)的治療策略。深度學(xué)習(xí)和影像組學(xué)可以無創(chuàng)地預(yù)測(cè)宮頸癌的基因型，描述腫瘤的功能信息及異質(zhì)性，預(yù)測(cè)患者的預(yù)后和復(fù)發(fā)，提供個(gè)體化的治療方案，實(shí)現(xiàn)精準(zhǔn)醫(yī)療，雖然其目前尚未廣泛應(yīng)用于預(yù)測(cè)宮頸癌基因型，但這部分尚屬于起步階段，需要進(jìn)一步深入研究，相信未來會(huì)有更廣闊的應(yīng)用前景。

3 總結(jié)和展望

隨著深度學(xué)習(xí)和影像組學(xué)在腫瘤治療中的發(fā)展和應(yīng)用，其在預(yù)測(cè)宮頸癌和其他癌癥的分期、組織類型、淋巴結(jié)狀態(tài)、復(fù)發(fā)和生存方面提供了有價(jià)值的信息，但應(yīng)用于臨床之前仍存在一定的局限性：①由于掃描機(jī)器、參數(shù)、重建算法、采集時(shí)間不同，限制了研究結(jié)果的準(zhǔn)確性和可重復(fù)性；②目前大多數(shù)研究為單中心研究，樣本量相對(duì)較小，且缺乏外部驗(yàn)證，導(dǎo)致結(jié)果在其他數(shù)據(jù)集上的概括性不適用；③深度學(xué)習(xí)和影像組學(xué)中手動(dòng)分割的復(fù)雜性和主觀性難以規(guī)范化，易受一些人為主觀因素的干擾。為了讓影像組學(xué)或深度學(xué)習(xí)算法成為一種有效的臨床工具，這些局限性的驗(yàn)證對(duì)于深度學(xué)習(xí)和影像組學(xué)在臨床管理中的成功應(yīng)用具有重要意義。

綜上所述，深度學(xué)習(xí)和影像組學(xué)具有良好的臨床應(yīng)用潛力，而將兩者結(jié)合起來，可能會(huì)產(chǎn)生更好的性能，擁有更廣泛的應(yīng)用前景和更深層次的發(fā)展，使其成為精確醫(yī)學(xué)和癌癥治療的一種很有前途的方法，相信宮頸癌患者也將從深度學(xué)習(xí)和影像組學(xué)研究中受益。