陳巧玲 綜述 馮峰 審校

肺癌是世界上最常見的惡性腫瘤，占所有癌癥的11.6%，占所有癌癥相關(guān)死亡的18.4%[1]。肺癌患者早期臨床癥狀不典型，導(dǎo)致發(fā)現(xiàn)時(shí)已至晚期，錯(cuò)過了最佳治療時(shí)間。因此，尋找一種有效的早期篩查方法一直是肺癌治療的長期目標(biāo)。在組織病理學(xué)上，肺癌病灶出現(xiàn)代謝變化往往早于形態(tài)結(jié)構(gòu)變化。正電子發(fā)射計(jì)算機(jī)斷層成像(positron emission tomography-computer tomography，PET-CT)采用半定量參數(shù)如標(biāo)準(zhǔn)化攝取值(standardized uptake value，SUV)檢測肺癌早期代謝變化[2]，具有融合CT解剖圖像和PET功能代謝圖像的獨(dú)特優(yōu)勢，讓醫(yī)生在了解生物代謝信息的同時(shí)也能獲得精準(zhǔn)的解剖定位。然而，SUV僅為單一數(shù)值，不能全面反映腫瘤整體代謝。因此，PET-CT不能完全滿足臨床對肺癌精確診斷的需求。影像組學(xué)通過對PET-CT圖像數(shù)據(jù)進(jìn)行深度挖掘，定量分析反映腫瘤內(nèi)體素強(qiáng)度空間變化和腫瘤異質(zhì)性的特征參數(shù)，獲得大量人眼無法察覺的特征信息[3]，有望在臨床中更客觀、更準(zhǔn)確地診斷肺癌。隨著深度學(xué)習(xí)算法和人工智能的快速發(fā)展，PET-CT影像組學(xué)對提高肺癌治療監(jiān)測和預(yù)后評估的指導(dǎo)價(jià)值也展現(xiàn)出巨大的潛力[4]。本文就PET-CT影像組學(xué)在肺癌組織學(xué)分型分期、鑒別診斷、療效和預(yù)后評估以及影像基因組學(xué)等方面的研究進(jìn)展進(jìn)行綜述。

PET-CT影像組學(xué)

近年來，PET-CT因兼具CT較高空間分辨率及PET較高敏感性和特異性的優(yōu)點(diǎn)廣泛應(yīng)用于肺癌分期、鑒別診斷和預(yù)后判斷[5]，與常規(guī)CT相比，PET-CT能在臨床癥狀和病灶形態(tài)出現(xiàn)變化之前更全面、更早地發(fā)現(xiàn)腫瘤病灶。目前，最大標(biāo)準(zhǔn)攝取值(maximum standardized uptake value，SUVmax)、平均標(biāo)準(zhǔn)攝取值(mean standardized uptake value，SUVmean)和腫瘤代謝體積(metabolic tumor volume，MTV)等已成為臨床認(rèn)可的惡性腫瘤評估標(biāo)準(zhǔn)，這些PET-CT半定量參數(shù)與腫瘤的發(fā)生發(fā)展顯著相關(guān)，能反映腫瘤組織的代謝情況，腫瘤細(xì)胞增殖越旺盛，這些參數(shù)值越高[6]。然而，單一運(yùn)用半定量參數(shù)并不能全面反映腫瘤異質(zhì)性。此外，PET-CT圖像人工閱片主觀性較強(qiáng)，不能滿足診斷客觀性的需求。

