影像组学在肺癌中的应用进展
专家讲坛影像组学在肿瘤研究中的应用进展
专家讲坛影像组学在肿瘤研究中的应用进展第 258 期编者的话Radiomics，一次对影像图像数据挖掘的革命，已经离我们如此的近。
以后做一次CT或MR扫描，医生们得到的再不仅仅是图像，而是可以“判你生死”的数据。
Radiomics，已经被视为介于临床与基因之间的第二层重要数据。
为了让年轻医生对影像组学这个高大上的新生事物有一个快速的了解，本期公众号请来天津医科大学附属肿瘤医院叶兆祥主任为大家揭开影像组学的面纱。
—— Clinical 临床的———— Radiomic 影像组学的———— Genomic 基因组学的——近年来，影像组学（radiomics）成为新的研究热点，广泛应用于各类疾病，尤其是肿瘤的诊断、治疗、预后等各个方面的研究，为肿瘤的精准治疗提供了新的依据。
影像组学究竟是什么？影像组学又称放射组学，是深度挖掘图像信息，从海量的医学影像数据中提取大量的定量特征，通过量化分析来提高诊断准确率并进行预测。
影像组学结合其他检查信息可以为临床提供一个全面量化的肿瘤表型，提高个性化的治疗选择和监测。
随着图像质量的提高、计算机技术的进步，使得我们能够对图像进行比较精细的分析。
传统意义上，影像医师对病灶特征只进行定性描述，如密度是否均匀、形态是否规则、有无分叶等。
部分医师将这些特征半定量化，如根据病灶的形态规则程度进一步分为圆形、椭圆形、不规则、极度不规则，分别评为1-4分。
而影像组学则是依赖于计算机进行图像分割和自动提取特征，将病灶特征定量化，比如球形程度（roundness），即计算病灶的形状与椭圆的相似程度，结果为一数值。
影像组学以整个肿瘤为研究对象，可以整体分析肿瘤内部的异质性，获取临床及传统影像学分析无法提供的信息。
影像组学分析步骤图1 影像组学分析步骤影像组学分析的主要步骤为图像采集，确认感兴趣区并进行图像分割，提取定量特征，分析定量特征并构建分类或预测模型（如图1）。
目前研究较多的是CT、MRI、PET图像等。
影像组学在肺癌中的应用现状与存在问题
影像组学在肺癌中的应用现状与存在问题影像组学是一种新兴的医学领域，通过对医学影像数据的分析和挖掘，可以帮助医生更好地诊断疾病、制定治疗方案。
在肺癌等恶性肿瘤的诊断和治疗中，影像组学发挥着越来越重要的作用。
影像组学在肺癌中的应用仍然存在一些问题，本文将就这一话题展开讨论。
让我们来了解一下影像组学在肺癌中的应用现状。
目前，影像组学在肺癌诊断中主要应用于肿瘤的早期筛查、影像特征分析、治疗评估和预后预测等方面。
在肺癌的早期筛查中，影像组学可以通过对肺部X光、CT、MRI等影像数据的分析，帮助医生发现潜在的肿瘤病灶，提高早期诊断的准确性和敏感性。
在肺癌的影像特征分析中，影像组学可以帮助医生对肿瘤病灶的形态、密度、血管灌注等进行定量和定性分析，为诊断和治疗提供依据。
在肺癌治疗评估和预后预测中，影像组学可以通过监测肿瘤病灶的大小、形态变化、代谢活性等，评估治疗效果并预测患者的预后。
虽然影像组学在肺癌中的应用已经取得了一些成果，但仍然存在一些问题需要解决。
影像组学在肺癌诊断中的特异性和准确性有待提高。
尽管影像组学可以帮助医生发现肿瘤病灶，但在区分恶性肿瘤和良性肿瘤、肿瘤分期等方面仍然存在一定的局限性。
影像组学在肺癌治疗评估和预后预测中的应用还不够深入。
虽然影像组学可以监测肿瘤病灶的大小、形态变化等，但如何将这些参数与肿瘤的生物学行为和预后联系起来，仍然需要进一步研究。
影像组学数据的标准化和共享也是一个亟待解决的问题。
由于不同医疗机构之间的影像数据格式和采集方法不一致，影像组学数据的共享和比对困难重重，限制了其在肺癌中的应用。
为了解决这些问题，我们需要采取一系列措施。
应加强多中心、多样本的大规模队列研究，建立肺癌影像组学数据库，深入挖掘影像数据和临床数据之间的关联，提高影像组学在肺癌中的准确性和预测性。
