汪叶 综述 尚乃舰 审校

肺癌是全球癌症相关死亡的主要原因，男性和女性的5年生存率分别为15%和21%[1]，其中非小细胞肺癌(Non-small cell lung cancer，NSCLC)是肺癌中最常见的类型，占所有肺癌诊断的87%[2]。早发现、早诊断有助于提高NSCLC的生存率。传统影像诊断方法能提供的信息较为局限，随着计算机技术以及人工智能的发展，在分子及基因层面的研究能够更好地使我们理解分析肿瘤，因此影像组学应运而生，成为近年研究热点。

1 影像组学

影像组学是一项新兴技术，它使用AI智能算法从医学影像图像中提取数据并进行高级分析，能够量化分析肿瘤或正常组织区域的形状、大小、体积和纹理，并建立临床相关模型来预测甚至评估肿瘤[3-4]。具体研究步骤包括[5-6]：(1)标准化影像图像采集与重建；(2)感兴趣区图像分割；(3)特征提取与筛选；(4)分析定量特征并构建分类或建立临床预测模型；(5)共享数据库建立。影像组学的应用有效性关键点在于两处，首先，系统必须准确的从图像中提取表型特征；其次，系统算法必须在成千上万的表型特征中确定哪些特性与潜在的基因型和疾病有关，从而帮助疾病的预后和临床管理[7]。这也说明了影像组学的准确率与图像清晰度以及算法精准度有着直接联系。

2 影像组学在非小细胞肺癌中的应用

2.1 癌症检测、鉴别

当肺结节较小、并伴有肺血管遮挡或处于良性炎症过程中时，基于CT的肺癌筛查假阳性率较高[8]。Beig等[9]收集290例已有病理结果的患者术前肺部CT图像……