Radiology：影像組學(xué)：圖像不僅僅是圖片它們還是數(shù)據(jù)

Radiology：影像組學(xué)：圖像不僅僅是圖片，它們還是數(shù)據(jù)在過(guò)去十年中，隨著模式識(shí)別方法的增加和數(shù)據(jù)集大小的增加，醫(yī)學(xué)圖像分析領(lǐng)域的爭(zhēng)論越來(lái)越多。這些爭(zhēng)論促進(jìn)了對(duì)圖像定量特征高通量提取過(guò)程的進(jìn)展，從而將圖像轉(zhuǎn)換為可挖掘數(shù)據(jù)特征，并隨后對(duì)這些數(shù)據(jù)進(jìn)展分析，以供給臨床決策支持；這種做法被稱(chēng)為影像組學(xué)。這與將醫(yī)學(xué)圖像僅視為用于視覺(jué)解釋的圖片的傳統(tǒng)做法形成了對(duì)比。影像組學(xué)特征包含一階、二階和高階統(tǒng)計(jì)量。這些數(shù)據(jù)與其他患者數(shù)據(jù)相結(jié)合，并結(jié)合簡(jiǎn)單的生物信息學(xué)方法進(jìn)展挖掘，以開(kāi)發(fā)能夠提高診斷、預(yù)后和推測(cè)準(zhǔn)確性的模型。由于影像組學(xué)分析旨在使用標(biāo)準(zhǔn)圖像進(jìn)展，因此將數(shù)字圖像轉(zhuǎn)換為可分析的數(shù)據(jù)最終將成為常規(guī)做法。本文描述了影像組學(xué)的流程、面臨的挑戰(zhàn)以及發(fā)揮更好的臨床決策的潛在力量，尤其是在癌癥患者的預(yù)前方面。本文發(fā)表在Radiology通過(guò)高通量計(jì)算，現(xiàn)在可以從斷層圖像〔計(jì)算機(jī)斷層掃描 [CT]、磁共振[MR]或正電子放射斷層掃描[PET]圖像〕中快速提取大量定量特征。將數(shù)字醫(yī)學(xué)圖像轉(zhuǎn)換為可挖掘的高維數(shù)據(jù)，這一過(guò)程被稱(chēng)為影像組學(xué)，其目的是通過(guò)定量圖像分析，可以提醒生物醫(yī)學(xué)圖像包含反映潛在的病理生理學(xué)的信息。盡管影像組學(xué)是計(jì)算機(jī)關(guān)心診斷和檢測(cè)〔CAD〕系統(tǒng)的自然延長(zhǎng)，但它與計(jì)算機(jī)關(guān)心診斷和檢測(cè)〔CAD〕系統(tǒng)有著顯著的不同。CAD系統(tǒng)通常是獨(dú)立的系統(tǒng)，由食品和藥物治理局指定用于檢測(cè)或診斷疾?。?1).CAD的早期成功在乳腺癌成像方面最為顯著。與CAD系統(tǒng)不同，CAD系統(tǒng)的目標(biāo)是供給單一答案〔即，是否存在病變或癌癥〕，影像組學(xué)是一個(gè)明確的過(guò)程，旨在從數(shù)字圖像中提取大量定量特征，將這些數(shù)據(jù)放入共享數(shù)據(jù)庫(kù)，隨后，挖掘數(shù)據(jù)以生成假設(shè)、進(jìn)展檢驗(yàn)或兩者兼而有之。Radiomics旨在開(kāi)發(fā)決策支持工具；因此，它涉及將影像數(shù)據(jù)與其他患者特征〔如可用〕相結(jié)合，以提高決策支持模型的力量。由于影像組學(xué)旨在從標(biāo)準(zhǔn)圖像中提取最大信息，因此可以預(yù)見(jiàn)將數(shù)百萬(wàn)患者的大量影像組學(xué)數(shù)據(jù)〔以及抱負(fù)狀況下的其他補(bǔ)充數(shù)據(jù)〕結(jié)合起來(lái)的數(shù)據(jù)庫(kù)的創(chuàng)立。盡管影像組學(xué)可以應(yīng)用于很多狀況，但由于國(guó)家癌癥爭(zhēng)論所〔NCI〕定量成像網(wǎng)絡(luò)〔QIN〕的支持以及NCI癌癥成像工程的其他舉措，影像組學(xué)在腫瘤學(xué)領(lǐng)域得到了最充分的進(jìn)展。正如本文后續(xù)章節(jié)所述，隨著學(xué)問(wèn)和分析工具的進(jìn)展，影像組學(xué)在腫瘤學(xué)決策支持方面的潛力也在增長(zhǎng)。基于強(qiáng)度、外形、大小或體積以及紋理的定量圖像特征供給了有關(guān)腫瘤表型和微環(huán)境的信息，這些信息不同于臨床報(bào)告、試驗(yàn)室測(cè)試結(jié)果以及基因組或蛋白質(zhì)組分析所供給的信息。這些特征，連同其他信息，可以與臨床結(jié)果數(shù)據(jù)相關(guān)聯(lián)，并用于臨床決策支持〔圖1〕。影像組學(xué)似乎供給了幾乎無(wú)限的成像生物標(biāo)記物，可能有助于癌癥的檢測(cè)、診斷和治療，預(yù)后評(píng)估、治療反響推測(cè)和疾病狀態(tài)監(jiān)測(cè)。圖1，流程圖顯示了影像組學(xué)過(guò)程以及在決策支持中的使用?；颊邫z查需要將來(lái)自不同來(lái)源的信息合并到一個(gè)連貫的模型中，以描述病變的位置、部位和作用。影像組學(xué)從獵取高質(zhì)量圖像開(kāi)頭。從這些圖像中，可以識(shí)別包含整個(gè)腫瘤或腫瘤內(nèi)的子區(qū)域的感興趣區(qū)域〔ROI〕。這些圖像通過(guò)分割，最終以三維〔3D〕形式呈現(xiàn)。從這些感興趣區(qū)中提取定量特征以生成特征，該特征與其他數(shù)據(jù)〔如臨床和基因組數(shù)據(jù)〕一起放置在數(shù)據(jù)庫(kù)中。然后對(duì)這些數(shù)據(jù)進(jìn)展挖掘，為感興趣的結(jié)果開(kāi)發(fā)診斷、推測(cè)或預(yù)后模型挖掘影像數(shù)據(jù)以檢測(cè)與基因組模式的相關(guān)性被稱(chēng)為影像基因組學(xué)，它在爭(zhēng)論界引起了特別大的興趣。為避開(kāi)混淆，應(yīng)留意，影像基因組學(xué)一詞也用于影像腫瘤學(xué)領(lǐng)域，旨在基于全基因組分析來(lái)確定影像敏感性變異的遺傳緣由。此后，在本文中，我們將僅將影像基因組學(xué)稱(chēng)為影像特征與基因組數(shù)據(jù)的結(jié)合，以實(shí)現(xiàn)決策支持。影像基因組學(xué)的價(jià)值源于這樣一個(gè)事實(shí)：盡管幾乎全部癌癥患者在治療期間都會(huì)在某個(gè)時(shí)間點(diǎn)進(jìn)展成像，而且往往是屢次，但并不是全部患者都對(duì)其疾病進(jìn)展了基因組分析。此外，當(dāng)進(jìn)展基因組分析時(shí)，固定位置進(jìn)展，并且易受樣本誤差影響。因此，影像基因組學(xué)有兩種潛在用途，將在影像基因組學(xué)結(jié)果局部的例如中具體描述。