陈武飞，马庄宣，李铭

复旦大学附属华东医院影像科，上海 200040；*通信作者 李铭 minli77@163.com

肺癌是世界范围内癌症相关死亡的主要原因之一，其中非小细胞肺癌（non-small cell lung cancer，NSCLC）约占肺癌发病人数的85%[1]，早诊、早治是降低肺癌死亡率的关键手段。医学影像学作为临床诊疗的主要手段之一，能够通过结构或功能成像有效获取肺癌的表型信息，在肺癌诊断、手术规划、疗效预测以及预后评估等方面具有重要价值。然而，由于基因、蛋白质以及组织水平上的时空异质性，传统影像学检查遗漏了大量肺癌分子及预后等方面的信息。随着人工智能的发展，以医学影像为基础的影像组学技术得到广泛研究。影像组学假说认为肿瘤的基因或蛋白表达模式在宏观影像层面有所体现[2]，影像组学能够从海量特征中筛选出具有预测能力且鲁棒性高的组学特征、通过高纬度影像信息分析捕捉肺癌的时空异质性，在肺癌的诊疗环节中展现出巨大的应用潜力。本文对影像组学在NSCLC的早诊、基因表型预测及疗效评估的研究进展进行综述。

1 NSCLC 的早期诊断

NSCLC早期常以肺结节存在，准确鉴别肺结节的良恶性对于其早期诊疗具有重要意义。多项研究表明，影像组学在肺结节良恶性鉴别中具有较高的临床应用价值。Beig等[3]应用卷积神经网络分析肺结节瘤内和瘤周影像组学特征，发现瘤内和瘤周影像组学特征区分NSCLC和肉芽肿性病变的曲线下面积（AUC）为0.8，敏感度为72%，特异度为76%，诊断性能优于影像医师传统读片模式。Yang等[4]应用3DU-net构建影像组学模型，结果显示该模型鉴别肉芽肿与实性肺腺癌的诊断性能较好（AUC为0.843），可辅助影像医师鉴别诊断；同时，该研究表明影像组学特征联合临床风险因素对于鉴别肺结节良恶性具有增益价值。郁义星等[5]发现应用相关信息测度法联合非线性判别分析法构建的能谱CT影像组学模型可用于鉴别肺癌结节与炎症结节，AUC为0.888。需要指出的是，上述研究中的良性队列仅为炎症病变，未来研究有待增加良性疾病谱，进一步验证影像组学模型的泛化性能。

针对早期NSCLC 的不同组织亚型，临床上会采取不同的处置方案，影像组学能够无创性量化病变浸润特征，对于早期NSCLC 组织亚型判定具有较大应用价值。一项包含291 例早期肺腺癌的多中心研究应用随机森林算法构建影像组学模型，其预测浸润性肺腺癌的诊断效能较好（AUC 为0.9）[6]。Zhao 等[7]通过构建影像组学列线图预测亚厘米级肺腺癌的浸润性，发现影像组学特征对于亚厘米级浸润性肺腺癌具有较高的预测价值，AUC 为0.707。Sun 等[8]针对纯磨玻璃结节的浸润性预测，发现联合影像组学与形态学特征能有效鉴别浸润前病变和浸润性腺癌。此外，基于PET/CT 的影像组学模型在肺癌病理亚型诊断上也有一定数量的研究。影像组学对于肺癌组织亚型有较大的预测潜能，结合瘤内、瘤周以及形态学特征将进一步提升早期肺癌组织亚型的预测准确度，从而为患者提供个性化的诊疗方案。

淋巴结转移作为TNM分期系统中的重要内容，直接影响肺癌患者的生存预期，在临床实践中辨别转移性淋巴结至关重要。Botta等[9]通过LASSO算法构建的影像组学模型预测转移性淋巴结的AUC为0.709，该模型依据总生存期差异成功将入组人群分为低、高风险人群。Ran等[10]应用深度学习构建影像组学列线图预测肺腺癌淋巴结转移，结果显示该模型预测的Cindex达0.861，相较于传统影像组学模型，应用深度学习构建模型的净重新分类指数为0.667。沙雪等[11]通过不同时相CT构建鉴别NSCLC纵隔淋巴结转移的影像组学模型，结果显示平扫CT影像组学模型的AUC值最高，而联合动脉期CT组学特征可提高模型的敏感度及阴性预测值。上述研究表明影像组学方法或将成为预测肺癌淋巴结转移的有效方式。

2 NSCLC 的基因表型识别

准确的基因表型识别可用于指导NSCLC 患者选择合适的靶向治疗策略。影像组学作为一种非侵入性检测方法，能够对病灶进行整体量化分析，从而捕获肿瘤间的基因表型差异。多项研究显示，影像组学特征与肿瘤基因表达存在相关性。Zhang 等[12]通过支持向量机筛选出11 个与表皮生长因子受体突变具有显著相关性的影像组学特征，所构建的临床-放射学-影像组学模型预测亚洲人群肺腺癌的表皮生长因子受体突变状态的AUC 达0.835。Yang 等[13]通过影像组学特征与临床风险因素构建的联合模型能够显著提高部分实性结节肺腺癌表皮生长因子受体突变状态的预测性能，AUC从单模态模型的0.667提高至0.709。影像组学在NSCLC 罕见突变的预测方面也取得了一定进展。Baranyi 等[14]应用决策树分析发现，K-ras野生型肺癌较K-ras突变型肺癌具有更高的峰度值和偏度值，所建立的影像组学模型预测K-ras突变准确度达到90%。Song 等[15]分析335 例间变性淋巴瘤激酶突变的NSCLC 患者影像组学特征，结果显示间变性淋巴瘤激酶突变型患者与病灶高密度体素特征显著相关。上述研究表明影像组学特征对NSCLC 的基因表型识别有较好的预测价值，由于其具有无创、可重复等特点，未来有望为临床诊疗提供更多、更便利的决策支持。