应加强基于人工智能和机器学习的影像组学算法研发，提高影像组学在肺癌诊断和治疗评估中的自动化水平和精度。
还需要加强影像组学数据的标准化和共享，推动跨机构之间的数据交换和合作，为影像组学在肺癌中的应用创造更好的条件。
CT影像组学在肺癌中的研究进展
CT影像组学在肺癌中的研究进展摘要：肺癌是一种高死亡率疾病，其早期诊断和治疗中至关用。
影像组学通过使用预测生物行为的照片特征进行肺癌分离和提取，为肺癌治疗提供了基础。
现将影像组学的基本过程及其在肺癌中的应用总结如下。
关键词：CT；影像组学；肺癌肺癌正在成为世界范围内一个重要的死亡原因。
随着医学系的进步，数据处理的进步开始与增加的数据流和自动传输系统相结合。
特别是在CT的例子中，使用CT图像的定量特征是可能的，因此，肿瘤影像组学将是如此重要，人们可以通过定量特性更好地估计肿瘤的特性，作出抗菌素耐药性的预测[1]。
1影像组学概述1.1 基本概念影像组学研究的基本假设是医学成像图像包含疾病的病理生理学信息，通过定量成像分析，医学图像包含病理生理信息，通过高通量大数据学习，从医学上进行调节，定量图像分析。
临床资料同遗传资料之间互相关联，创建肿瘤诊断，大大提高了疾病的评估和准确性。
1.2 技术流程影像组学方法论可以分为五个阶段。
1）数据采集:如CT、MRI或PET，患者的临床信息、遗传和病理信息；2）图像分割：图像分割的重要意义在于测量挑战。
按照自动化程度来衡量，绘制方法可分为手绘、半自动和全自动三组图像；3）特征提取：对属性的必要搜索是合成图像的必要步骤，这取决于最佳的可预测性；4）模型构建：从这些持有特征的计算中选择最佳敞口，包括统计上合适的分析方法（相关性、主成分、随机等分析方法）；5）应用模型:目前的研究主要针对肿瘤的定性诊断、肿瘤与发病率、肿瘤基因基础、治疗选择和评价[2]。
2 CT影像组学在肿瘤学中的临床应用情况2.1 肺癌影像组学方法国际肺癌协会制定了一项识别肺癌的计划。
文献涉及与肺癌程度有关的带有GGO成分的亚固体结节。
肺癌早期的CT是简单的GGO片段，所以GGO区域代表了基因突变的影响，一直到腺癌的变化。
但不可避免的问题是，光学认知方向的干预、CT方向的干预等，将使转基因疾病的侵入性、非侵入性分析更加困难。
影像组学在非小细胞肺癌疗效预测中应用进展
影像组学在非小细胞肺癌疗效预测中应用进展在医学科技的广阔海洋中，影像组学犹如一艘破浪前行的航船，其帆上挂满了人工智能和机器学习的风帆。
这艘航船正驶向一个目标：提高非小细胞肺癌（NSCLC）治疗的精确度和有效性。
本文将探索影像组学在预测NSCLC疗效方面的最新进展，并分析其对未来医疗实践的潜在影响。
首先，让我们来定义一下什么是影像组学。
简单来说，影像组学是从医学影像中提取大量定量特征，然后利用这些数据进行深入分析的技术。
它就像是一把精密的显微镜，能够揭示出传统影像学所无法观察到的细节。
在NSCLC的治疗领域，影像组学的应用已经取得了显著的进步。
例如，通过分析CT扫描图像中的纹理特征，研究人员能够预测哪些患者更有可能对特定的化疗方案产生反应。
这就像是在茫茫沙漠中发现了一片绿洲，为医生提供了宝贵的指导信息。
然而，影像组学并非没有挑战。
数据的质量和处理方式可能会极大地影响结果的准确性。
此外，如何将影像组学的发现与临床实践相结合，也是一个巨大的难题。
但正如攀登珠穆朗玛峰一样，尽管困难重重，但每一步的前进都充满了希望和可能。
未来的发展方向无疑是令人兴奋的。
随着人工智能技术的不断进步，我们可以预见到一个由算法驱动的世界，在这个世界里，影像组学将更加精准地预测NSCLC的疗效。
这就像是打开了一扇通往未来的大门，让我们得以一窥医学的新纪元。
总之，影像组学在NSCLC疗效预测中的应用是一个充满希望的领域。
虽然目前还存在一些技术和实践上的障碍，但随着研究的深入和技术的进步，我们有理由相信，影像组学将在不久的将来彻底改变我们对NSCLC治疗的看法和方法。