眾所周知，PET-CT是將微量的正電子核素示蹤劑注射到人體內(nèi)，同時(shí)應(yīng)用CT技術(shù)為這些核素分布情況進(jìn)行定位。近年來，PET-CT影像組學(xué)從主觀性的PET-CT融合圖像或分別從PET圖像和CT圖像中提取定量特征性數(shù)據(jù)，量化圖像像素和灰度空間分布，從分子影像學(xué)的角度識別腫瘤組織早期生理病理變化及基因表達(dá)狀態(tài)[7]。PET-CT圖像由體素組成，紋理分析是一種數(shù)學(xué)模式分析技術(shù)，可通過復(fù)雜多變的數(shù)學(xué)方法量化體素之間的相互關(guān)系。通過對PET-CT圖像定量評估，影像組學(xué)有助于同時(shí)反映PET、CT兩種檢查檢測到的腫瘤異質(zhì)性，客觀反映腫瘤代謝、缺氧、細(xì)胞增殖、血管化、受體表達(dá)或細(xì)胞間/細(xì)胞內(nèi)信號通路[8]，在早期肺癌分級分期、預(yù)后判斷上提供更準(zhǔn)確、更穩(wěn)定、更客觀的信息。

PET-CT影像組學(xué)在肺癌方面的臨床應(yīng)用

1.肺癌早期篩查

肺癌早期篩查陽性者首選外科手術(shù)治療，其中I期肺癌如果能在檢出后及時(shí)手術(shù)，其5年生存率可達(dá)85%以上[9]。目前，考慮使用18F-FDG PET-CT評估直徑>8 mm的孤立性結(jié)節(jié)，其衍生的代謝結(jié)果比從CT獲得的形態(tài)學(xué)數(shù)據(jù)更具優(yōu)勢，而影像組學(xué)能夠提供腫瘤額外的生物學(xué)信息，應(yīng)用于肺癌早期篩查對提高患者的生存率具有重大影響[10]。Kang等[11]納入157例惡性和111例良性肺疾病的患者，結(jié)果顯示PET-CT影像組學(xué)降低人工閱片假陽性率的效果最佳(由原來的30.6%降到5.4%)，準(zhǔn)確診斷早期肺癌的效能優(yōu)于CT影像組學(xué)，兩者曲線下面積(area under curve，AUC)分別為0.89、0.74。由此可見，PET-CT影像組學(xué)在肺癌早期篩查中具有一定價(jià)值，可為CT檢查提供額外的早期肺癌檢出信息。

2.區(qū)分肺癌組織學(xué)亞型

非小細(xì)胞肺癌(non-small-cell lung cancer，NSCLC)是最常見的肺癌類型[12]，其中鱗癌和腺癌是最常見的亞型。晚期肺鱗癌和肺腺癌的治療方案選擇差異較大，肺鱗癌目前一線治療推薦化療聯(lián)合免疫治療，而肺腺癌患者有敏感基因突變者首選靶向治療，無敏感基因突變者考慮化療或化療聯(lián)合免疫治療[13]。因此，準(zhǔn)確診斷肺癌亞型有助于優(yōu)化診療方案。由于鱗癌的葡萄糖轉(zhuǎn)運(yùn)蛋白表達(dá)高于腺癌，異質(zhì)性程度更高，更容易攝取FDG[14]。因而在此基礎(chǔ)上， PET-CT影像組學(xué)可以定量捕獲肺癌不同亞型在代謝上的差異。以往，大多數(shù)影像組學(xué)是基于邏輯回歸分類器構(gòu)建模型，而Han等[15]引入先進(jìn)的深度卷積神經(jīng)網(wǎng)絡(luò)算法VGG16，發(fā)現(xiàn)PET-CT影像組學(xué)聯(lián)合VGG16深度學(xué)習(xí)算法優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)算法(AUC從0.863提高到0.903)，有望構(gòu)建腺癌與鱗癌鑒別診斷的有效分類模型。此外，未來可通過采集多中心、大樣本數(shù)據(jù)來提高模型的穩(wěn)定性和泛化能力。

