影像组学在乳腺癌的应用研究进展

影像组学可无创地定量描述肿瘤的异质性,能够为乳腺癌的早期诊断、疗效预测及预后评估等提供丰富信息。近年影像组学与基因等数据的结合运用进一步促进了乳腺癌精准医疗的发展。就影像组学在乳腺癌诊断、分子分型预测、疗效评估、预后预测及复发风险等方面的研究进展予以综述。     

人工智能在乳腺肿瘤影像中的应用现状及展望

人工智能技术在乳腺肿瘤影像中的应用是当前研究的热点。该文对目前常用的传统影像组学和深度学习两种方法进行介绍, 评述了人工智能在乳腺肿瘤检测、分割和良性与恶性鉴别, 乳腺癌分子亚型研究, 乳腺癌淋巴结转移的临床评估, 乳腺癌新辅助化疗疗效预测和预后评估四个方面的研究和应用现状, 针对现有研究中存在的问题进行归纳和分析, 并指出未来的研究方向。     

痴心不悔为红颜——顾雅佳访谈

顾雅佳女,医学博士,生于1965年4月,上海人。复旦大学附属肿瘤医院主任医师,放射诊断科副主任,硕士生导师。2003年至今,先后完成上海市卫生局、上海市科委、肿瘤医院横向基金《乳腺癌保乳手术术前病灶范围影像分析》、《局部进展期乳腺癌新辅助生物靶向治疗的MR评价》、《基于网格技术的乳腺癌X线筛查方法》等课题。2006年作为第一完成人通过上海市科学成果鉴定《乳腺疾病诊疗中影像应用总结及新探讨》,并在2008年获上海市医学科技奖三等奖。2000年以来在专业杂志发表第一作者有关肿瘤学术论文20余篇,完成《乳腺肿瘤学》(上海科学技术出版社.邵志敏沈震宙主编)、《胸部影像诊断必读》乳腺部分以及《淋巴瘤》、《现代肿瘤学》、《乳腺疾病学》有关章节的编写工作。擅长乳腺影像诊断方面的研究,是中国百万妇女乳腺癌普查专家组成员、中国抗癌协会乳腺癌专业委员会委员、中华放射学杂志特邀编委以及中华放射学会心胸学组委员,中华医学会上海分会放射诊断专业委员会乳腺学组副组长。     

影像组学在预测乳腺癌分子分型中的研究进展

【摘要】乳腺癌的分子分型对患者治疗方案的选择以及预后评估有着重要作用。目前临床主要依靠有创手段取得病理组织并进行免疫组化来确定乳腺癌的分子分型,但其取样和分析存在一定的局限性。影像组学能从影像图像中高通量地提取并分析大量高级且定量的影像学特征,并将其与肿瘤基因表达、细胞分子信息等相关联,以辅助临床进行诊断和治疗。本文对影像组学辅助诊断乳腺癌分子分型的研究进展进行综述。     

乳腺MRI影像组学联合21基因检测预测乳腺癌复发风险的研究进展

乳腺癌具有高度异质性，且生物学行为差异大，不同患者的治疗方法与疗效不尽相同。在发展迅速的现代医疗水平之下，术后复发转移仍是其死亡的重要原因之一。因此如何更精准地预测乳腺癌患者术后复发风险成为当前临床工作中亟待解决的问题。21基因检测是近年来快速发展的乳腺癌复发风险预测的可靠方法，但是由于恶性肿瘤普遍存在的异质性，乳腺癌患者的基因检测不可避免会存在取样的局限性。乳腺MRI影像组学无创且高通量地提取MRI图像中的影像学特征，并结合临床特征获取更多肿瘤内在信息进而指导临床实现精准治疗，具有显著的临床应用价值。近年来已有国内外学者利用影像组学技术预测乳腺肿瘤复发风险，然而目前影像学标志物缺乏足够的生物学验证使其临床应用受限。因此联合乳腺MRI影像组学与21基因检测，寻找影像学特征与检测结果的相关性，或能通过无创的MRI影像学检查代替相应临床指标以预测乳腺癌复发风险具有重要意义。本文就以上两者的关联以及其研究进展进行综述，以期为临床诊疗提供借鉴。     

