马晓辉 周海春 梁佳伟 赖灿 贾绚

基因组学的出现及发展，阐明了肿瘤是由驱动其发生、发展的不同基因型亚群组成的，同一种肿瘤不同的基因亚型生物学行为迥异，对放化疗的反应各异，预后也迥然不同。同一种基因亚型肿瘤，基于不同的个体和内外环境，所处不同阶段，其生物学行为亦有差异。鉴于肿瘤的这种空间以及时间上的异质性，侵入性的活体组织基因分子检测有假阴性及片面性的可能[1]。为达到肿瘤的精准治疗，单靠传统病理及基因测序已显不足。这种背景下，便出现了以医学影像为研究对象，从解剖及分子影像中提取大量定量信息并将其与相应的生物信息和临床终点相联系的新兴的领域——放射组学。

放射组学通过使用数据表征算法可以实现自动化地定量分析一系列的放射表型特征，比如病灶的大小、形状、纹理等，这些放射表型潜在地反映病变的生物属性，如肿瘤内在的和肿瘤之间的异质性[1]。运用这些放射组学数据，建立生物信息学模型，将病灶的影像特征与其临床表型、基因分子标志物等相关联，成为精准医疗的强大推手。本文就放射组学概念、工作流程、基于Python语言的Pyradiomics工具包在放射组学中的应用及对精准医学的贡献，人工智能时代放射组学的机遇及面临的挑战等作一综述。

1 放射组学及其实现方法

1.1 放射组学概念 2012年，荷兰学者Lambin等[2]受到放射基因组学的启发，首先提出了放射组学的概念，后经不……