在不同模態(tài)的影像組學(xué)中，為檢驗(yàn)PET-CT影像組學(xué)是鑒別亞型的最佳方法，Yan等[8]對445例進(jìn)行CT和PET檢查的肺癌患者進(jìn)行分析，結(jié)果顯示在區(qū)分鱗癌與非鱗癌、腺癌與非腺癌、原發(fā)與轉(zhuǎn)移上PET-CT影像組學(xué)模型均為最佳(AUC分別為1.00、0.99、0.98)。此外，有研究發(fā)現(xiàn)，臨床生物學(xué)特征對肺癌亞型分類有協(xié)同作用，Ren等[16]通過機(jī)器學(xué)習(xí)建立臨床生物學(xué)特征與PET-CT影像組學(xué)整合的列線圖，結(jié)果表明聯(lián)合血清腫瘤標(biāo)志物能將影像組學(xué)模型的診斷效能大幅提高(AUC從0.835提高到0.932)。由此可見，臨床血清學(xué)指標(biāo)在鑒別肺癌組織學(xué)亞型中的作用不容忽視，未來基于機(jī)器學(xué)習(xí)的PET-CT影像組學(xué)聯(lián)合血清學(xué)生物標(biāo)志物有可能成為鑒別組織學(xué)亞型的一大研究熱點(diǎn)。

3.判斷肺癌分期

淋巴結(jié)轉(zhuǎn)移程度是決定肺癌治療方案的重要因素，PET-CT代謝參數(shù)可較好地預(yù)測淋巴結(jié)轉(zhuǎn)移，其中SUVmax是評估淋巴結(jié)轉(zhuǎn)移最常用的半定量參數(shù)。相關(guān)研究表明，Ⅰ、Ⅱ、Ⅲ期NSCLC患者的惡性淋巴結(jié)大小、體積和SUVmax值與淋巴結(jié)轉(zhuǎn)移發(fā)生率呈顯著相關(guān)性(P<0.05)，但這些單一的數(shù)值并不能全面反映腫瘤整體代謝，且容易受體重、血糖、設(shè)備類型等多種因素的影響[17]。而PET-CT影像組學(xué)可追蹤圖像特征的變化，提取更多可靠的淋巴結(jié)圖像特征，動態(tài)監(jiān)測淋巴結(jié)轉(zhuǎn)移，為判斷分期提供更準(zhǔn)確的參考。Flechsig等[14]發(fā)現(xiàn)從122例肺癌患者PET-CT圖像中提取的影像組學(xué)特征聯(lián)合常規(guī)CT淋巴結(jié)強(qiáng)化程度能將預(yù)測N分期模型的AUC 提高到0.89，顯著高于SUVmax(AUC為0.82)和腫瘤體積(AUC為0.64)的診斷效能。為了提高PET-CT影像組學(xué)的診斷效能，Wang等[17]建立了基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)的PET-CT影像組學(xué)預(yù)測模型，并與4種經(jīng)典的機(jī)器學(xué)習(xí)算法比較(隨機(jī)森林、支持向量機(jī)等)，結(jié)果發(fā)現(xiàn)基于CNN的預(yù)測模型不僅是判斷肺癌分期的最佳方法(AUC為0.91)，還簡化了分析過程以及縮短了診斷時(shí)間。因此，優(yōu)選影像組學(xué)模型構(gòu)建方法能夠提高肺癌分期的精準(zhǔn)度，臨床應(yīng)用前景值得期待。