这不仅是医学领域的一次革命，更是对人类健康和福祉的一次深刻贡献。
影像组学在肺癌中的应用现状与存在问题
影像组学在肺癌中的应用现状与存在问题一、影像组学在肺癌中的应用现状1.早期筛查肺癌的早期筛查对于提高患者的生存率至关重要。
传统的筛查方法包括胸部X线和CT 检查，但这些方法可能存在漏诊和误诊的情况。
而影像组学技术的应用能够通过对影像数据的综合分析，发现微小的肿瘤和病变，提高早期筛查的准确性和灵敏性。
2.诊断与分期影像组学技术在肺癌的诊断和分期中发挥了重要作用。
CT、MRI、PET等影像技术结合影像组学分析可以对肿瘤的位置、大小、形态特征和代谢情况进行全面的评估，有助于明确肺癌的诊断和分期，为临床治疗提供重要的依据。
3.治疗监测肺癌治疗的有效性和疗效的监测对于患者的生存和预后具有重要意义。
影像组学技术能够实时监测肿瘤的变化和治疗效果，为临床决策和调整治疗方案提供客观依据。
特别是在肺癌的放疗、化疗和靶向治疗中，影像组学技术的应用更加凸显其重要性。
4.预后评估影像组学技术可以评估肺癌患者的预后情况，包括对肿瘤的复发、转移以及患者的生存期进行预测。
通过对影像数据的定量分析，结合临床资料和分子生物学信息，形成多模式的预后评估模型，能够为临床医生提供更准确的预后信息，有针对性地制定个体化治疗方案。
以上仅是影像组学在肺癌中应用的部分方面，可以看出其在肺癌领域的应用前景十分广阔。
随着其应用的不断深入，也暴露出了一些存在的问题，需要进一步解决和改进。
二、影像组学在肺癌中存在的问题1. 数据质量影像组学技术对于影像数据的质量要求较高，而临床影像数据的质量参差不齐，存在着数据标准化不足、噪音干扰、伪影等问题。
影像组学技术需要依靠高质量的影像数据来进行准确分析和建模，因此如何解决临床影像数据质量不一的问题成为亟需解决的难题。
2. 数据共享与互操作肺癌患者的影像数据通常散布在不同的医疗机构、医生手中，这些数据难以共享和互操作，这不仅影响了影像组学技术的应用，也限制了医疗资源的合理配置和患者的治疗效果。
如何建立统一的影像数据平台和实现数据的共享与互操作，成为了影像组学技术在肺癌中应用的关键问题。
影像组学在肺癌中的应用现状与存在问题
影像组学在肺癌中的应用现状与存在问题
随着医学影像技术的发展，影像组学在肺癌的诊断、治疗和预后评估中扮演着重要的
角色。
影像组学通过对肺癌患者的影像数据进行分析和挖掘，能够提取出大量的定量和定
性特征，为医生提供全面的肺癌信息，从而辅助临床决策。
影像组学在肺癌的早期筛查和诊断中具有重要的意义。
通过对低剂量CT（LDCT）影像数据的分析，可以发现潜在的肺癌病灶，帮助医生进行早期诊断。
研究表明，结合深度学
习等人工智能技术，影像组学的敏感性和特异性在肺癌筛查和诊断中超过了传统的CT观察方法，显著提高了早期诊断的准确性。
影像组学在肺癌治疗方案选择和评估中也扮演着重要的角色。
通过对肺癌影像数据的
分析，可以评估病灶的大小、位置和分布特点，为医生提供有关手术可行性和治疗计划选
择的信息。
影像组学还可以评估治疗后的疗效，监测病灶的变化情况，帮助医生调整治疗
方案，提高患者的生存率。
在影像组学在肺癌中的应用中仍存在一些问题需要解决。
由于临床数据收集的局限性，当前可用于影像组学分析的数据量相对较小，导致模型的可信度和可靠性有待提高。
影像
组学算法的研发和应用仍需要大量的医学影像专业知识和专业技能，技术门槛较高。
由于
技术的复杂性和不确定性，影像组学的结果在临床实践中的应用还需要更多的验证和确
认。
影像组学在肺癌中具有广阔的应用前景，可以提供全面的肺癌信息，辅助临床决策。
影像组学在肺癌中的应用仍面临一些问题，如数据量不足、技术门槛高以及临床应用验证等。
需要进一步加强相关研究，并与临床医生和专家共同合作，探索影像组学在肺癌中的
更广泛应用。
ALK重排型肺癌的影像组学研究进展
