朱娅奇

(川北医学院附属医院放射科 四川 南充 637000）

引言

L a m b i n等人在2012年提出了影像组学的概念，将影像学分析与人工智能进行了有效联合，通过对检测对象的影像学分析可促进对其的诊断、治疗、预后活动。肝脏肿瘤等疾病检测中运用影像组学融合人工智能优势明显，传统的肿瘤检测方式为组织活检技术，难以有效检测出患者肿瘤组织全貌[1]，运用影像组学可促进对患者解肿瘤特征的分析，挖掘出主观判断发现不了的特征。

1 优化肝脏良性疾病诊断

在肝脏良好疾病的诊断上运用影像组学融合人工智能的运用优势明显，影像组学的运用实现了对疾病病理发展情况的整体性分析，可展现患者一些细微的病理变化，且对疾病病理肝纤维化严重程度、肝脂肪变等肝脏弥漫性病变的分析上可进行全面预测，优势明显[2]。

临床肝硬化、肝纤维化、肝癌发生的重要因素之一为非酒精性脂肪性肝炎，属于非酒精性脂肪性肝病发展阶段之一。金标准为肝活检是当前对患者运用的主要检测方式之一[3]。Daniel Smutek，Akinobu Shimizu等人对naSH建立了CT图像诊断分析方式，结果由于患者受到肝纤维化的影响仅得到42%预测准确率。与C T检测方式相比，核磁共振成像在对检测对象软组织分辨率的分析上具有显著运用优势，由此在对肝脏良性疾病的诊断上可以运用核磁共振成像的诊断方式，对检测对象进行影像组学分析，可显著提升对患者的预测准确度[4]。

2 优化肝癌诊断

在肝脏疾病诊断中基于影像学诊断可有效诊断，但是对于一些以明确病变性质的肝脏诊断难度较大，例如临床误诊为肝癌的良性占位，若仅仅通过肉眼观测，可能出现漏诊、误诊现象，不利于对患者疾病的及时发现与有效治疗。例如focal noduLar HyperpLaSia，fnH肝局灶性结节性增生在病症表现上很少破裂出血，患者若症状表现不明显，则可随访观察。但是在临床实际的治疗活动中，部分f n H患者在临床诊断中并未完全排除肝细胞性肝癌（HepaToCeLLuLar CarCinoma，HCC）、肝细胞腺瘤病发的可能性，而采取了手术治疗，是一种不当的治疗方式，由此利用影像组学融合人工智能可促进对患者的临床疾病诊断，可通过计算机分析患者别微小病变[5]。

R a m a n等研究中提出利用不同灰度像素或体素的分布特征，结合C o m p u T e d T o m o g r a p H y T e x TureanaLySiS，CTTa影像组学技术对患者进行CT图像纹理分析，以此进行疾病病变良恶性质的甄别。Rogers M A，Aikawa E Ludvík Tesar等研究中分析了24例HCC患者、16例fnH患者、197例正常肝脏研究对象、17例肝腺瘤患者的动脉期C T图像，并结合人工智能技术中的随机森林模型进行技术性分析，研究得出对各项疾病诊断的准确率均高于90%。而放射科医生阅读相同图像对患者得出的疾病正确率则仅为72.1%、65.5%，研究显示了在对肝脏疾病细微差异诊断中仅仅依靠医生影像组学的主观经验判断具有一定的局限性，诊断中可联合运用影像组学与人工智能分析技术[6]。

在f n H病例筛选与疾病诊断方面运用效果显著，可据此对患者制定相应的治疗方案。肝癌术后复发的重要原因之一为门静脉癌栓，治疗中可能使得患者术后出现门脉高压综合征，并引发胃底食管静脉曲张破裂，导致患者出现肝功能衰竭、上消化道出血[7]。因此临床鉴别中应当能够有效区分门脉栓子的良恶性，统的影像学检查主要通过医生肉眼检测，具有一定的局限性。CaneLLaS等人研究了116张门静脉栓子的门静脉期增强C T图像结果，联合C T T a技术分析患者门静脉栓子良恶性情况，最终得出2张高度预测性的图像特征，结果显示正像素均值和熵，得出对患者门静脉栓子良恶性判断准确度大于90%，两者联合检测下可将诊断准确率提升至99%，而传统放射科医生的主观判断的诊断准确率则只有62%[8]。