首先，影像數(shù)據(jù)的一個(gè)子集可以用來(lái)提示基因表達(dá)或突變狀態(tài)，這可能需要進(jìn)一步的檢測(cè)。這一點(diǎn)很重要，由于影像數(shù)據(jù)來(lái)自整個(gè)腫瘤〔或多個(gè)腫瘤〕，而不僅僅是樣本。因此，影像組學(xué)可以供給有關(guān)樣本基因組學(xué)的重要信息，并可用于穿插驗(yàn)證。其次，影像特征的一個(gè)子集與基因表達(dá)或突變數(shù)據(jù)沒(méi)有顯著相關(guān)性，因此有可能供給額外的獨(dú)立信息。這一影像特征子集與基因組數(shù)據(jù)的結(jié)合可能會(huì)提高診斷、預(yù)后和推測(cè)力量。雖然影像組學(xué)最初起源于根底爭(zhēng)論，但最近它也引起了臨床爭(zhēng)論人員以及日常臨床實(shí)踐人員的興趣。對(duì)于臨床影像科醫(yī)生來(lái)說(shuō)，影像組學(xué)有可能幫助診斷常見(jiàn)和罕見(jiàn)的腫瘤。腫瘤異質(zhì)性的可視化對(duì)于評(píng)估腫瘤的侵襲性和預(yù)后可能至關(guān)重要。例如，爭(zhēng)論已經(jīng)說(shuō)明，影像組學(xué)分析有助于區(qū)分前列腺癌和良性前列腺組織，或增加有關(guān)前列腺癌侵襲性的信息。在肺癌和多形性膠質(zhì)母細(xì)胞瘤的評(píng)估中，影像組學(xué)已被證明是評(píng)估患者預(yù)后的工具。為影像組學(xué)開(kāi)發(fā)的工具可以幫助日常臨床工作，而影像科醫(yī)生可以在持續(xù)構(gòu)建的用于將來(lái)決策支持的數(shù)據(jù)庫(kù)方面發(fā)揮關(guān)鍵作用。XX-組學(xué)是源于分子生物學(xué)學(xué)科的一個(gè)術(shù)語(yǔ)，用于描述生物分子的具體特征，如DNA〔基因組學(xué)〕、RNA〔轉(zhuǎn)錄組學(xué)〕、蛋白質(zhì)〔蛋白質(zhì)組學(xué)〕和代謝物〔代謝組學(xué)〕。現(xiàn)在，這個(gè)術(shù)語(yǔ)也被用于其他醫(yī)學(xué)爭(zhēng)論領(lǐng)域，這些領(lǐng)域從單個(gè)物體或樣本中生成簡(jiǎn)單的高維數(shù)據(jù)。組學(xué)數(shù)據(jù)的優(yōu)勢(shì)是這些數(shù)據(jù)是可挖掘的，因此可以用于探究和假設(shè)生成。組學(xué)概念很簡(jiǎn)潔應(yīng)用于多層定量斷層成像：來(lái)自一名患者的一張多層面或三維圖像可能很簡(jiǎn)潔包含數(shù)百萬(wàn)個(gè)體素。此外，一個(gè)腫瘤〔或其他特別實(shí)體〕可能包含數(shù)百個(gè)描述大小、外形和紋理的可測(cè)量特征。影像組學(xué)分析是準(zhǔn)確醫(yī)學(xué)追求的縮影，在準(zhǔn)確醫(yī)學(xué)中，分子和其他生物標(biāo)志物被用來(lái)推測(cè)在正確的時(shí)間對(duì)正確的患者進(jìn)展正確的治療?？煽壳医?jīng)過(guò)驗(yàn)證的生物標(biāo)志物的可用性對(duì)于推動(dòng)精準(zhǔn)醫(yī)學(xué)至關(guān)重要。全世界都在努力提高這類(lèi)生物標(biāo)志物的可用性，而在美國(guó)，這一努力最顯著的是通過(guò)精準(zhǔn)醫(yī)學(xué)建議。這項(xiàng)建議將為一種的以患者為動(dòng)力的爭(zhēng)論模式供給資金，該模式有望加速生物醫(yī)學(xué)覺(jué)察，并為臨床醫(yī)生提供的工具、學(xué)問(wèn)和療法，從而實(shí)現(xiàn)更準(zhǔn)確的共性化護(hù)理。針對(duì)癌癥的影像組學(xué)方法的一個(gè)主要優(yōu)點(diǎn)是，幾乎每一位癌癥患者都能獲得數(shù)字影像圖像，全部這些圖像都是潛在的治療來(lái)源的影像組學(xué)數(shù)據(jù)集。僅在美國(guó)，每年就有大約160萬(wàn)的癌癥病例。大多數(shù)患者將承受多重CT、MR成像和PET檢查。在將來(lái)，全部這些爭(zhēng)論的圖像解釋都有可能通過(guò)使用影像組學(xué)來(lái)增加，從而建立一個(gè)前所未有的大數(shù)據(jù)源，擴(kuò)大覺(jué)察有用相關(guān)性的潛力。盡管影像組學(xué)將通過(guò)基因組學(xué)的應(yīng)用和改進(jìn)的分型方法更好地描述患者及其疾病，但它也將增加數(shù)據(jù)治理的挑戰(zhàn)，我們將在本文后面爭(zhēng)論。影像組學(xué)為腫瘤生物學(xué)的評(píng)估供給了重要的優(yōu)勢(shì)。人們現(xiàn)在生疏到，大多數(shù)臨床相關(guān)實(shí)體瘤在表型、生理學(xué)和基因組水平〔13-15〕上具有高度異質(zhì)性，并且它們會(huì)隨著時(shí)間的推移不斷進(jìn)化。在這個(gè)靶向治療的興時(shí)代，值得留意的是，大多數(shù)反響都不是長(zhǎng)久的，而且效益通常是以月而不是年來(lái)衡量的。例如：〔a〕表皮生長(zhǎng)因子受體突變型肺癌患者使用吉非替尼，〔b〕人類(lèi)表皮生長(zhǎng)因子受體2〔或HER2〕過(guò)度表達(dá)乳腺癌患者使用曲妥扎單抗，〔c〕b-Raf突變型黑色素瘤患者使用維穆拉非尼。同一患者腫瘤內(nèi)和轉(zhuǎn)移瘤部位的基因組異質(zhì)性是治療失敗和消滅治療耐藥性的主要緣由。因此，準(zhǔn)確醫(yī)學(xué)不僅需要體外生物標(biāo)記物和關(guān)心診斷，而且還需要在空間和時(shí)間上區(qū)分的腫瘤生物標(biāo)記物。推動(dòng)影像組學(xué)爭(zhēng)論的一個(gè)核心假設(shè)是，影像組學(xué)有可能實(shí)現(xiàn)腫瘤內(nèi)和腫瘤間異質(zhì)性的定量測(cè)量。此外，影像組學(xué)供給了在治療監(jiān)測(cè)和優(yōu)化或主動(dòng)監(jiān)測(cè)中縱向使用的可能性。盡管影像組學(xué)的此類(lèi)應(yīng)用尚待深入探究，但它們可能供給了最具價(jià)值的將來(lái)。應(yīng)當(dāng)強(qiáng)調(diào)的是，影像和影像基因分析可用于確定相關(guān)性，而不是病理機(jī)制；因此，它們不能僅通過(guò)成像對(duì)組織的遺傳或其他內(nèi)容進(jìn)展最終評(píng)估。然而，影像學(xué)數(shù)據(jù)與基因組或其他組學(xué)數(shù)據(jù)的相關(guān)性不僅可以打算是否檢測(cè)活檢樣本中的某些基因轉(zhuǎn)變，還可以打算活檢部位的選擇。