此外，影像组学在NSCLC免疫治疗预测方面也有研究。肺癌免疫应答涉及多维度多环节，其中程序性死亡因子-1/程序性死亡因子配体-1表达是目前公认的免疫治疗标志物[16]。Khorrami等[17]应用增量影像组学（DelRADx）技术对进展期NSCLC患者程序性死亡因子-1单抗的进行疗效预测和预后评估，结果显示应用DelRADx模型可优化进展期NSCLC患者的临床治疗路径。Vaidya等[18]发现NSCLC瘤周影像组学特征与免疫治疗超进展有较强相关性，可用于免疫治疗超进展的评估。此外，一项多队列回顾性研究应用Elastic Net算法建立了影像组学模型预测CD8+T细胞表达情况，结果显示该模型可作为晚期NSCLC免疫表型的生物标志物，并用于免疫检查点抑制剂疗效评估[19]。上述研究均提示影像组学分析能够挖掘NSCLC不同分子表型、从而指导临床决策潜力，但是，影像组学首先是数据驱动型研究，虽然NSCLC的影像组学特征与基因突变之间存在显著关联，但其潜在的生物学机制在很大程度上仍然无法解释。影像组学和NSCLC发生、发展机制的相关性分析也受到越来越多的关注[20]。

3 NSCLC 的治疗评价

NSCLC治疗方式多样，其特点决定了肿瘤组织治疗后较自身正常组织将产生更为突出的影像学改变。应用影像组学技术可以动态监测肺癌治疗疗效，在早期识别复发、转移中为临床提供更加精准的决策。Hope等[21]认为影像组学中包含的肿瘤生物学信息能够提高肺癌综合治疗预后预期。Fornacon-Wood等[22]建立的影像组学模型可独立预测早期NSCLC患者的无进展生存期，准确度可达到0.78。Cook等[23]针对47例接受厄洛替尼治疗的转移性NSCLC的研究发现，DelRADx可作为肺癌患者远期生存的预后指标。何兰等[24]探讨基于术前CT的影像组学预测模型在鉴别NSCLC临床分期中的价值，结果显示通过联合影像组学特征和实验室指标建立的影像组学预测模型对鉴别早期和晚期NSCLC具有重要价值。NSCLC的疗效与影像组学特征表达显著相关，基于影像组学建立预测模型对肺癌患者的治疗评价具有重要指导意义。

影像组学在肺癌放疗预后评估方面也取得了明显进展。Franceschini等[19]对102例接受立体定向放射治疗的早期NSCLC患者进行回顾性分析，结果显示影像组学模型预测局部淋巴结复发准确度超过85%。孔燕等[25]基于肺癌患者放疗前的CT影像组学特征，利用机器学习方法构建症状性放射性肺炎的影像组学预测模型，发现综合组学特征、临床和放疗剂量所构建的预测模型AUC达0.757。放疗前的影像组学特征可用于预测症状性肺炎的发生。蒋益清等[26]探讨影像组学对NSCLC超分割放疗疗效的预测价值，结果显示影像组学模型可在超分割放疗前对NSCLC进行近期疗效预测，准确度高于基本参数模型。

目前18F-FDG PET/CT已经常规用于肺癌的疗效监测。赵翊含等[27]探究NSCLC患者治疗前基线18FFDG PET/CT显像的影像组学特征对其生存预后的预测价值，发现治疗前18F-FDG PET/CT影像组学能够预测NSCLC患者无进展生存期和总生存期；基于影像组学与临床模型结合的综合模型预后效能得到提高。一项多中心研究[28]发现，PET/CT成像特征是行立体定向放疗NSCLC患者局部有效的独立预测因素，训练集中基于PET的组学预测模型敏感度为100%，特异度为96%。另一项研究[29]分析47例接受厄洛替尼治疗的晚期NSCLC患者的PET/CT影像组学特征，结果表明治疗后6周PET/CT的标准摄取值和熵值有所降低，对比度增加。总之，NSCLC的治疗疗效与影像组学特征有明显的相关性，建立NSCLC治疗模型对肺癌患者疗效预测和预后具有指导意义。

4 总结与展望

影像组学作为一种新兴的研究方法，在NSCLC的早诊、基因表型预测以及疗效分析等方面均有重要价值，目前已形成较为完整的理论体系和研究流程。但影像组学研究目前尚处于起步阶段，在特征标准化、分割的高效和可重复性以及数据交叉验证等方面还存在不足[30]。尽管影像组学研究蓬勃发展，但多数研究尚未能从根本上探讨组学特征与肺癌的发生、表型以及进展间的生物机制关系，所建立的模型缺乏必要的可解释性，导致其广泛的临床应用受限[31]。未来仍需要多中心、大样本、随机临床对照试验进行综合评估。总之，影像组学的发展前景和面临的挑战是双重的，相信随着人工智能技术的进步和国内外学者的共同努力，影像组学未来在NSCLC的精准化诊疗方面会发挥重要作用。