Page 230 - 磁共振成像2024年7期电子刊

磁共振成像 2024年7月第15卷第7期 Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7 综 述｜｜Reviews

并建立联合多序列模型，曲线下面积（area under the 同，可能使结果在同一研究主题的平行比较中产生
curve, AUC）分别为 0.749、0.765、0.736 及 0.865。进 偏移。在未来的研究中，需要加强数据质量控制、扩
一步结合影像组学特征和临床病理危险因素构建的 大样本量、建立统一的研究标准以及采用多变量分
列线图，AUC 提升至 0.953，显著提高了诊断效率，显 析方法，以提高研究的准确性与可靠性。
示出多序列 MRI 影像组学在术前预测卵巢癌患者 3.2 影像组学与影像基因组学在卵巢癌化疗反应评
[24]
PM 中的准确性。SONG 等 的研究同样证明了基于 估方面的应用
多序列 MRI 的影像组学在卵巢癌的 PM 中良好的预 化 疗 反 应 评 分（chemotherapy response score,
测效果，结合影像组学特征、盆腔积液和 CA125 水平 CRS）用于评估HGSOC患者对NACT的反应，其局限
的影像组学列线图在训练及验证队列中均表现出较 性在于 CRS需在 NACT治疗后进行取样，而 RUNDO
[32]
高的 AUC，显示出组合模型在术前预测中更好的鉴 等 开发的基于 CT的影像组学模型通过对肿瘤体积
[25]
别力。WEI 等 的一项多中心研究基于 T2WI 构建 的预测可早期和非侵入性地预测患者对 NACT 的反
影像组学模型、DL 模型、临床模型以及组合模型，结 应，从而避免了不必要的腹部手术。此外，将化疗前影
果显示组合模型具有最高的 AUC，DL 模型和影像组 像组学信息加入模型可提高模型预测性能。
[33]
[26]
学模型均可在术前预测 PM。LI 等 基于 CT 构建影 CRISPIN-ORTUZAR 等 综合临床、影像组学及
像组学模型，其中偏向性、隔膜增厚和边缘是独立的 血清生物标志物建立 ML 模型对 HGSOC 患者 NACT
影 像 学 预 测 因 子 ，CA125 和 人 附 睾 蛋 白 4（human 反应进行评估，纳入考虑的因素包括不同部位病灶
epididymis 4, HE4）是独立的临床预测因子，组合模 体积、ctDNA、TP53 突变状态以及给药模式等。所使
型显现出最高的净收益，该研究展现出基于 CT 的影 用的实体肿瘤疗效评价标准（RECIST 1.1）与靶病灶
像组学在预测EOC的隐匿性PM中的价值。 体积变化密切相关 ，综合影像组学模型的 AUC 为
术前淋巴结状态评估有助于制订个性化手术方 0.78，临床模型的 AUC 为 0.47，综合模型显示出更小
[27]
[34]
案和后续治疗计划。CHEN 等 开发和验证了基于 的误差。ZHANG 等 提取了 1373 个卵巢癌影像组
增强 CT 的影像组学模型，用于预测 HGSOC 患者术 学特征，这些特征可分为几何、强度和纹理特征，通
前淋巴结转移，结果证明基于门脉期图像建立的影 过 SVM 分类构建模型，其 AUC 为 0.806，总体准确率
像组学列线图在预测 HGSOC 淋巴结转移方面效果 为 83.3%，该研究证明了影像组学在 NACT 治疗结果
良好。QI 等 基于超声的影像组学列线图也显示出 预测中的高准确性。
[28]
对于卵巢癌患者淋巴结转移诊断的良好性能。 LI 等 的研究则聚焦于全肿瘤体积及瘤周体积
[35]
在卵巢癌的术前预测中，除了 PM 和淋巴结转移 的影像组学特征。通过对 219 名 EOC 患者的多个轴
外，残留肿瘤（residual tumour, RT）和其他部位转移 位 MRI图像进行分析，他们发现瘤周大小为 2 mm 的
也是重要的预测目标。LENG 等 纳入 201 名 EOC 影像组学特征在评估 EOC 化疗反应时表现最佳，为
[29]
患者，使用多种 ML算法由增强 CT图像构建模型，其 全肿瘤体积影像组学评估提供了有效补充。
中 ，光 梯 度 增 强 机（light gradient boosting machine, 影像组学模型在 NACT 反应的评估中展现出显
LightGBM）模型有较好的预测效能，结合 CA125 及 著优势，特别是预测病灶体积变化方面。然而，未来
肿瘤位置的组合模型在 EOC 术前 FIGO 分期预测中 还需进一步的大规模临床验证来证实其可靠性。同
[30]
具有最佳诊断效率。LU 等 所构建的基于 MRI 的 时，综合临床、影像组学及血清生物标志物等多个因
影像组学列线图显示，患者骨盆转移情况、HE4 水平 素建立模型时，如何确定模型架构和参数设置，以及
和中性粒细胞与淋巴细胞比值是卵巢癌 RT 的独立 如何处理不同因素之间的交互作用，也是未来研究
预测因子，证明了在 RT 预测中的可行性。AI 等 通 的重要方向。此外，鉴于卵巢癌患者易对铂类化疗
[31]
过对 101 例接受 PDS 的卵巢癌患者进行影像学特征 药物产生耐药性，影像组学在评估耐药性方面的潜
提取，结果证实卵巢癌患者的年龄和 CA125 水平是 力亦值得深入探讨。
与转移相关的临床因素，影像组学模型、临床模型、 3.3 影像组学与影像基因组学在预测卵巢癌铂化疗
组合模型的 AUC 分别为 0.82、0.83、0.86，证明了基于 耐药方面的应用
术前CT的影像组学预测转移状态的可行性。 在探讨卵巢癌的铂类化疗耐药性及无进展生存
综上所述，多项研究均证实了影像组学在卵巢 期（progression-free survival, PFS）的预测时，影像组
癌术前预测的良好预测能力，通过结合多种影像技 学 已 成 为 一 种 有 力 的 工 具 。 VEERARAGHAVAN
[36]
术和临床因子，构建的组合模型在术前预测中表现 等 的回顾性研究结合位点内和位点间影像组学测
出了较高的准确性和鉴别力，ML 算法的加入提高了 量与临床、基因组测量，对卵巢癌 PFS 及铂类化疗药
模型的效率。然而，不同研究的样本量和数据集存 物耐药进行了预测，研究结果显示，结合临床基因组
在差异，可能影响结果的稳定性和泛化能力。同时， 变量的模型对铂类化疗耐药具有最佳的预测效果，
各研究纳入的序列和临床危险因素的数量各不相 位点内和位点间影像组学簇差异性的测量可体现肿

https://www.chinesemri.com ·223 ·