它還可以供給證明性信息，以支持組織病理學(xué)覺(jué)察。這一點(diǎn)很重要，由于據(jù)估量，癌癥組織病理學(xué)的錯(cuò)誤率可能高達(dá)23%。病理組織學(xué)中的錯(cuò)誤是由于采樣錯(cuò)誤和觀(guān)看者的可變性造成的；因此，格外需要額外的定量診斷信息。我們信任，影像組學(xué)正在快速超越最正確爭(zhēng)論領(lǐng)域，并正在成為一種轉(zhuǎn)化技術(shù)。因此，現(xiàn)在是開(kāi)頭建立數(shù)據(jù)提取、分析和建立標(biāo)準(zhǔn)的適當(dāng)時(shí)機(jī)。本報(bào)告的目的是向包括影像科醫(yī)生在內(nèi)的寬闊臨床醫(yī)生介紹影像組學(xué)的實(shí)踐，讓更廣泛的社區(qū)參與建立標(biāo)準(zhǔn)。在這樣做的過(guò)程中，我們將描述影像組學(xué)技術(shù)所涉及的過(guò)程和它供給的獨(dú)特信息，以及它所面臨的挑戰(zhàn)和潛在的解決方案。我們還將重點(diǎn)介紹一些最的重要覺(jué)察，最終為將來(lái)的影像組學(xué)供給展望。影像組學(xué)流程雖然從概念上講很簡(jiǎn)潔，但影像組學(xué)的實(shí)踐涉及不連續(xù)的步驟，每個(gè)流程都有相對(duì)的挑戰(zhàn)。這些步驟如圖1所示，包括：〔a〕獵取圖像，〔b〕識(shí)別感興趣的體積〔即，可能包含預(yù)后價(jià)值的體積〕，〔c〕分割體積〔即，用計(jì)算機(jī)關(guān)心輪廓描繪體積的邊界〕，〔d〕從體積中提取和確認(rèn)描述性特征，〔e〕使用這些數(shù)據(jù)填充可搜尋的數(shù)據(jù)庫(kù)，以及〔f〕挖掘這些數(shù)據(jù)以構(gòu)建分類(lèi)器模型，單獨(dú)或結(jié)合其他信息〔如人口統(tǒng)計(jì)學(xué)、臨床、共病或基因組數(shù)據(jù)〕推測(cè)結(jié)果。我們將依次爭(zhēng)論這些過(guò)程。圖像獵取現(xiàn)代CT、MR成像和PET/CT組合使得在采集和圖像重建協(xié)議方面有很大的差異，而醫(yī)療成像中心通常缺乏這些協(xié)議的標(biāo)準(zhǔn)化。在臨床實(shí)踐中使用的常規(guī)影像學(xué)特征的識(shí)別中，這通常不是問(wèn)題。然而，當(dāng)對(duì)圖像進(jìn)展數(shù)值分析以提取有意義的數(shù)據(jù)時(shí)，采集和圖像重建參數(shù)的變化可能會(huì)導(dǎo)致非潛在生物效應(yīng)引起的變化。這一點(diǎn)在興的定量成像領(lǐng)域得到了廣泛認(rèn)可，該領(lǐng)域的目的是生成具有可描述的偏差和方差限制的醫(yī)學(xué)圖像。換句話(huà)說(shuō)，僅僅報(bào)告一個(gè)或一組從圖像中提取的數(shù)字是不夠的；相反，我們還必需能夠供給誤差標(biāo)準(zhǔn)，就像其他全部牢靠的試驗(yàn)室測(cè)量一樣。在過(guò)去的15年里，為推動(dòng)定量成像做出了多項(xiàng)努力，包括確定采集和重建標(biāo)準(zhǔn)〔26,27〕。QIN是NCI起的一個(gè)合作網(wǎng)絡(luò)，其目標(biāo)是開(kāi)發(fā)定量成像方法，以提高癌癥療法臨床試驗(yàn)的有效性?！癚IN”是NCI的一項(xiàng)重大建議，可以被視為成像方法的前沿，包括影像組學(xué)。并且北美影像學(xué)會(huì)〔RSNA〕和美國(guó)國(guó)家生物醫(yī)學(xué)成像和生物工程爭(zhēng)論所〔NationalInstituteforBiomedicalImagingandBioengineering〕贊助了定量成像生物標(biāo)記物聯(lián)盟〔QIBA〕，這是定量成像領(lǐng)域的一項(xiàng)重大努力〔 29〕。QIBA的目標(biāo)是通過(guò)將參與其開(kāi)發(fā)和實(shí)施的全部團(tuán)隊(duì)聚攏在一起，實(shí)現(xiàn)定量成像的標(biāo)準(zhǔn)化。QIBA的主要產(chǎn)品是一種型文件，稱(chēng)為剖面圖，該文件就特定用途的定量成像生物標(biāo)記物的測(cè)量精度以及到達(dá)該測(cè)量精度水平所需的要求和程序達(dá)成共識(shí)。超過(guò)100名參與者參與創(chuàng)立了最初的齊巴氟脫氧葡萄糖 PET/CT檔案，該檔案于 2023年公布〔30,31〕。美國(guó)醫(yī)學(xué)物理學(xué)家協(xié)會(huì)〔AmericanAssociationofPhysicalsinMedicine〕正在以成像儀操作和測(cè)試的模式相關(guān)報(bào)告的形式供給定量成像的技術(shù)指南。最終，相關(guān)專(zhuān)業(yè)協(xié)會(huì)，如美國(guó)影像學(xué)會(huì)、RSNA、核醫(yī)學(xué)和分子成像學(xué)會(huì)、國(guó)際醫(yī)學(xué)磁共振學(xué)會(huì)和世界分子成像學(xué)會(huì)，正在越來(lái)越多地將定量成像根底的各個(gè)方面納入其指南。感興趣區(qū)識(shí)別確定具有預(yù)后價(jià)值的組織體積是腫瘤學(xué)影像學(xué)實(shí)踐的核心。雖然在診斷時(shí)可以在一個(gè)或多個(gè)腫瘤部位檢測(cè)到癌癥，但大多數(shù)癌癥轉(zhuǎn)移患者都有多個(gè)病灶。在這兩種狀況下，我們都需要將腫瘤和疑似腫瘤確定為感興趣的體積。然而，由于數(shù)字圖像的空間和對(duì)比度限制，影像學(xué)報(bào)告中通常沒(méi)有對(duì)可能具有預(yù)后價(jià)值的腫瘤內(nèi)亞體積〔腫瘤異質(zhì)性的表現(xiàn)〕進(jìn)展具體分析。雖然異質(zhì)性不包括在固體腫瘤1.1版〔32〕的反響評(píng)估標(biāo)準(zhǔn)中，但一些紋理描述符已被納入更簡(jiǎn)單的診斷成像報(bào)告和數(shù)據(jù)系統(tǒng)，如乳腺成像報(bào)告和數(shù)據(jù)系統(tǒng)〔 BI-RADS〕〔33〕、前列腺成像報(bào)告和數(shù)據(jù)系統(tǒng)〔PI-RADS〕〔34〕，以及肺成像報(bào)告和數(shù)據(jù)系統(tǒng)〔LungRADS〕〔35〕。在影像組學(xué)的實(shí)踐中，可以捕獲所謂的感興趣的子體積，并將其添加到分析中。