Radiomics：用于高精度诊断成像的定量方法

Khin Khin Tha 博士，诊断放射学和神经放射学专家，北海道大学医院的高级助理教授。获得了缅甸仰光医学院医学博士学位(MBBS)

Khin Khin Tha 一直从事放射学研究的一个相对较新的领域，对MRI图像进行全面和定量的数据分析，以实现更准确的诊断。

自1970年代后期首次问世以来，磁共振成像(MRI)已帮助医生诊断了数百万患者的一切，从脚踝扭伤到癌症。尽管计算机断层扫描(CT)扫描可以快速提供图像，非常适合于识别骨折和钙化，而正电子发射断层扫描(PET)扫描可以可视化体内的代谢过程，但MRI扫描具有非侵入性且缺乏放射线照射使其成为需要多次扫描的患者的理想选择。MRI还提供比CT扫描和PET扫描更精细的解剖学细节，使其成为帮助医生诊断某些疾病的患者的绝佳选择。

但是，就MRI可以提供的所有信息而言，在扫描分析评估方面仍然存在薄弱环节。北海道大学医院诊断与介入放射科的放射科医生Khin Khin Tha解释说：“直到现在，放射科医生都倾向于用我们的眼睛而不是测量来评估MRI结果。对于在临床方面工作的放射线医生来说，这是一种快速，可靠的分析方法，但是当需要精确的数据时，有时不足以用于研究目的，因为仅视觉分析会带来放射线医生偏见影响结果的风险。”

博士配有MRI装置

准确诊断的新方法

MRI图像阅读室

Radiomics大约10年前开发，它是一种结合了图像和全面数据处理的技术。它使放射科医生可以从MRI图像中获取大量定量数据，而这些数据无法通过对MRI扫描的纯粹视觉检查来收集。放射科医生将MRI结果上传到一个系统中，该系统分析图像并在其他相关肿瘤的大型数据库中对其进行交叉引用，从而提供有关肿瘤定量特征的全面信息，例如信号强度特征，表面积，质地和体积。对于患有胶质母细胞瘤的癌症患者，最常见且通常是侵袭性的脑癌类型主要存在于成年人中，利用放射技术进行的MRI扫描能够帮助放射线医师识别同一肿瘤内在特征上的实质性差异，这些差异在标准扫描中看起来是均匀的。Tha解释说：“在进行放射学检查之前，放射科医生对他们的视觉评估感到满意，因为他们相信自己的眼睛。” “但是，通过放射线学，我们能够对肿瘤的不同部分进行分解和全面分析，而无需进行侵入性活检。”

不使用放射技术，准确评估胶质母细胞瘤肿瘤某些特征的唯一方法是提取肿瘤本身的一部分进行分析。利用放射线学，医生可以通过仅通过MRI扫描获得有关完整肿瘤的强度，形状和质地的数据，从而全面表征肿瘤，提供有关肿瘤侵袭性的重要信息，并帮助医生为患者制定个性化的治疗计划。由于一种被称为肿瘤内异质性的现象，这一点尤其重要，在这种现象中，不同类型的癌细胞在同一肿瘤内的行为不同，这为有效的治疗方法提供了严重的障碍。由于这种现象，即使是活检也有时不足以完全了解胶质母细胞瘤肿瘤的特征，因为活检切片可能并不代表整个肿瘤。Radiomics通过向放射科医生和医生提供他们评估肿瘤所需的几乎所有信息(在最佳情况下直至其遗传亚型，并提供准确的预后和治疗方案)来帮助解决此问题。

胶质母细胞瘤肿瘤的标准MRI扫描(左)。通过将放射学分析应用于扫描，可以将图像分解为单个体素(右)，这些体素可以独立验证肿瘤的特定定量特征，从而帮助医生更好地了解其内部复杂性。然后，可以使用此数据获得整个肿瘤的全面视图，这是以前仅使用视觉分析方法不可能实现的壮举。

全球团队的努力

在目前的状态下，放射线学是真正的团队合作，需要放射科医生，计算机科学家，临床医生和生物学家的协作才能得出所需的结果。由于这种跨学科合作的必要性，有时获得挑战性的研究以获取必要的专业知识可能会具有挑战性。通过GI-CoRE计划，北海道大学与斯坦福大学合作，创造了互惠互利的研究环境，两所大学都可以利用共享的知识和资源。这项合作共同发表了三篇有关将放射线学应用于胶质母细胞瘤患者的研究论文，

尽管如此，尽管放射分析的结果令人鼓舞，但在该技术获得广泛应用之前，仍需克服许多挑战。虽然最终目标是能够让MRI系统本身执行获取放射线报告的必要过程，但在目前的状态下，放射科医生必须执行其他图像处理步骤才能接收全面的数据，这可能需要一些时间。但是，据Tha称，研究人员现在面临的主要障碍归结于数据。她说：“进行放射报告需要大量数据。” “但是，由于收集方法和治疗方法的差异以及缺乏标准化，不仅在方法学之间，而且在MRI扫描设备本身之间，目前都无法始终获得此数据。

胶质母细胞瘤的不同MRI数据集(从左到右，T2加权图像，对比增强的T1加权图像，平均扩散峰度图像和脑血容量图像)显示出肿瘤内异质性。T2加权图像上的信号强度，对比度增强程度，平均扩散峰度(在微观结构水平上反映组织的复杂性)以及脑血量在肿瘤内变化很大。

在放射学领域开拓进取

随着更多研究的进行，Tha希望有一天放射线评估将成为基于MRI的癌症筛查的标准，其机器完全能够在一个操作员的指导下利用先进的AI技术进行复杂的数据分析。她还设想了将这些技术应用于不仅影响大脑，还影响身体不同部位的其他疾病的未来。“我们已经应用了AI放射技术来识别三阴性乳腺癌，这些乳腺癌在所有乳腺癌类型中预后最差。此外，我们目前正在开展研究，以使用放射线学来帮助识别帕金森氏病的MRI特征，从而加快诊断速度。尽管如此，还需要做更多的工作，尤其是协作工作。