MRI评估及预测乳腺癌新辅助化疗疗效研究进展

准确评估及预测乳腺癌新辅助化疗后的病理反应有助于了解病情变化。MRI可以反映肿瘤形态、乳腺背景实质强化、肿瘤血流灌注及水分子扩散运动变化等重要信息,对评估和预测乳腺癌新辅助化疗疗效具有重要作用。基于MRI的影像组学可以从医学图像中获取定量和高通量的特征,反映肿瘤的异质性,从而实现对乳腺癌新辅助化疗疗效的精准评估及预测。就MRI评估及预测乳腺癌新辅助化疗疗效的研究进展予以综述。     

深度学习影像组学在脑胶质瘤精准诊疗中的研究进展

脑胶质瘤的影像评估已进入精准诊疗时代, 传统影像学诊断已不能满足临床需求。随着大数据挖掘和人工智能的飞速发展, 其为脑胶质瘤的精准影像学评估带来了新契机, 其中深度学习影像组学显示出巨大的应用潜力。该文旨在对深度学习影像组学在脑胶质瘤中的研究进展、面临的挑战和展望进行综述, 以期助力推动智能影像辅助脑胶质瘤精准诊疗的发展。     

帕金森病与帕金森综合征多模态MRI研究

专家引言:吉林大学附属第一医院张惠茅教授指出探究神经退行性疾病的发生机制, 特别是探究其早期影像学标志物与鉴别诊断指标对临床精准诊疗具有重要意义。范国光教授团队对帕金森病(Parkinson disease, PD)及帕金森综合征围绕运动症状、认知障碍及鉴别诊断方面进行了一系列研究。在运动功能方面, 该团队研究表明PD患者冻结步态(FOG)的发生与右侧额中回度中心性(DC)的减低以及与小脑间的功能连接(FC)改变相关。基于功能MRI(fMRI), 该团队提取多水平功能指标构建机器学习模型对不同运动亚型的PD患者进行鉴别, 为在个体水平实现PD分型提供了影像学依据。河南省人医院王梅云教授指出为神经变性病发生的病理生理机制提供影像学依据, 实现个体水平的新型多模态数据融合分析的临床转化, 是大数据时代下脑功能科学的新方向。范国光教授团队从机制上探寻PD及帕金森综合征运动及认知功能损伤的循证医学证据, 探寻小脑在PD及帕金森综合征中的独特作用, 寻找PD与帕金森综合征认知功能损伤所涉及形态学改变的异同, 并创新性地将热门的人工智能与多模态MRI研究相融合, 构建PD运动亚型分类及PD与帕金森...     

基于机器学习的影像组学模型预测三阴性乳腺癌新辅助化疗远期预后的应用价值

目的:探讨不同机器学习的影像组学模型预测三阴性乳腺癌（TNBC）新辅助治疗远期复发转移风险的价值。方法:回顾性分析2011年8月至2017年5月上海复旦大学附属肿瘤医院和上海交通大学医学院附属瑞金医院的150例接受新辅助化疗和手术切除后经病理组织学证实的TNBC患者临床及影像资料。将上海复旦大学附属肿瘤医院的109患者...     

基于乳腺动态增强MRI的delta影像组学预测乳腺癌新辅助治疗后病理完全缓解的价值

目的探讨基于乳腺动态增强MRI(DCE-MRI)纵向变化的delta影像组学在预测乳腺癌新辅助治疗(NAT)后病理完全缓解(pCR)的价值。方法回顾性分析2019年4月至2021年11月江西省肿瘤医院经手术病理证实为原发性浸润性乳腺癌患者117例的临床及影像资料。患者均为女性, 年龄23～74(48±10)岁, 按照软件中的随机种子数以7∶3比例分成训练集(81例)与测试集(36例)。所有患者均在NAT前、NAT早期(2个疗程)后接受乳腺DCE-MRI, 计算肿瘤NAT前、后最大径相对退缩值(D%), 并构建传统影像模型。基于NAT前、早期DCE-MRI提取delta影像组学特征, 通过冗余性分析、最小绝对收缩与选择算子算法筛选最优特征参数, 以10折交叉验证法构建delta影像组学模型并计算影像组学分数(Radscore)。根据NAT后手术病理结果将117例患者分为pCR组与非pCR(non-pCR)组, 单因素分析两组差异有统计学意义的临床病理指标并通过逐步回归法筛选最终的指标, 并联合D%、Radscore构建联合模型及列线图。采用受试者操作特征曲线及曲线下面积(AUC)评价模型...     