在過(guò)程中其根本理念是在前端捕獲盡可能多的數(shù)據(jù)，并使用數(shù)據(jù)庫(kù)挖掘來(lái)識(shí)別具有最高預(yù)后價(jià)值的特征。最近，使用圖像數(shù)據(jù)識(shí)別病變?cè)谏砩喜煌瑓^(qū)域的特征概念已經(jīng)被發(fā)表〔36〕。在這種方法中，具有不同采集參數(shù)的圖像〔例如，比照T1WI磁共振成像、集中加權(quán)和流體衰減序列〕可以組合，以產(chǎn)生具有定量圖像數(shù)據(jù)特定組合的區(qū)域。值得注意的是，當(dāng)執(zhí)行此操作時(shí)，組合位于腫瘤的空間明確區(qū)域〔圖2〕。我們之所以稱(chēng)這些區(qū)域?yàn)楦信d趣區(qū)，是由于它們?cè)谏砩洗聿煌捏w積都有特定的血流、細(xì)胞密度、壞死和水腫組合?？梢詮拿總€(gè)感興趣區(qū)提取額外的影像特征，以獲得癌癥病變的高粒度描述。例如，在多形性膠質(zhì)母細(xì)胞瘤患者中，這些感興趣區(qū)的分布可以使我們區(qū)分進(jìn)展快速的癌癥〔存活400天〕和更緩慢的癌癥〔37〕。此外，這些感興趣區(qū)在治療后發(fā)生變化〔例如，用放療和替馬唑胺治療〕，觀(guān)看到的變化模式可以推測(cè)反響。圖2：多形性膠質(zhì)母細(xì)胞瘤患者。通過(guò)結(jié)合平掃和比照增加T1加權(quán)、T2加權(quán)和液體衰減反轉(zhuǎn)恢復(fù)〔FLAIR〕圖像來(lái)確定感興趣區(qū)。通過(guò)直方圖分析，將每次采集的數(shù)據(jù)分為低值和高值，得出八種不同組合的可能性。實(shí)際上，只觀(guān)看到四種不同的組合。它們對(duì)應(yīng)于紅色〔低T1、高T2和FLAIR〕、黃色〔低T1和T2、高FLAIR〕、藍(lán)色〔高T1和FLAIR、低T2〕和綠色〔高T1、低FLAIR和T2〕區(qū)域。值得留意的是，雖然單個(gè)體素是通過(guò)數(shù)學(xué)確定的，但它們?cè)诳臻g上聚集成連續(xù)區(qū)域，反映不同的生理微環(huán)境。分割分割是影像組學(xué)中最關(guān)鍵、最具挑戰(zhàn)性和最具爭(zhēng)議的局部。這一點(diǎn)至關(guān)重要，由于后續(xù)的特征數(shù)據(jù)是從分割的體積生成的。這很有挑戰(zhàn)性，由于很多腫瘤邊界模糊。這是一個(gè)有爭(zhēng)議的問(wèn)題，由于關(guān)于是否尋求根本原理或再現(xiàn)性，以及在多大程度上依靠手動(dòng)或自動(dòng)分割，目前仍存在爭(zhēng)論。然而，一個(gè)共識(shí)正在形成，通過(guò)計(jì)算機(jī)關(guān)心邊緣檢測(cè)，然后進(jìn)展手動(dòng)處理，可以實(shí)現(xiàn)最正確的可重復(fù)分割。眾所周知，手動(dòng)輪廓腫瘤的變異性很高〔38,39〕。正常構(gòu)造的分割，如骨骼元素和器官，現(xiàn)在可以實(shí)現(xiàn)完全自動(dòng)化。然而，任何疾病，尤其是癌癥，都需要醫(yī)生診斷輸入，由于在初始檢查時(shí)受試者之間和受試者內(nèi)部的形態(tài)學(xué)和比照度具有異質(zhì)性。特征選擇和量化影像組學(xué)的核心是提取高維特征數(shù)據(jù)，以定量描述感興趣區(qū)的屬性。實(shí)際上，“語(yǔ)義”和“潛在”特征是影像組學(xué)中提取的兩種類(lèi)型的特征。語(yǔ)義特征是影像學(xué)詞匯中常用于描述感興趣區(qū)域的特征，而不行知特征是那些試圖通過(guò)定量描述來(lái)捕獲病變異質(zhì)性的特征。語(yǔ)義特征-雖然影像科醫(yī)生通常使用語(yǔ)義特征來(lái)描述病變，但在本文中，我們使用計(jì)算機(jī)關(guān)心對(duì)其進(jìn)展量化。基于語(yǔ)義特征具有預(yù)后價(jià)值，影像組學(xué)的早期爭(zhēng)論開(kāi)發(fā)了影像學(xué)詞匯，與 BI-RAD、PI-RAD和Lung-RAD的描述格外相像。Segal等人在這方面發(fā)表了一篇權(quán)威的文章，他在影像基因組學(xué)的早期例子中，使用了一系列有限的影像科醫(yī)生評(píng)分的定量特征來(lái)推測(cè)肝細(xì)胞癌的基因表達(dá)模式〔40〕。這種方法仍舊具有很高的價(jià)值，并且有一種趨勢(shì)，即在計(jì)算機(jī)的幫助下捕獲此類(lèi)語(yǔ)義數(shù)據(jù)，以實(shí)現(xiàn)更高的組間全都性、更快的診斷量和更小的差異。潛在特征-圖像上的不行知影像特征是通過(guò)數(shù)學(xué)方法提取的定量描述符，通常不屬于影像科醫(yī)生的詞匯。這些可分為第一、其次或更高階的統(tǒng)計(jì)輸出。一階統(tǒng)計(jì)量描述單個(gè)體素值的分布，而不考慮空間關(guān)系。這些通常是基于直方圖的方法，并將感興趣的區(qū)域削減為圖像上強(qiáng)度的平均值、中值、最大值、最小值、均勻性或隨機(jī)性〔熵〕，以及直方圖的偏度〔不對(duì)稱(chēng)〕和峰度〔平坦度〕的單個(gè)值。二階統(tǒng)計(jì)描述符通常被描述為“紋理”特征；它們描述了具有相像〔或不同〕比照度值的體素之間的統(tǒng)計(jì)相互關(guān)系。1973年，Haralick等人首次引入圖像紋理分析〔41〕。在影像組學(xué)中，紋理分析可以很簡(jiǎn)潔地供給腫瘤內(nèi)異質(zhì)性的測(cè)量。在實(shí)踐中，有幾十種方法和多個(gè)變量可用于提取紋理特征，導(dǎo)致數(shù)百個(gè)值太多，無(wú)法在本文中具體闡述。本文參考了一些關(guān)于該爭(zhēng)論的優(yōu)秀綜述，特別是關(guān)于腫瘤內(nèi)異質(zhì)性的綜述。高階統(tǒng)計(jì)方法對(duì)圖像施加過(guò)濾，以提取重復(fù)或非重復(fù)特征。這些包括分形分析，其中濾波被施加在圖像上，并且包含指定值的體素的計(jì)算〔44〕；Minkowski泛函，用于評(píng)估強(qiáng)度高于閾值的體素特征；小波，是將圖像乘以簡(jiǎn)單線(xiàn)性或徑向“波”矩陣的濾波變換；高斯帶通濾波器的拉普拉斯變換，可以從圖像中提取紋理圖案越來(lái)越粗糙的區(qū)域。人們始終在努力識(shí)別、定義和提取更多的潛在特征。第一個(gè)這樣的爭(zhēng)論使用182個(gè)紋理特征和22個(gè)語(yǔ)義特征來(lái)描述肺癌的CT圖像。然后是442個(gè)組合的特征集，其中也包含小波。