影像组学的临床应用研究

• Radiomics辅助治疗方案的制定和随访
• 联合铂类的化疗方案引起肿瘤代谢的改变，肿瘤的异质 性会发生变化，也会引起整个肿瘤或局部一定程度的纹 理特征改变，这个改变对于预测局部晚期NSCLC患者的 治疗反应和生存期有一定的价值。
• Early Change in Metabolic Tumor Heterogeneity during Chemoradiotherapy and Its Prognostic Value for Patients with Locally Advanced Non-Small Cell Lung Cancer
the diagnostic performance of radiomics signature in solitary pulmonary nodule • A Clinical Model To Estimate the Pretest Probability of Lung Cancer in Patients With Solitary
• Radiomics的研究结果必须具有可重复性，得到多中心研 究的验证。为了实现较高的可靠性与可重复性，在 Radiomics研究流程的各个步骤和临床上, 均有不同的困 难需要克服。
三、影像组学的临床应用
• 1、良恶性病变的鉴别诊断及肿瘤分期
• 辅助诊断肺结节的良恶性：Radiomics可以提高肺部结节 诊断的准确性。
临床参数(疾病阶段、疾病的类型和结果)
大数据
• 图像的分割与绘制 • 将图像分割为感兴趣容量(volumes-of-interest
VOI)
• 人工手动 ：精度最高，费时费力，重复性低 • 半自动：速度提高，准确性较低，依赖操作者经验 • 自动：重复性好，研究阶段
• 图像分割算法
• 基于阈值的分割方法：广泛 • 基于边缘的分割方法 • 基于区域的分割方法
• ⑦Radiomics的分析可通过计算机完成,，不增加费用。 • ⑧医学影像图像作为数字信息，可通过互联网进行远距离
的、大数据量的传播与共享，从而有能力进行多中心、大 数据的研究，提高结论的可靠性和可重复性。
• 目前, Radiomics研究多数停留在用组学信息描述 肿瘤生物学特性方面, 绝大多数是基于回顾性资 料所做的工作。
• 临床应用研究。 • 前瞻性研究，预测模型的建立。
• 肿瘤转移及预后的预测模型
• 纹理特征可以作为一种预后指标预测软组织肉瘤是 否发生转移。同时用影像组学特征构建预测模型， 纹理作为一种肿瘤内部异质性的生物标记物，可以 帮助医师对病理进行更深入的分析。
• 肿瘤基因表型预测
• Yoon等将CT和PET中提取的Radiomics特征与年龄、肿瘤分 期、最大SUV值结合起来建模, 可区分ALK、ROS1、RET融 合基因阳性和阴性的肺腺癌。
• 与良性结节相比, 恶性结节的CT密度直方图具有更高的峰 度和更低的偏度, ROC曲线下面积0.71~0.83。利用肺结节 的分形维度可以将肺癌与肺炎、结核区分开。综合利用形 状、大小、直方图特征, 可以将判断结节良恶性质的ROC 曲线下面积从0.79提高到0.84
• Radiomics of Lung Nodules: A Multi-Institutional Study of Robustness and Agreement of Quantitative Imaging Features
• 特征提取与量化
• 广义：通过变换的方法用低维空间表示高维度特征数据； • 狭义：将ROI分割完成后，就可以对其进行特征提取。
• 特征：
• 常见描述病变的术语（形状、大小、密度、边缘等）—— 病变定性的描述
• 通过计算机分析提取的不可视特征（直方图、纹理、分形 维等）——定量描述病变的异质性（肿瘤）
影像组学的临床应用研究
郭小芳
主要内容
• 概念 • 处理流程 • 影像组学的临床应用 • 影像组学的优势
医学影像学
结构成像
分子生物学
功能成像
数字化医学影像学
基因组学
分子影像学
影像组学 radiomics
一、概 念
• 最早由荷兰学者在2012年提出； • 指从影像（CT、MRI、PET等）中高通量地提取大量影像信息，实现肿
• 利用Radiomics方法, 可以提高肿瘤体积测量的精度。 • 在体积之外的参数中，CT密度变异度可独立预测肿瘤对
TKI治疗的反应。 • Cunliffe等观察到12个与放射性肺损伤的发生密切相关的
Radiomics特征。可帮助临床医生提早发现放射性肺损伤 的发生，并及时进行干预，可提高NSCLC放疗安全性。
• ④Radiomics可以采用类似系统生物学反映肿瘤整体生物 学特性。
• ⑤在整个治疗过程中, 可对患者多次进行影像学检查，追 踪影像特征的变化，动态监测疗效,，早期发现复发和转 移迹象。
• ⑥Radiomics分析使用定量的影像特征, 从医学影像中挖掘 更多的信息并将其量化, 为制定和调整治疗方案提供更准 确的参考。
• Aerts等发现,，GLCM和CLRL中提取的CT纹理特征与基因表 达模式强烈相关。
• Radiomics特征能反映生物组学信息的可能，将为指导靶 向和免疫治疗个体化以及疗效监测和治疗方案的调整带来 更多机会。
• 影像组学基于数据进行分析，提取高维图像特征作为新的 生物标记物来帮助临床决策。用影像组学特征预测突变型 表皮生长因子受体（EGFR）的文献中提到，用5个影像组 学特征集和病理分级、是否抽烟等临床特征相结合，可以 将仅由临床特征预测突变得到的曲线下面积由0.667提高
• 数据库的建立与共享 • 个体化数据分析
• 在分析定量Radiomics特征时，需要考虑影像采集参数不 同、呼吸运动位移带来的干扰，使用合理的方法筛选抗 噪声能力强的Radiomics特征，并通过调整参数，提高影 像特征的稳定性。