3 优化肝癌分期与分级

李秋菊，郭启勇，陈海斌等人在对检测对象相关组织纹理分析中提出运用g d d T p a的（m a g n e T i C reSonanCe imaging，MRI）增强核磁共振图像，通过图像分析显示检测结果中纹理出现了灰度扫描宽度、平均强度不够均匀的现象，这主要是受H C C级别不等的影响[9]。若H C C级别较高，则H C C平均强度较低，GLN较高，反之，若HCC级别较低，则HCC平均强度较高，G L N较低[10]。由此在对患者肿瘤的生物学恶性程度的判断与鉴别中可运用此种结果促进诊断，此项研究也显示了在对肝病疾病的诊断中单纯运用影像组学分析方式既实现了无创评估，也可全面展现检测对象肿瘤及邻近组织的图像表现，由此可促进对H C C组织学的预测分级[11-14]。

4 肝癌疾病治疗方式及预后的评估

当前对HCC的治疗方式有、射频消融、肝动脉栓塞化疗、放疗、化疗、手术却切除等多种治疗方式，在实际治疗活动中应当结合患者实际情况而灵活选择[15]。通过对患者影像组学的图像分析可促进对患者的疾病诊断。韩哲，邵国良，庞佩佩等对162例H C C患者进行了C T平扫图像分析，患者预计治疗方式为弧形调控放射治疗，通过图像分析之后显示出现了预测患者生存率、局部控制的影像组学特征，达到0.80预测准确度[16]，研究结果辅助了对患者治疗方案选择合理性的预测。部分研究人员对92例钇放疗栓塞HCC患者进行分析，为患者建立了预后的独立预测因子，将对患者的研究分析与巴塞罗那肝癌分期、a f p对比之后运用效果明显[17]。

Rogers M A，Aikawa E等人对132例大的、单＞5C m H C C患者建立了C T T a技术方式，研究显示经过经导管动脉栓塞化疗、肝切除治疗之后的患者可通过不同的指标分析判断其生存率，可通过对患者影像组学的分析而对其采取相应不同的治疗方案[18-19]。

王静楠，霍力，李方等人研究中鉴别了129例可切除HCC患者通过影像组学方法得到的CT影像，在预测无疾病生存期方面得到7个特征，在对患者总生存期的预测方面得到14个特征，并对患者建立了包含低风险组、高风险组的多变量模型，发现了影响患者预后的2个不良因素，分别为存在血管侵犯与高风险组[20]。

5 优化对肝癌患者的病情监测

肝癌术后早期复发与再发是疾病治疗中的重点与难点，由此对患者的疾病监测具有重要意义，可及时识别并对患者进行相应干预。魏明翔，柏根基，郭莉莉等人研究了216例HCC患者门静脉期、动脉期CT图像，通过影像组学分析得19例患者有复发趋势，在对患者疾病复发检测的特异性、准确性、敏感性上均表现较为明显，传统对患者进行乙肝表面抗原、肝酶、CHiLd pugH分级、afp、年龄、性别等检测指标相比运用优势明显。在对患者病情检测与复发预测中为了提升准确率，可以联合利用传统临床指标、影像组学特征两种方式，对H C C患者术前评估与术后监测等层面运用Y优势明显。临床在对肝转移癌、胆管细胞癌、肿瘤的分级与预后等疾病检测中运用影像组学与人工智能的联合分析方式同样具有显著效果[21]。

6 结语

通过本文研究可见，对肝脏良性疾病的诊断上可运用核磁共振成像诊断方式，对检测对象进行影像组学分析，提升对患者的预测准确度，诊断中可联合运用影像组学与人工智能分析技术。在f n H病例筛选与疾病诊断方面运用效果显著，可据此对患者制定相应的治疗方案。临床鉴别中应区分门脉栓子的良恶性，通过医生肉眼检测，具有一定的局限性，联合检测可将诊断准确率提升至99%，对肝病疾病诊断运用影像组学分析方式实现了无创评估，全面展现检测对象肿瘤及邻近组织的图像表现，可促进对H C C组织学的预测分级。通过不同的指标分析判断其生存率，可通过对患者影像组学分析采取相应不同的治疗方案、对患者疾病监测意义显著，可及时识别并对患者进行相应干预。在临床在对肝转移癌、胆管细胞癌、肿瘤的分级与预后等疾病检测中可运用影像组学与人工智能的联合诊断方式，可对患者起到良好的综合运用效果。