最近，這已經(jīng)擴(kuò)展到662個(gè)特征，其中還包含高斯擬合的拉普拉斯變換；以及522個(gè)特征的組合，其中包括紋理和分形維數(shù)特征。這些特征可能可以從個(gè)體感興趣區(qū)中提取，從而產(chǎn)生數(shù)千個(gè)數(shù)據(jù)元素來(lái)描述每個(gè)感興趣的體積，每個(gè)患者都有很多感興趣的體積。因此，很明顯，描述圖像特征的數(shù)量可以接近通過(guò)基因表達(dá)譜獲得的數(shù)據(jù)的簡(jiǎn)單性，這通常會(huì)產(chǎn)生超過(guò)30000個(gè)不同序列的信息。如此簡(jiǎn)單的狀況下，存在過(guò)度擬合分析的危急，因此，必需通過(guò)優(yōu)先考慮主要特征來(lái)降低維度。最系統(tǒng)的方法是首先確定可能是冗余的特征〔即那些彼此高度相關(guān)的特征〕。圖 3是從143例非小細(xì)胞肺癌患者的CT掃描中提取的219個(gè)特征的協(xié)方差矩陣。那些彼此高度相關(guān)〔R2.0.95〕的特征顯示為紅色非獨(dú)角區(qū)域。高度相關(guān)的特征簇可以折疊成一個(gè)具有代表性的特征，通常是主體間可變性最大或動(dòng)態(tài)范圍最高的特征。圖3還為其他組學(xué)領(lǐng)域供給了一個(gè)概念橋梁，其中圖像的數(shù)據(jù)內(nèi)容由假彩色圖表示。假設(shè)可用，復(fù)測(cè)數(shù)據(jù)也格外有用，由于它們可以幫助依據(jù)特征的再現(xiàn)性確定特征的優(yōu)先級(jí)。Aerts等人描述的另一個(gè)優(yōu)先級(jí)別是，在代表不同潛在和語(yǔ)義特征類(lèi)別〔例如大小、外形和一階二階高階特征〕的單獨(dú)類(lèi)別中對(duì)挨次特征進(jìn)展排序。然后，可以使用每個(gè)類(lèi)中的兩個(gè)或三個(gè)最高優(yōu)先級(jí)的特征構(gòu)建分類(lèi)器模型。歸根結(jié)底，特征集的價(jià)值取決于它們對(duì)通過(guò)數(shù)據(jù)庫(kù)挖掘創(chuàng)立的分類(lèi)器模型的奉獻(xiàn)。3：特征的協(xié)方差矩陣。共從235名患者的每個(gè)非小細(xì)胞肺癌腫瘤中提取了219個(gè)特征。在全部腫瘤中，通過(guò)使用回歸分析將每個(gè)特征與全部其他特征單獨(dú)比較，從而產(chǎn)生相關(guān)系數(shù)〔R2〕。然后沿著兩個(gè)軸對(duì)各個(gè)特征進(jìn)展聚類(lèi)和繪制，R2顯示為熱圖，高相關(guān)性區(qū)域〔R2.0.95〕顯示為紅色。因此，對(duì)角線(xiàn)上的每個(gè)紅色方塊都包含一組相互高度相關(guān)的特征，因此是冗余的。為了進(jìn)展數(shù)據(jù)分析，選擇了一個(gè)特征來(lái)代表這些群體。選擇的代表性特征是在整個(gè)患者數(shù)據(jù)集中具有顯著〔患者間變異性〕的特征，明確假設(shè)顯示最高患者間變異性的特征將是信息量最大的特征。建立數(shù)據(jù)庫(kù)：保證數(shù)量和質(zhì)量在影像組學(xué)和其他領(lǐng)域，推測(cè)分類(lèi)器模型的力量取決于是否有足夠的數(shù)據(jù)。依據(jù)我們的閱歷，合理的經(jīng)驗(yàn)法則是，基于二元分類(lèi)器的模型中的每個(gè)特征需要10個(gè)樣本〔患者數(shù)據(jù)〕。此外，最好的模型是那些能夠容納額外的臨床或基因組協(xié)變量的模型，這增加了對(duì)大型高質(zhì)量數(shù)據(jù)集的需求。盡管更大的數(shù)據(jù)集供給了更大的準(zhǔn)確率，但僅需100名患者就可以進(jìn)展影像成像。從回憶性數(shù)據(jù)中獵取和整理大型高質(zhì)量數(shù)據(jù)集格外耗時(shí)。例如，在最近的一項(xiàng)爭(zhēng)論中，我們整理了一組具有基因表達(dá)譜的非小細(xì)胞肺癌腺癌患者的數(shù)據(jù)。在當(dāng)?shù)財(cái)?shù)據(jù)庫(kù)中，285名此類(lèi)患者很簡(jiǎn)潔被確定為此類(lèi)隊(duì)列爭(zhēng)論的潛在候選者。需要通過(guò)圖表和病理學(xué)檢查來(lái)驗(yàn)證這些結(jié)果需要188小時(shí)，由于數(shù)據(jù)缺失或組織病理學(xué)覺(jué)察不明確，導(dǎo)致?tīng)?zhēng)論隊(duì)列中失去了50名患者。當(dāng)組織病理學(xué)覺(jué)察模棱兩可時(shí)，病理學(xué)家檢查了圖像；這只會(huì)增加時(shí)間。通過(guò)標(biāo)準(zhǔn)化的圖像采集和重建系統(tǒng)，需要92小時(shí)的標(biāo)準(zhǔn)化圖像采集。將特征分割和提取到數(shù)據(jù)庫(kù)中需要額外 145小時(shí)。因此，143名患者的數(shù)據(jù)集的爭(zhēng)論需要285名患者〔約50%的損耗〕的訓(xùn)練集，需要430小時(shí)的處理，或每個(gè)患者大約3小時(shí)的處理。由于這些患者沒(méi)有進(jìn)展醫(yī)療或人口統(tǒng)計(jì)篩選。在將來(lái)，以更高的質(zhì)量和標(biāo)準(zhǔn)前瞻性地捕獲圖像和其他數(shù)據(jù)將削減數(shù)據(jù)消耗，并使過(guò)程更高效。建模一旦有了高質(zhì)量和細(xì)心籌劃的大型數(shù)據(jù)集，它們就可以用于數(shù)據(jù)挖掘，即在大型數(shù)據(jù)集中構(gòu)建模型的過(guò)程。這個(gè)過(guò)程可以使用人工智能、機(jī)器學(xué)習(xí)或統(tǒng)計(jì)方法。一方面，這些方法包括有監(jiān)視和無(wú)監(jiān)視機(jī)器學(xué)習(xí)方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)或貝葉斯網(wǎng)絡(luò)。盡管這些方法通過(guò)訓(xùn)練集使用先驗(yàn)學(xué)問(wèn)，但它們是不行知的，由于它們不對(duì)單個(gè)特征的含義進(jìn)展假設(shè)。因此，在開(kāi)頭學(xué)習(xí)時(shí)，全部特征都被同等重視。數(shù)據(jù)挖掘領(lǐng)域的另一端是假設(shè)驅(qū)動(dòng)的方法，它們依據(jù)預(yù)定義的信息內(nèi)容對(duì)特征進(jìn)展聚類(lèi)。雖然這兩種方法都有優(yōu)點(diǎn)，但最好的模型是那些依據(jù)特定醫(yī)學(xué)背景量身定制的，因此從定義明確的終點(diǎn)開(kāi)頭。