ALK重排型肺癌的影像组学研究进展ALK重排型肺癌是一种特定的非小细胞肺癌，约占所有非小细胞肺癌的3-5%。
肺癌患者中的ALK突变与ALK融合基因产生有关。
由于其特定基因变异和分子机制，ALK重排型肺癌对于特定的治疗方法有着很好的反应，如ALK抑制剂。
近年来，随着影像组学的发展，其在ALK重排型肺癌的研究中也取得了进展。
影像组学是一种将图像学和计算机科学相结合的交叉学科，可以通过分析和挖掘医学影像数据中的信息来辅助诊断、预后评估和治疗选择。
首先，ALK重排型肺癌的影像组学研究提供了一种非侵入性的检测方法。
传统的诊断方法主要依靠组织样本的病理检查，需要进行切片和染色等处理，而影像组学可以通过分析CT、MRI或PET等医学影像数据，提取有关肿瘤特征的信息，从而实现无创的诊断。
其次，影像组学研究有助于评估ALK重排型肺癌的预后。
通过分析肿瘤的形态学特征、血管生成和代谢特征等，可以预测患者的生存期和治疗反应程度。
例如，一项研究发现，在ALK抑制剂治疗后，影像组学特征的变化与患者的无进展生存期和总生存期有关，这为ALK重排型肺癌的治疗选择提供了重要的参考。
另外，影像组学还可以辅助ALK重排型肺癌的治疗策略选择。
由于ALK抑制剂在治疗ALK重排型肺癌中的有效性，影像组学可以通过评估肿瘤的代谢特征、血管生成和治疗反应等，对患者的治疗反应进行监测和预测。
一项研究发现，在ALK抑制剂治疗后，肺部肿瘤的代谢特征发生了显著变化，与治疗反应一致，这为ALK抑制剂的个体化治疗提供了重要依据。
最后，影像组学研究为ALK重排型肺癌的转移和复发提供了帮助。
通过分析肿瘤的转移模式、转移部位和转移时间，可以预测患者的复发风险，并及早采取干预措施。
一项研究发现，在肺部转移的ALK重排型肺癌患者中，局部复发的风险较高，这有助于医生选择适当的治疗方法。
综上所述，ALK重排型肺癌的影像组学研究为该疾病的诊断、预后评估和治疗选择提供了重要的信息。
医学影像分析在肺癌检测中的应用研究
医学影像分析在肺癌检测中的应用研究一、引言肺癌是世界范围内造成最多死亡的癌症之一，早期诊断有助于提高患者的生存率。
医学影像分析技术已经在肺癌检测中发挥着越来越重要的作用。
本文旨在探讨医学影像分析在肺癌检测中的应用研究。
二、医学影像分析技术概述医学影像分析技术是一系列用于处理、解释和分析医学图像的方法。
它可以通过提取和量化图像中的特征来辅助医生进行诊断和疾病预测。
常见的医学影像分析技术包括计算机断层扫描（CT）、磁共振成像（MRI）和正电子发射断层扫描（PET-CT）等。
三、医学影像分析在肺癌检测中的应用研究1. 肺结节检测肺结节是早期肺癌的常见病灶。
传统的肺结节检测方法依赖于医生的主观判断，存在诊断结果的主观性和不稳定性。
医学影像分析技术可以通过自动化算法检测和分割肺结节，提高检测的准确性和一致性。
2. 肺结节分类和分期对于检测到的肺结节，医学影像分析技术可以进一步进行分类和分期。
通过提取结节的形态学特征、纹理特征等，可以辅助医生判断结节的良恶性和分期，为治疗决策提供参考。
3. 肺癌预测和风险评估医学影像分析技术在肺癌患者的预测和风险评估方面也具有潜力。
通过分析肺部影像的特征，结合临床信息，可以建立预测模型，帮助医生评估患者的发病风险，并根据个体化的特点进行干预和预防措施。
4. 肺癌治疗响应评估对于接受治疗的肺癌患者，医学影像分析技术可以帮助评估治疗的疗效和预测患者的生存率。
通过分析治疗前后的影像数据，比较病变的变化情况，可以定量评价治疗的效果，指导后续治疗计划的制定。
五、技术挑战和展望尽管医学影像分析技术在肺癌检测中已经取得了一些进展，但仍面临许多技术挑战。
首先，医学图像数据量庞大，如何快速高效地处理和分析数据是一个挑战。
其次，如何建立准确的肺癌预测模型，需要进一步探索和研究。
此外，隐私保护和数据安全也是一个重要的问题需要解决。