• ROI的勾画应具有较好的可重复性及准确பைடு நூலகம்。
• 模型的建立应通过努力扩大样本数量、选择合适的机器 学习演算法，提高预测效能、尽量降低过拟合风险。
• Radiological Image traits Predictive of Cancer Status in Pulmonary Nodules • Effects of contrast-enhancement, reconstruction slice thickness and convolution kernel on
• 3、肿瘤转移及预后的预测模型
• In radiation oncology, these models combine both predictive and prognostic data factors from clinical, imaging, molecular and other sources to achieve the highest accuracy to predict tumor response and follow-up event rates。-- Predicting outcomes in radiation oncology —multifactorial decision support systems。
瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层 次的挖掘、预测和分析来辅助医师做出最准确的诊断。 • 直观地理解为将视觉影像信息转化为深层次的特征来进行量化研究。
大数据
• 定义：一种规模大到在获取、存储、管理和分析等方面都 大大超出了传统数据库软件工具能力范围的数据范围。
• 主要特征：“4V” • Volume：海量的数据规模 • Velocity：快速的数据流转 • Variety：多样的数据类型 • Value：价值大，价值密度低
• CT：可能是最为直接且最容易进行比对的，信号强度能与组织密
度联系起来
• PET-CT：主要的挑战是对示踪剂计量的校对和代谢容量或VOI
的重建问题
• MRI：磁共振影像信号强度变量，来源于组织各种内在固有属性
复杂的相互作用
• NSCLC肿瘤中，影像组学特征的可变性与不同的CT扫描的图像有关。应考虑 这些相互扫描的差异，并在未来的研究中尽量减少它们的影响。
2、肿瘤的异质性，肿瘤的治疗反应及疗效评估
• 由于在CT上，辐射诱发的肺损伤与复发的肿瘤表现相 似，因此评估SABR的疗效是复杂的，目前推荐CT， PET-CT评价，但是效果欠佳，使用新方法如纹理分析 等影像组学，形成大数据，可以作为常规，早期、精
准的评价。
• New techniques for assessing response after hypofractionated radiotherapy for lung cancer（2014）
Pulmonary Nodules （PET） • SCREENING AND EARLY DETECTION OF LUNG CANCER
• 11 papers related to computed tomography (CT) Radiomics, 3 to Radiomics or texture analysis with positron emission tomography (PET) and 8 relating to PET/CT Radiomics. There are two main applications of Radiomics, the classification of lung nodules (diagnostic) or prognostication of established lung cancer (theragnostic).
到0.709。
四、影像组学的优势
• ①影像学检查无创, 可获得更好的患者依从性, 并减轻对患 者的创伤。
• ②影像学检查获取的是肿瘤在人体内的信息, 可以实现对 肿瘤生物学特性的在体监测。而活检等方法是对离体标本 进行检测, 其结果可能与在体肿瘤有差异。
• ③Radiomics是对肿瘤整体的特征进行分析, 反映整个肿瘤 的生物学特性, 不受标本大小、位置、质量的限制, 且能反 映肿瘤内部的异质性。
影像组学利用大数据挖掘技术定量肿瘤异质 性，实现精准诊疗决策，提高患者的生存期
二、处理流程
• （1）影像数据的获取； • （2）图像的分割与绘制； • （3）特征的提取和量化； • （4）影像数据库的建立； • （5）分类和预测。
• 影像数据的获取
• 入组数据需要具有相同或相似的采集参数， 保证数据不会受到机型、参数的影响。
• Radiomics applied to lung cancer( 2016 )
分期
• CT对纵隔淋巴结分期的价值有限，纹理分析可以测量肉 眼不能见的肿瘤异质性，CT 纹理分析可能准确的鉴别良 恶性淋巴结。
• Quantitative CT texture and shape analysis: Can it differentiate benign and malignant mediastinal lymph nodes in patients with primary lung cancer?
• Measuring Computed Tomography Scanner Variability of Radiomics Features
• 异质性优化框架（HOF）——降低由于采集MR图像的仪器、方案的不同对肿 瘤的异质性分析所造成的影响。
质控指南的开发：影像特征(分辨率、重建以及参数获取)