理想狀況下，穩(wěn)健的模型能夠適應(yīng)試驗(yàn)以外的患者特征。協(xié)變量包括基因組圖譜〔表達(dá)、突變、多態(tài)性〕、組織學(xué)、血清標(biāo)記物、病史和符合特定用例的生物標(biāo)記物〔圖1〕。實(shí)際上，并非全部患者都能獲得全部信息；因此，模型的設(shè)計(jì)也應(yīng)當(dāng)適應(yīng)稀疏數(shù)據(jù)。如前所述，模型的魯棒性完全取決于數(shù)據(jù)庫(kù)中數(shù)據(jù)的大小和質(zhì)量。質(zhì)量不僅取決于圖像采集條件，還取決于協(xié)變量的可用性和牢靠性。例如，總體存活率是很多爭(zhēng)論的共同終點(diǎn)，但這包括全部緣由的死亡，這可能與正在爭(zhēng)論的疾病無(wú)關(guān)。相對(duì)準(zhǔn)確的爭(zhēng)論終點(diǎn)包括無(wú)進(jìn)展生存和無(wú)疾病生存或復(fù)發(fā)；然而，這些數(shù)據(jù)并不簡(jiǎn)潔獲得，需要通過(guò)圖表審查進(jìn)展特地的抽象工作。因此，迫切需要獵取此類(lèi)數(shù)據(jù)，并在各機(jī)構(gòu)之間共享數(shù)據(jù)，以積存足夠的數(shù)據(jù)，增加統(tǒng)計(jì)力量。這種數(shù)據(jù)共享是秦的一項(xiàng)重大舉措，QIN的成員致力于將細(xì)心籌劃的數(shù)據(jù)集存入癌癥成像檔案庫(kù)，用于公共和私人數(shù)據(jù)挖掘工作。影像組學(xué)結(jié)果舉例在過(guò)去10年中，影像組學(xué)和影像基因組學(xué)在斷層成像〔CT、MR成像和PET〕方面的爭(zhēng)論顯著增加。兩篇寫(xiě)得很好且相對(duì)較的評(píng)論描述了2023年的一些進(jìn)展〔42,43〕。在接下來(lái)的局部中，我們將重點(diǎn)介紹一些顯著的覺(jué)察，其中一些是最近的，這些覺(jué)察顯示了影像組學(xué)在多個(gè)領(lǐng)域?qū)嵸|(zhì)性地幫助臨床護(hù)理的潛力。關(guān)心診斷在一項(xiàng)對(duì)147名經(jīng)活檢證明患有前列腺癌的男性進(jìn)展的爭(zhēng)論中，Wibmer等人說(shuō)明，Haralick紋理分析有可能在T2加權(quán)MR圖像和集中加權(quán)MR圖像得出的表觀(guān)集中系數(shù)〔ADC〕圖上區(qū)分癌性前列腺組織和非癌性前列腺組織〔圖4〕。在前列腺四周區(qū)域，評(píng)估的全部五個(gè)特征〔熵、慣性、能量、相關(guān)性和同質(zhì)性〕在兩種類(lèi)型的圖像上的良性組織和癌組織之間存在顯著差異；然而，在過(guò)渡區(qū)，ADC圖上的全部五個(gè)特征和T2加權(quán)圖像上的兩個(gè)特征〔慣性和相關(guān)性〕都存在顯著差異。在后續(xù)爭(zhēng)論中，這些特征被用于自動(dòng)計(jì)算Gleason分級(jí)，并被覺(jué)察能夠區(qū)分Gleason評(píng)分為6〔3+3〕的癌癥和Gleason評(píng)分為7或以上的癌癥，準(zhǔn)確率為93%。此外，這些分析可用于區(qū)分兩種不同形式的Gleason7〔4+3vs3+4〕，92%。圖4：紋理分析在前列腺癌T2加權(quán)MR圖像和ADC圖中的應(yīng)用。過(guò)渡區(qū)的病變?cè)赥2加權(quán)圖像〔左上〕上幾乎看不見(jiàn)，在A(yíng)DC圖〔右上〕上具有更高的顯著性。紋理特征是基于每個(gè)體素從手動(dòng)分割的感興趣區(qū)域計(jì)算出來(lái)的，識(shí)別正常周邊區(qū)域〔藍(lán)色輪廓〕和癌癥〔紅色輪廓〕。依據(jù)計(jì)算出的紋理特征，承受機(jī)器學(xué)習(xí)方法來(lái)區(qū)分正常構(gòu)造和癌性構(gòu)造，并對(duì)格里森模式進(jìn)展分級(jí)。熱圖圖像顯示了安康組織和癌癥之間的明顯差異，描繪了腫瘤內(nèi)的異質(zhì)性，這可能有助于評(píng)估腫瘤的侵襲性，并為融合磁共振成像-超聲活檢供給信息。腫瘤預(yù)后遺傳學(xué)爭(zhēng)論首次顯示了癌癥患者的定量圖像特征與基因表達(dá)模式之間的關(guān)系。在第一項(xiàng)爭(zhēng)論中，爭(zhēng)論人員將從肝細(xì)胞癌患者比照增加CT圖像中提取的影像科醫(yī)生定義的語(yǔ)義特征與使用機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的基因表達(dá)模式進(jìn)展了比較。他們覺(jué)察，28種成像特征的組合可用于重建78%的整體基因表達(dá)譜，而這些基因表達(dá)譜又與細(xì)胞增殖、肝臟合成功能和患者預(yù)后有關(guān)。在隨后的一項(xiàng)爭(zhēng)論中，爭(zhēng)論人員承受類(lèi)似的方法，比較了從MR圖像中提取的圖像特征，以推測(cè)多形性膠質(zhì)母細(xì)胞瘤患者的整體基因表達(dá)模式。他們覺(jué)察，“浸潤(rùn)性”成像表型與顯著縮短的生存期相關(guān)。肺癌患者中，有確鑿的證據(jù)說(shuō)明肺部CT圖像上存在腫瘤內(nèi)異質(zhì)性。這些異質(zhì)性可以通過(guò)紋理或熵梯度等特征來(lái)捕獲。Grove等人覺(jué)察，這些指標(biāo)是早期肺癌患者強(qiáng)有力的預(yù)后指標(biāo)〔P，.01〕。Aerts等人的一項(xiàng)爭(zhēng)論說(shuō)明，影像特征可用于推測(cè)來(lái)自?xún)蓚€(gè)獨(dú)立機(jī)構(gòu)的完全獨(dú)立肺癌患者隊(duì)列的結(jié)果。此外，同樣的特征也可以應(yīng)用于具有同等預(yù)后力量的頭頸癌患者隊(duì)列。值得留意的是，該特征由來(lái)自四個(gè)類(lèi)別〔大小、外形、紋理和小波〕的頂級(jí)特征組成，這些特征通過(guò)使用測(cè)試-再測(cè)試再現(xiàn)性和主體間范圍從442個(gè)特征的數(shù)據(jù)庫(kù)中進(jìn)展優(yōu)先排序。這項(xiàng)爭(zhēng)論展現(xiàn)影像組學(xué)從一般影像學(xué)表型在識(shí)別多種癌癥預(yù)前方面的潛力。影像學(xué)界眾所周知，磁共振成像的比照度增加通常是不均勻的，具有簡(jiǎn)單的模式。在一篇具有里程碑意義的文章中，Rose等人分析了23例膠質(zhì)瘤患者的動(dòng)態(tài)比照增加MR圖像的增加模態(tài)，使用二階和更高的統(tǒng)計(jì)指標(biāo)來(lái)表示增加異質(zhì)性。