展望未来，医学影像分析技术有望在肺癌检测中进一步发挥作用。
随着人工智能技术的不断进步，医学影像分析将更加智能化和自动化，为肺癌的早期筛查和诊断提供更加准确和可靠的方法。
影像组学在肺癌中的应用现状与存在问题
影像组学在肺癌中的应用现状与存在问题影像组学是一种结合影像学和计算机科学的跨学科领域，它利用大数据和人工智能技术来分析医学影像数据，从而帮助医生进行疾病的诊断、治疗和预后评估。
在肺癌领域，影像组学的应用已经取得了一定的成果，但也存在一些问题和挑战。
本文将就影像组学在肺癌中的应用现状和存在问题进行深入探讨。
1.胸部CT影像的诊断胸部CT是目前临床上最常用的肺癌筛查和诊断工具之一。
影像组学技术可以通过对大量的CT影像数据进行分析和学习，提取出肺癌的各种特征，包括肿瘤的形状、大小、密度等，从而帮助医生进行准确的诊断和分期。
2. PET-CT影像的代谢分析正电子发射断层扫描（PET）和CT的联合成像（PET-CT）可以提供肿瘤的代谢信息和解剖信息，结合影像组学技术可以对肺癌的生物学行为进行全面的评估，包括肿瘤的代谢活性、转移情况等，从而为临床治疗提供重要参考。
3.影像组学辅助的放疗规划影像组学技术可以对肺癌患者的CT影像进行三维分析和量化，帮助放疗医生确定肿瘤的位置、大小和形状，进行个性化的放疗规划，提高放疗的准确性和治疗效果。
4.影像组学在靶向治疗的应用影像组学技术可以分析肺癌患者的影像数据和基因表达数据，预测肺癌患者对靶向治疗的疗效和耐药性，帮助医生选择最适合患者的个体化治疗方案。
影像组学在肺癌领域的应用已经取得了一些进展，可以帮助医生进行更准确的肺癌诊断、预后评估和治疗规划，为肺癌患者提供更好的个体化医疗服务。
但与此影像组学在肺癌中还存在一些问题和挑战。
二、影像组学在肺癌中存在的问题和挑战1. 数据共享和标准化影像组学技术需要大量的医学影像数据进行学习和训练，但目前不同医疗机构之间存在数据共享的障碍，数据的质量和标准也存在差异，这限制了影像组学技术的应用和推广。
需要建立统一的医学影像数据标准和共享机制，促进影像组学技术在肺癌中的应用。
2. 临床验证和应用影像组学技术在肺癌中的应用需要经过临床验证，证明其在肺癌诊断、治疗和预后评估中的准确性和可靠性。
影像组学在肺癌中的应用进展
国际医学放射学杂志ＩｎｔＪＭｅｄＲａｄｉｏｌ２０18Nov 鸦41穴6雪：646-649·肺疾病专题·影像组学在肺癌中的应用进展余烨吴华伟*【摘要】肺癌是发病率和死亡率增长最快、对人类健康和生命威胁最大的恶性肿瘤之一。
影像组学是将影像资料与机器学习方法结合，提取最有价值的特征来指导临床实践，对于精准医学的发展具有重要意义。
总结了影像组学的基本步骤以及所涉及的各种分割方法、重建方式、影像组学特征、模型及其优缺点，并对影像组学在肺结节良恶性鉴别、肺癌疗效评估和复发转移评价的最新研究进展进行综述。
【关键词】影像组学；肺癌；肺结节；疗效；复发中图分类号：R734.2；R445文献标志码：AApplication progress of radiomics in lung cancer YU Ye,WU Huawei.Department of Radiology,Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine,Shanghai 200127,China【Abstract 】Lung cancer is one of the most malignant tumors with the rapidest increasing in morbidity and mortality,and has become a major threat to public health.Radiomics is the combination of image data and machine learning methods to