4.輔助肺癌鑒別診斷

準(zhǔn)確的鑒別診斷可在治療前幫助識別肺癌患者，避免不必要手術(shù)帶來的創(chuàng)傷和醫(yī)療費(fèi)用的增加。PET-CT圖像上炎癥與腫瘤常難以區(qū)分[18]，原因在于炎癥部位活化的免疫細(xì)胞大量聚集可導(dǎo)致葡萄糖消耗水平升高，這種特征與惡性腫瘤類似[11]。因此，僅憑單一的SUVmax值在鑒別炎癥與腫瘤上略顯困難，而影像組學(xué)恰好能從PET-CT圖像中提取多個(gè)反映炎癥與腫瘤不同生物學(xué)信息的影像組學(xué)特征，進(jìn)而彌補(bǔ)常規(guī)PET-CT檢查的局限性。Du等[19]回顧性納入174例患者(77/97例經(jīng)病理證實(shí)的肺結(jié)核/肺癌)，分析487個(gè)影像組學(xué)特征聯(lián)合11個(gè)語義特征(血管集束、壞死、分葉等)的列線圖，結(jié)果顯示與單獨(dú)的影像組學(xué)或語義特征相比，聯(lián)合列線圖能夠大幅提高區(qū)分肺結(jié)核與肺癌鑒別診斷的效能(AUC由0.79提高到0.94)，說明影像組學(xué)特征可為放射科醫(yī)師定義的語義特征提供補(bǔ)充性、遞增性的診斷信息。目前，PET-CT影像組學(xué)示蹤劑首選仍然是18F-氟代脫氧葡萄糖(18F-flurodeoxyglucose，18F- FDG)[19]，但炎癥或腫瘤等任何引起葡萄糖代謝增高的病變都能引起高代謝顯像，導(dǎo)致假陽性。因此，尋找其他高特異性的示蹤劑區(qū)分感染與腫瘤有望突破肺癌精準(zhǔn)診療的重大技術(shù)瓶頸。王慧等[20]對40例肺結(jié)節(jié)患者進(jìn)行18F-脫氧胸苷(18F-fluorothymidine，18F-FLT)和18F-FDG對比顯像，結(jié)果發(fā)現(xiàn)18F-FLT在早期肺癌與炎癥的鑒別診斷中體現(xiàn)了更優(yōu)異的效能(AUC分別為0.801、0.689);出現(xiàn)此結(jié)果的原因在于18F-FLT 能夠顯示腫瘤細(xì)胞增殖情況，而對炎癥細(xì)胞不敏感。然而，目前尚沒有與此類新型示蹤劑相關(guān)的PET-CT 影像組學(xué)方面的報(bào)道。因此，未來可以尋找對腫瘤細(xì)胞增殖敏感的新型示蹤劑來進(jìn)一步提高PET-CT影像組學(xué)的診斷效能。

5.療效及預(yù)后評估

肺癌放化療療效評估：目前，放化療被認(rèn)為是晚期NSCLC的標(biāo)準(zhǔn)治療方法，但肺癌5年生存率仍然低于20%[21]，在治療開始前預(yù)測治療反應(yīng)以便盡早改變無效治療以及調(diào)整治療方案具有重要臨床價(jià)值。相關(guān)研究表明，相同疾病分期、采取相似治療策略的患者，其臨床結(jié)果存在較大差異，這揭示了TNM分期在提供充足的療效信息方面有一定局限性，開發(fā)能預(yù)測個(gè)體化治療反應(yīng)的方法一直是臨床極具挑戰(zhàn)的難題。由于肺癌病灶在早期就會發(fā)生代謝變化，因而PET-CT可以預(yù)測早期NSCLC患者放化療后的反應(yīng)，引入影像組學(xué)能客觀、定量分析肺癌患者治療效果，以及預(yù)測是否出現(xiàn)局部復(fù)發(fā)或遠(yuǎn)處轉(zhuǎn)移。Cook等[22]發(fā)現(xiàn)通過PET-CT紋理分析量化腫瘤異質(zhì)性可對肺癌放化療效果進(jìn)行提早預(yù)測，與常規(guī)PET參數(shù)(SUV、MTV和TLG)相比，PET-CT紋理特征在預(yù)測放化療療效方面性能更佳，AUC從0.64提高到0.82。Pyka等[23]有類似的發(fā)現(xiàn)，其研究結(jié)果顯示PET-CT影像組學(xué)模型中的重要參數(shù)熵、密集度和粗糙度均能較好地預(yù)測肺癌患者放療后局部復(fù)發(fā)情況(AUC分別為0.872、0.774和0.774);原因在于熵、密集度和粗糙度是結(jié)構(gòu)特征，能較好地反映腫瘤病灶結(jié)構(gòu)異質(zhì)性，且這些特征會在患者治療期間發(fā)生變化，可用于動態(tài)監(jiān)測肺癌患者放療后的反應(yīng)，輔助醫(yī)生根據(jù)患者的個(gè)體化特征選擇最佳的治療方案。