他們說(shuō)明，動(dòng)態(tài)比照增加MR圖像的紋理異質(zhì)性的簡(jiǎn)單度量轉(zhuǎn)移系數(shù)圖可用于區(qū)分高級(jí)別和低級(jí)別膠質(zhì)瘤，其統(tǒng)計(jì)成效〔P，.00005〕遠(yuǎn)高于單獨(dú)的中值轉(zhuǎn)移系數(shù)圖〔P=.005〕。在最近的一項(xiàng)爭(zhēng)論中，Gevaert等人提取了55例承受基因表達(dá)譜分析的膠質(zhì)瘤患者的大量語(yǔ)義和潛在特征。然后對(duì)特征集進(jìn)展重復(fù)性篩選，產(chǎn)生18個(gè)特征，并在三個(gè)不同的感興趣區(qū)進(jìn)展評(píng)估。在潛在特征中，大局部與語(yǔ)義特征相關(guān)；54人中有3人與生存有關(guān)，7例與基因表達(dá)有關(guān)。當(dāng)通過(guò)通路評(píng)估基因表達(dá)時(shí)，大約一半的成像特征顯示出與基因組學(xué)的強(qiáng)相關(guān)性。這些分析說(shuō)明，基于影像組學(xué)的方法可以顯著提高推測(cè)基因表達(dá)模式、預(yù)后和膠質(zhì)瘤分期的力量。最近，Vignati等人對(duì)49例前列腺癌患者的集中和T2加權(quán)磁共振成像檢查進(jìn)展了徹底的前瞻性影像組學(xué)分析。將從T2ADC圖中提取的潛在特征與更傳統(tǒng)的ADC截止指標(biāo)進(jìn)展比較，以驗(yàn)證紋理有助于區(qū)分病理性Gleason評(píng)分為6的男性和病理性Gleason評(píng)分為7或更高的男性的假設(shè)。這是一個(gè)重要的臨界點(diǎn)，由于病理學(xué)Gleason評(píng)分為6分的男性可能是樂(lè)觀(guān)監(jiān)測(cè)的候選對(duì)象。對(duì)于標(biāo)準(zhǔn)ADC截止指標(biāo)，AUC特性曲線(xiàn)下的面積范圍為0.82至0.85。當(dāng)分析ADC和T2圖的異質(zhì)性時(shí)，曲線(xiàn)下的面積分別提高到0.92和0.96。盡管這項(xiàng)爭(zhēng)論可能數(shù)據(jù)量缺乏，但它顯示了定量分析腫瘤異質(zhì)性在評(píng)估腫瘤侵襲性和告知重大臨床決策〔如是否治療癌癥〕方面的潛在價(jià)值。值得留意的是，其他爭(zhēng)論人員也覺(jué)察，即使在掌握了ADC中位數(shù)后從ADC圖確定的熵與病理性Gleason評(píng)分顯著相關(guān)。Kuo等人確定了與阿霉素藥物反應(yīng)基因表達(dá)程序相關(guān)的肝細(xì)胞癌影像學(xué)表型。他們的結(jié)果說(shuō)明，影像基因分析可用于指導(dǎo)個(gè)體腫瘤的治療選擇。最近，一項(xiàng)對(duì)58名承受局部晚期乳腺癌治療的女性的爭(zhēng)論說(shuō)明，紋理分析動(dòng)態(tài)比照增加磁共振成像可以幫助推測(cè)關(guān)心化療開(kāi)頭前的反響。指導(dǎo)活檢或切除圖像可以用來(lái)指導(dǎo)活檢是不言而喻的。我們認(rèn)為，對(duì)區(qū)域不同的影像特征進(jìn)展定量分析也可以準(zhǔn)確地確定活檢；也就是說(shuō)，它們可以用于先驗(yàn)地識(shí)別簡(jiǎn)單腫瘤中最可能包含重要診斷、預(yù)后或推測(cè)信息的位置。使用PET將功能信息疊加在CT或MR圖像上，以更好地指導(dǎo)腹部和骨病患者的活檢，已經(jīng)證明白這一點(diǎn)。圖4、圖6和圖7分別顯示了影像組學(xué)在前列腺癌、膀胱癌和轉(zhuǎn)移性乳腺癌患者的MR成像、CT和PET/CT中應(yīng)用的最實(shí)例，并顯示了影像組學(xué)在更明智地打算在哪里進(jìn)展活檢方面的潛力。影像組學(xué)挑戰(zhàn)在這篇文章中，我們已經(jīng)爭(zhēng)論了影像醫(yī)學(xué)過(guò)程中各個(gè)步驟的技術(shù)挑戰(zhàn)?，F(xiàn)在，我們將介紹從整體上看，從影像組學(xué)引起的更廣泛關(guān)注。再現(xiàn)性影像組學(xué)是一門(mén)興的學(xué)科。與以分子生物學(xué)為動(dòng)機(jī)的治療一樣，影像組學(xué)在加速準(zhǔn)確醫(yī)學(xué)方面具有巨大潛力。然而，影像組學(xué)也有可能經(jīng)受與基于分子生物學(xué)的系統(tǒng)診斷技術(shù)和治療一樣的緩慢進(jìn)展。這一緩慢進(jìn)展可歸因于多種緣由，包括技術(shù)簡(jiǎn)單性、糟糕的研究設(shè)計(jì)〔尤其是假設(shè)生成與假設(shè)檢驗(yàn)的混合〕和數(shù)據(jù)擬合過(guò)度，缺乏驗(yàn)證結(jié)果的標(biāo)準(zhǔn)，結(jié)果報(bào)告不完整，所用數(shù)據(jù)庫(kù)中未識(shí)別的混雜變量，尤其是假設(shè)數(shù)據(jù)是回憶性得出的。因此，與任何生物標(biāo)志物爭(zhēng)論一樣，回憶性影像組學(xué)爭(zhēng)論必需依據(jù)完全獨(dú)立的數(shù)據(jù)集進(jìn)展驗(yàn)證，最好是來(lái)自另一個(gè)機(jī)構(gòu)。此外，最嚴(yán)格的生物標(biāo)志物鑒定要求進(jìn)展前瞻性多中心試驗(yàn)，其中生物標(biāo)志物是主要終點(diǎn)之一。雖然已經(jīng)開(kāi)發(fā)出了用于基因組分析的標(biāo)準(zhǔn)化工具〔前列腺癌的GenomeDx[GenomeDxBiosciences，加利福尼亞州圣地亞哥]、乳腺癌的OncotypeDx[genomicHealth，加利福尼亞州紅杉城]〕，但它們并沒(méi)有得到普遍認(rèn)可，也沒(méi)有在各個(gè)醫(yī)療中心得到應(yīng)用，這阻礙了數(shù)據(jù)共享和結(jié)果重現(xiàn)的進(jìn)展。爭(zhēng)論已經(jīng)在生物醫(yī)學(xué)爭(zhēng)論和分子靶向藥物開(kāi)發(fā)中記錄了這些問(wèn)題。2023年對(duì)生物醫(yī)學(xué)爭(zhēng)論報(bào)告的分析覺(jué)察，至少50%的爭(zhēng)論太差、不夠充分或不完整，無(wú)法使用。拜耳醫(yī)療保健公司〔德國(guó)勒沃庫(kù)森〕的科學(xué)家報(bào)告稱(chēng)，他們僅能成功復(fù)制的67項(xiàng)爭(zhēng)論中四分之一的已發(fā)表結(jié)果。