extract the most valuable features to guide clinical practice,which is of great significance for the development of precision medicine.In this paper we summarized the basic steps of radiomics,the various segmentation methods,reconstruction methods,characteristics of radiomics,models,and their merits and demerits,reviewed the latest applications of radignics in the differentiation between benign and malignant lung nodules,the evaluation of therapeutic effect of treatments,and the recurrence and metastasis of lung cancer.【Keywords 】Radiomics;Lung cancer;Lung nodules;Efficacy;RecurrenceＩｎｔＪＭｅｄＲａｄｉｏｌ，２０１8，41（6）：作者单位：上海交通大学医学院附属仁济医院放射科，上海200127通信作者：吴华伟，E-mail:huaweiwu26@ *审校者基金项目：国家自然科学基金（81571670）DOI:10.19300/j.2018.Z6439zt综述影像组学最早在2012年由荷兰研究者Lambin 等[1]提出。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要：影像学检查是肺癌诊断及疗效评估的重要手段。目前，影像诊断主要依据病变部位的形态学特征，如
大小、形状、边缘、均一性和与周围组织关系，但并未对这些图像进行更深入细致的分析。影像组学借助计算机
软件，从海量医学影像图像中筛选出定量和最有价值的影像特征，结合临床信息，用于疾病的定性、肿瘤分级分
期、疗效评估和预后预测。本文就影像组学的相关概念、处理流程及其在肺癌诊断方面应用状况、发展方向进行
△ 基 金 项 目 ：国 家 重 点 研 发 计 划 重 大 慢 性 非 传 染 性 疾 病 防 控 研 究 重 点 专 项（2017YFC1308700） # 通 信 作 者（corresponding author），邮 箱 ：cjr.wuning@
ONCOLOGY PROGRESS, Jan 2019 Vol. 17 No. 2
129
2 影像组学在肺癌诊断中的应用
肺癌发病率较高，且其肿瘤组织在 CT 图像中 对比度很高，包括图像中肿瘤灰度值强度的差异、 肿瘤内纹理的差异和肿瘤形状的差异 。 [12] 影像组 学 在 肺 癌 中 的 应 用 涉 及 鉴 别 诊 断 、病 理 分3] 2.1 鉴别肺结节的良恶性
*综
述*
《 癌 症 进 展 》 2019 年 1 月 第 17 卷 第 2 期 ONCOLOGY PROGRESS, Jan 2019, Vol. 17, No. 2
128
影像组学在肺癌中的应用进展△
侯东辉，吴宁# 国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院影像诊断科，北京 1000210
综述。
关键词：肺癌；影像组学；预测模型
中图分类号：R734.2
文献标志码：A
doi：10.11877/j.issn.1672-1535.2019.17.02.02