肺癌靶向治療療效評估：NSCLC惡性程度高、治療難度大，多種基因靶點(diǎn)突變或異常通路參與腫瘤的發(fā)生、發(fā)展、侵襲和轉(zhuǎn)移，如表皮生長因子受體突變、間變性淋巴瘤激酶重排、Raf/MEK/ERK信號通路異常等[24]。與傳統(tǒng)化療藥相比，基于腫瘤基因特征的靶向治療可以提高晚期NSCLC患者的無進(jìn)展生存期。表皮生長因子受體(epidermal growth factor receptor，EGFR)作為抑制其在腫瘤細(xì)胞中過表達(dá)的治療靶點(diǎn)，已成為預(yù)測治療效果的重要指標(biāo)[25]。然而，缺乏足夠的活檢樣本限制了臨床上對EGFR突變狀態(tài)的精確檢測，而且很難準(zhǔn)確識別對酪氨酸激酶抑制劑有良好反應(yīng)的敏感患者。PET-CT影像組學(xué)由于其無創(chuàng)性和可重復(fù)性、以及能夠動態(tài)反映腫瘤異質(zhì)性引起了人們的極大興趣，進(jìn)一步改善了治療反應(yīng)評估和分子途徑預(yù)測。Yang等[26]對174例肺腺癌患者回顧性分析，結(jié)果發(fā)現(xiàn)PET-CT影像組學(xué)模型在預(yù)測EGFR突變和靶向治療療效上具有良好的性能(AUC為0.82)，生存分析顯示EGFR突變患者靶向治療優(yōu)于化療。因此，利用PET-CT影像組學(xué)預(yù)測EGFR突變狀況，有望為個(gè)體化分子靶向治療提供參考。隨著精準(zhǔn)醫(yī)療的發(fā)展，未來可以通過增加從醫(yī)學(xué)影像中獲取的腫瘤表型信息來改善治療計(jì)劃。

肺癌免疫治療療效評估：隨著人們對腫瘤細(xì)胞免疫逃避機(jī)制的認(rèn)識不斷加深，免疫療法已成為晚期NSCLC患者的標(biāo)準(zhǔn)治療方法，使用免疫檢查點(diǎn)抑制劑(immune checkpoint inhibitors，ICIs)可以顯著改善晚期NSCLC患者的生存率[27]。作為單一抗程序性死亡配體1(programmed cell death-ligand 1，PD-L1)治療反應(yīng)的預(yù)測因子，PD-L1的表達(dá)一直是主要研究焦點(diǎn)，可用于輔助醫(yī)生判斷患者是否應(yīng)該接受ICIs治療。PD-L1與葡萄糖轉(zhuǎn)運(yùn)蛋白和糖酵解相關(guān)的酶有關(guān)，PD-L1抑制劑抗體可糾正腫瘤微環(huán)境中的葡萄糖代謝失衡。PET-CT技術(shù)是基于對腫瘤葡萄糖代謝的評估，而影像組學(xué)能從PET-CT圖像數(shù)據(jù)中客觀、定量分析NSCLC患者PD-L1表達(dá)狀態(tài)，且具有省時(shí)、無創(chuàng)、動態(tài)的優(yōu)點(diǎn)。Jiang等[28]發(fā)現(xiàn)PET-CT影像組學(xué)預(yù)測模型可以區(qū)分PD-L1的不同表達(dá)狀態(tài)，對于PD-L1(SP142)表達(dá)率高于1%和高于50%的NSCLC患者，PET-CT影像組學(xué)預(yù)測模型的AUC分別為0.97、0.77；而對于表達(dá)率高于1%、50%的PD-L1(28-8)，AUC分別為0.85、0.88。除了可以動態(tài)反映PD-L1表達(dá)水平，PET-CT影像組學(xué)還可評估ICIs療效。Mu等[29]研究發(fā)現(xiàn)預(yù)測接受ICIs治療的晚期NSCLC患者無進(jìn)展生存期(progression-free survival，PFS)，PET-CT影像組學(xué)的診斷效能(AUC為0.77)高于PET影像組學(xué)和CT影像組學(xué)(AUC均為0.74)，有助于提高晚期NSCLC患者免疫治療的精確性和個(gè)體化決策支持。值得注意的是，腫瘤微環(huán)境中復(fù)雜的免疫應(yīng)答不是由單一的生物標(biāo)記物決定，PD-L1不是預(yù)測ICIs療效的唯一因素。因此，未來深度挖掘其他影響抗腫瘤免疫應(yīng)答生物標(biāo)記物的PET-CT組學(xué)特征是重要且必要的。