此外，當(dāng)安進(jìn)〔加利福尼亞州千橡園〕的科學(xué)家試圖復(fù)制癌癥根底科學(xué)中53項(xiàng)里程碑式的爭(zhēng)論時(shí)，他們只復(fù)制了6項(xiàng)〔67項(xiàng)〕的原始結(jié)果。這些問(wèn)題已經(jīng)變得足夠嚴(yán)峻，來(lái)自30多家高影響因子生物醫(yī)學(xué)期刊的編輯已經(jīng)聯(lián)合起來(lái)，實(shí)施統(tǒng)計(jì)測(cè)試的共同標(biāo)準(zhǔn)，并改善原始數(shù)據(jù)的獵取。這些標(biāo)準(zhǔn)已被美國(guó)國(guó)立衛(wèi)生爭(zhēng)論院承受。盡管這些標(biāo)準(zhǔn)是為解決臨床前數(shù)據(jù)而制定的，但它們可以應(yīng)用于全部爭(zhēng)論領(lǐng)域，并可以為解決與影像組學(xué)固有的高維數(shù)據(jù)采集和分析相關(guān)的復(fù)雜問(wèn)題供給標(biāo)準(zhǔn)參考。Equatornetwork供給了一個(gè)極好的概述，該網(wǎng)絡(luò)促進(jìn)了安康爭(zhēng)論的質(zhì)量和透亮度。醫(yī)學(xué)爭(zhēng)論所2023年的《組學(xué)》報(bào)告也指出了爭(zhēng)論設(shè)計(jì)的挑戰(zhàn)。解決這些挑戰(zhàn)的一個(gè)明確方法是為影像組學(xué)爭(zhēng)論的開(kāi)展及其在文獻(xiàn)中的報(bào)告建立基準(zhǔn)。大數(shù)據(jù)在準(zhǔn)確醫(yī)學(xué)時(shí)代，每個(gè)患者都會(huì)收集到千兆字節(jié)的數(shù)據(jù)?；颊邤?shù)量的指數(shù)增長(zhǎng)以及從中獵取的數(shù)據(jù)元素被通俗地稱(chēng)為“大數(shù)據(jù)”。大數(shù)據(jù)建議的目的是從并非源自細(xì)心掌握的試驗(yàn)的大數(shù)據(jù)集中得出推論。雖然觀(guān)測(cè)值之間的相關(guān)性可能數(shù)量浩大且簡(jiǎn)潔獲得，但因果關(guān)系更難評(píng)估和建立，局部緣由是它對(duì)于簡(jiǎn)單系統(tǒng)來(lái)說(shuō)是一個(gè)模糊且缺乏明確規(guī)定的構(gòu)造。在大數(shù)據(jù)學(xué)科中，有一些根本問(wèn)題：獵取海量數(shù)據(jù)是否是理解根底科學(xué)和應(yīng)用科學(xué)根本問(wèn)題的關(guān)鍵？或者，數(shù)據(jù)的大量增加是否會(huì)混淆分析，產(chǎn)生計(jì)算瓶頸，并降低得出有效因果推斷的力量？與影像組學(xué)技術(shù)一樣，大數(shù)據(jù)領(lǐng)域也處于早期階段。上述問(wèn)題在美國(guó)國(guó)家科學(xué)院〔NationalAcademyofSciences71〕主辦的一次大數(shù)據(jù)會(huì)議上得到了解決，影像醫(yī)學(xué)領(lǐng)域?qū)倪@一努力中受益。數(shù)據(jù)共享建立基于影像組學(xué)的模型作為用于決策支持的生物標(biāo)記物的最大挑戰(zhàn)是在多個(gè)地點(diǎn)共享圖像數(shù)據(jù)和元數(shù)據(jù)。多站點(diǎn)試驗(yàn)需要詢(xún)問(wèn)不同的患者隊(duì)列，并創(chuàng)立足夠大的數(shù)據(jù)庫(kù)進(jìn)展統(tǒng)計(jì)分析。數(shù)據(jù)共享是全部生物醫(yī)學(xué)爭(zhēng)論的共同挑戰(zhàn)，必需抑制文化、行政、監(jiān)管問(wèn)題。值得留意的是，像兒童腫瘤學(xué)小組這樣的社區(qū)已經(jīng)建立了數(shù)據(jù)共享的歷史和文化，因此可以擴(kuò)大他們的爭(zhēng)論，包括影像圖像分析。影像組學(xué)中的數(shù)據(jù)共享尤其令人望而生畏，由于共享數(shù)據(jù)必需包括圖像，并且共享必需符合《安康保險(xiǎn)便攜性和責(zé)任法案》，由于構(gòu)建足夠簡(jiǎn)單的模型需要大量個(gè)人安康信息。應(yīng)對(duì)這一挑戰(zhàn)的解決方案有很多，可以包括：〔a〕大型集中數(shù)據(jù)存儲(chǔ)庫(kù)，如癌癥成像檔案館和癌癥基因組圖譜，其中的訪(fǎng)問(wèn)權(quán)限僅限于機(jī)構(gòu)審查委員會(huì)——批準(zhǔn)的用戶(hù)或數(shù)據(jù)可以被剝奪個(gè)人安康信息；〔b〕聯(lián)合方法1，其中每個(gè)機(jī)構(gòu)維護(hù)各自的數(shù)據(jù)，并發(fā)送查詢(xún)模型以提取相關(guān)元數(shù)據(jù)；〔c〕聯(lián)合方法2，其中全部機(jī)構(gòu)都可以由誠(chéng)懇的經(jīng)紀(jì)人訪(fǎng)問(wèn)〔即，擁有多站點(diǎn)機(jī)構(gòu)審查委員會(huì)批準(zhǔn)訪(fǎng)問(wèn)權(quán)限的超級(jí)用戶(hù)〕。無(wú)論承受哪種解決方案，根底設(shè)施成本都可能是巨大的。標(biāo)準(zhǔn)雖然在本文中已經(jīng)提到的很多領(lǐng)域已經(jīng)存在或正在制定標(biāo)準(zhǔn)，但仍舊存在差距。例如，盡管重測(cè)試受試者或患者爭(zhēng)論的價(jià)值得到了廣泛認(rèn)可，但很多已發(fā)表的爭(zhēng)論樣本量較小。抱負(fù)狀況下，這些研究應(yīng)當(dāng)結(jié)合起來(lái)進(jìn)展meta分析；然而，如前所述，報(bào)告結(jié)果的方式往往存在問(wèn)題。雖然有報(bào)告指南，但還沒(méi)有定量成像結(jié)果的報(bào)告指南，更不用說(shuō)更簡(jiǎn)單的影像組學(xué)結(jié)果的報(bào)告了。紋理分析核心技術(shù)的測(cè)試也缺乏標(biāo)準(zhǔn)。假設(shè)該領(lǐng)域要實(shí)現(xiàn)其潛力，就有必要為影像組學(xué)的各個(gè)方面供給標(biāo)準(zhǔn)。影像組學(xué)：臨床決策的下一個(gè)前沿我們對(duì)影像組學(xué)的愿景是樂(lè)觀(guān)而明確的。在可預(yù)見(jiàn)的將來(lái)，我們估量從世界各地的影像學(xué)檢查中收集的數(shù)據(jù)將轉(zhuǎn)化為定量特征數(shù)據(jù)，這