肺癌是中国乃至全球发病率、病死率最高的恶 性肿瘤 ，严 [1-3] 重威胁人类的生命安全。自 1895 年 伦琴发现 X 线并将其应用于临床，经过百余年的 发 展 ，中 医 影 像 技 术 经 历 了 种 种 挑 战 和 发 展 机 遇。X 线胸片具有经济、射线量小和无创等优势， 曾 是 肺 癌 诊 断 最 常 用 的 工 具 之 一 ，但 对 位 于 隐 匿 部位（与肋骨、心影、肺门结构、纵隔和膈肌相重叠 的肺野）、密度较低和直径较小的结节，采用 X 线 胸 片 诊 断 较 为 困 难 。 计 算 机 断 层 扫 描（computed tomography，CT）可 避 免 组 织 重 叠 的 影 响 ，密 度 分 辨率较好，对良恶性结节的诊断明显优于 X 线胸 片，是目前临床最常用、必不可少的胸部影像学检 查方法。但 CT 的辐射剂量相对较高，被认为是造 成 医 源 性 辐 射 的 主 要 原 因 ，不 适 用 于 肺 癌 筛 查 。 近年来，胸部低剂量螺旋 CT 筛查逐渐应用于肺癌 的临床筛查，其与常规剂量 CT 诊断肺内结节的灵 敏 度 和 特 异 度 差 别 不 大 ，但 辐 射 剂 量 降 低 了 一 个 数 量 级 。 [4] 正 电 子 发 射 计 算 机 断 层 显 像（position emission tomography，PET）-CT 将功能与解剖成像 结合在一起，根据病变形态、正常组织与病变组织 代谢上的差异对肿瘤进行诊断，但对 CT 征象不典型 及非肿瘤性高代谢病的患者存在一定的误诊率 ； [5] 此 外 ，PET-CT 对 表 现 为 磨 玻 璃 结 节（ground glass nodule，GGN）的 肺 腺 癌 及 其 癌 前 病 变 的 灵 敏 度 不 高[6]。虽然病理诊断仍是诊断肺癌的金标准，但肿 瘤 组 织 具 有 时 间 和 空 间 异 质 性 ，穿 刺 或 镜 下 活 检 不能对肿瘤进行全面整体的分析[7]，且患者难以耐 受多次动态有创活检而需要调整治疗方案。影像 组学可以从影像数据中提取更多、更全面的特征， 对病变进行动态、深入的分析。
影像组学对肺结节的定性诊断，可降低有创检 查 的 使 用 率 ，有 助 于 指 导 临 床 医 师 选 择 最 佳 的 治 疗方案。Kamiya 等[14]研究显示，与肺良性结节相 比，肺恶性结节的 CT 密度直方图峰度更高且偏度 更低，受试者工作特征曲线（receiver operating characteristic curve，ROC）下 面 积（area under curve， AUC）分别可达 0.83 和 0.76。Chen 等[15]从 42 个肺 恶性结节、33 个良性结节中提取的可用于鉴别肺 良 恶 性 结 节 的 影 像 组 学 特 征 ，采 用 留 一 交 叉 验 证
1 影像组学概述
基于对图像信息进行纹理分析后得到的高通
量特征，受基因组学及肿瘤异质性的启发，荷兰学 者 Lambin 等[8]在 2012 年提出影像组学的概念。影 像 组 学 指 通 过 对 CT、磁 共 振 成 像（magnetic resonance imaging，MRI）、PET 等医学影像感兴趣区提 取的数百个定量影像特征进行筛选、分析，用于描 述肿瘤生物学特征和异质性等信息的一种高通量 定量的分析方法。影像组学通常包括标准化图像 的 获 取 和 重 建 、病 灶 分 割 、特 征 提 取 和 选 择 、构 建 预测模型和验证、模型的分类及预测共 5 个处理过 程 。 [9] 目前，临床对医学影像的分析主要局限于对 肿 瘤 形 态 和 定 量 的 初 步 分 析 ，如 长 径 和 横 径 的 测 量，对 CT、PET-CT、MRI 信号高低的简单统计。影 像 组 学 是 在 常 规 影 像 学 诊 断 的 基 础 上 ，深 度 挖 掘 数据，寻找反映病变组织、细胞和基因水平变化的 内 在 特 征 的 影 像 诊 断 技 术 ，为 临 床 诊 断 提 供 更 有 价值的参考[10-11]。