肺癌預(yù)后評估：相同TNM分期患者的預(yù)后因腫瘤異質(zhì)性而有顯著差異，異質(zhì)性越強(qiáng)的腫瘤越具有侵襲性，預(yù)后越差。PET-CT影像組學(xué)在NSCLC中顯示出了較好的預(yù)后評估效能，Kirienko等[30]研究發(fā)現(xiàn)長區(qū)域高灰度強(qiáng)調(diào)度(large zone high gray-level emphasis，LZHGE)是PFS的顯著預(yù)測因子(P<0.05)，在此基礎(chǔ)上建立的PET-CT影像組學(xué)預(yù)測PFS模型的性能(AUC為0.68)優(yōu)于常見臨床預(yù)測指標(biāo)(AUC為0.58)。近年來有研究發(fā)現(xiàn)，深度學(xué)習(xí)能進(jìn)一步提高PET-CT影像組學(xué)預(yù)后評估模型的效能，Ahn等[31]比較了多種機(jī)器學(xué)習(xí)算法(隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、貝葉斯算法等)的風(fēng)險(xiǎn)分類性能，結(jié)果顯示隨機(jī)森林分類器在預(yù)后評估方面表現(xiàn)最佳(AUC為0.956，準(zhǔn)確度為0.901)，鄰域灰度差矩陣對比度和密集紋理特征是疾病復(fù)發(fā)的兩個(gè)最佳預(yù)測因子(P<0.05)，預(yù)后差的腫瘤表現(xiàn)為低鄰域灰度差矩陣對比度、高密度的紋理特征。

PET-CT影像組學(xué)利用示蹤劑攝取獲得的定量信息對肺癌預(yù)后進(jìn)行評估，示蹤劑的攝取很大程度取決于示蹤劑的生化特性和癌細(xì)胞的生物學(xué)特征之間的相互作用，如親和力、特異性活性和細(xì)胞內(nèi)代謝。Mapelli等[32]回顧性分析胰腺神經(jīng)內(nèi)分泌腫瘤患者術(shù)前68Ga-DOT ATOC(生長抑素靶向PET示蹤劑)和18F-FDG PET-CT圖像，結(jié)果顯示從雙示蹤劑PET-CT圖像中提取的特異性紋理特征在預(yù)測腫瘤臨床病理特征和患者預(yù)后上有統(tǒng)計(jì)學(xué)意義(P<0.05)。雖然目前還沒有在PET-CT影像組學(xué)技術(shù)中運(yùn)用新型示蹤劑預(yù)測肺癌患者預(yù)后，但是還是顯示出光明的前景。

肺癌PET-CT影像基因組學(xué)

影像基因組學(xué)即提取定量的圖像特征與基因組學(xué)相結(jié)合，然后運(yùn)用機(jī)器學(xué)習(xí)等技術(shù)分析組學(xué)特征，以此指導(dǎo)不同患者個(gè)體化治療方案的制定及療效監(jiān)測等[33]。在此基礎(chǔ)上，許多學(xué)者試圖建立NSCLC的分子表型與不同影像組學(xué)特征之間的相關(guān)性。比如，Kim等[34]對137例肺癌患者進(jìn)行PET-CT圖像分析和靶向深度測序分析，結(jié)果顯示PET-CT影像組學(xué)特征與肺癌患者基因和致癌信號通路的改變具有顯著關(guān)聯(lián)(P<0.05)。Shiri等[35]研究發(fā)現(xiàn)，聯(lián)合多模態(tài)成像和機(jī)器學(xué)習(xí)的影像組學(xué)特征(AUC為0.75)較傳統(tǒng)的PET參數(shù)(AUC為0.69)在預(yù)測NSCLC的表皮生長因子受體(epidermal growth factor receptor,EGFR)和Kirsten大鼠肉瘤病毒致癌基因同源物 (Kirsten ratsarcoma viral oncogene homolog,KRAS)突變狀態(tài)上性能更佳。此外，由于基因組分析對于肺癌的靶向治療至關(guān)重要，因此，已經(jīng)有研究探索影像基因組學(xué)對靶向治療療效評估的潛在作用。Aerts等[36]分析47例NSCLC患者使用吉非替尼治療前、后的影像組學(xué)特征，發(fā)現(xiàn)治療前的影像組學(xué)特征Laws＿Energy-10及Gabor＿Energy-dir135-w3能夠預(yù)測EGFR突變(AUC為0.67、0.74)，治療后Gabor＿Energy-dir135-w3的增高與吉非替尼治療效果較佳相關(guān)(P<0.05)，表明基于影像組學(xué)的基因表型可用于靶向藥敏感與耐藥患者之間的分類和治療反應(yīng)的預(yù)估。

總結(jié)與展望

PET-CT影像組學(xué)是近年來出現(xiàn)的一種新的圖像分析方法，它在肺癌的診治方面具有客觀、定量的優(yōu)勢，但目前仍處于初步研究階段。PET-CT影像組學(xué)在肺癌中的應(yīng)用挑戰(zhàn)與展望主要體現(xiàn)在以下幾個(gè)方面:①大多數(shù)研究為小樣本、單中心研究，容易導(dǎo)致模型不穩(wěn)定，且影像組學(xué)可能由于PET-CT不同設(shè)備之間圖像采集參數(shù)的差異影響特征值的穩(wěn)定性和再現(xiàn)性。而結(jié)合相關(guān)圖像處理軟件及規(guī)范檢查標(biāo)準(zhǔn)可嘗試突破穩(wěn)定性差的瓶頸，提高診斷的精確性。此外，現(xiàn)有的特征選擇方法眾多，對于特定病變組織的醫(yī)學(xué)圖像，最優(yōu)處理方法仍不清楚。②隨著技術(shù)的進(jìn)步，深度學(xué)習(xí)成為PET-CT影像組學(xué)中一個(gè)有吸引力的方法，原始圖像通過深度學(xué)習(xí)可以直接輸入到神經(jīng)網(wǎng)絡(luò)配置中，只需要最少的預(yù)處理。在精準(zhǔn)醫(yī)學(xué)的時(shí)代，結(jié)合深度學(xué)習(xí)算法和人工智能的PET-CT影像組學(xué)有潛力在闡明更個(gè)性化治療的病理機(jī)制的基礎(chǔ)上改進(jìn)反應(yīng)評估，有助于提高診斷的敏感性和特異性。

總之，PET-CT影像組學(xué)顯示出光明的前景，未來可展開大樣本、多中心的研究，并建立可重復(fù)的、標(biāo)準(zhǔn)的影像組學(xué)特征以及通過人工智能對復(fù)雜的數(shù)據(jù)進(jìn)行自動預(yù)測，實(shí)現(xiàn)對腫瘤患者的個(gè)體化管理，以提高患者的生存率，最終實(shí)現(xiàn)精準(zhǔn)醫(yī)療。