基于影像组学的人工智能在脑胶质瘤 MRI诊断中的应用

影像组学能够从影像大数据中挖掘潜在的信息以利于实现精准医疗。基于影像组学的人工智能（AI）技术能实现计算机模拟人类思维,代替人工高效地进行数据挖掘。医学影像学的AI技术能有效辅助放射科医生对脑胶质瘤的MR影像诊断。综述基于影像组学的AI技术在脑胶质瘤的分级诊断、鉴别诊断、预后评估等方面的应用研究。     

影像组学在急性胰腺炎中的应用现状、挑战与展望

影像组学已在急性胰腺炎(AP)的诊断上显示出了明显的优势, 包括预测AP的严重程度、胰腺周围坏死、复发等, 对比传统临床评分与传统临床模型提升了预测效能, 为临床对AP的诊疗提供了更加精准的指导信息。在未来的研究中, 开发基于机器学习的感兴趣区自动勾画软件, 纳入多中心的影像数据, 为提取影像组学特征提供泛化的标准, 将推进机器学习的高速发展;针对临床实际问题, 更加科学地设计研究方案, 是发挥影像组学深层辅助诊断作用的关键所在;建立标准化、结构化、智能化的多维数据来源的胰腺炎专病数据库和多维(组学)模型, 对提高我国对AP的早期预防和精准诊疗水平都有极其重要的意义。     

乳腺X线数据库构建及质量控制专家共识

基于人工智能的乳腺病变检测及进一步辅助诊断均对乳腺癌的早期筛查具有重要意义。由于业界大多采用有监督学习的任务范式来研发产品, 因此高质量的数据和标注对软件开发和测试有着重要的影响。从技术层面上规范数据库的构建和质量控制变得越来越重要。本文以如何构建深度学习的训练集为例, 提出了乳腺X线主要征象, 钙化、肿块、不对称及结构扭曲数据集的构建流程, 解释了此类数据集质量特性的表现形式和质量控制的建议。本文旨在为乳腺X线数据库建立提供参考, 保障影像数据资源的高效、合理、有序供给, 加速基于乳腺X线影像的人工智能产品研发与生产。     

胸部CT瘤周影像组学在非小细胞肺癌精准诊疗中的应用与挑战

影像组学通过提取医学图像中感兴趣区的定量图像特征,并与肿瘤的生物学特征与异质性进行关联,为个性化精准诊疗提供了关键信息和依据。肿瘤周边蕴含了丰富的微观生物学信息,胸部CT瘤周影像组学通过挖掘肿瘤周围组织的深层异质性信息,为非小细胞肺癌患者提供定量的非侵入性评估方法,展现其在未来临床应用的广阔前景。相信随着计算机、医疗大数据的飞速发展,未来多中心、高质量、大样本数据等工作的深入开展,有望实现影像组学研究的规范化、可重复,推动影像组学研究的临床转化和应用,为肺癌患者精准诊断、治疗和随访等方面奠定基础。     

影像基因组学在肝细胞癌诊疗中的应用研究进展

肝细胞癌（HCC）的发病率和病死率较高,早期精准诊疗对病人的预后至关重要。以形态学为主的影像诊断模式已不能满足临床需求。影像组学能深度挖掘影像提供的庞大数据信息,采用定量数据分析综合评价基因遗传、细胞分子、组织形态等各层次HCC的表型,从而对HCC进行精准诊疗和无创监测;基因组学从分子及基因层面揭示HCC的发病机制;影像基因组学主要为HCC形态学特征和影像组学表型特征与基因组学的关联。就HCC的影像基因组学研究进展进行综述。     

基于术前分期CT的影像组学标签预测三阴性乳腺癌

【摘要】目的：探讨基于术前分期CT的影像组学标签在预测三阴性乳腺癌分子分型中的附加价值。方法：回顾性收集2016年1月至2018年5月经手术病理证实且均为临床术前评估分期需行常规胸部CT增强扫描的481例肿块型乳腺浸润性癌患者,按照样本量1∶2随机抽样选取三阴性乳腺癌与非三阴性乳腺癌共计150例患者（90例作为训练组,60例作为验证组）。所有患者均经免疫组织化学检测,获得乳腺癌分子分型。对所有患者基于病灶三维图像提取影像组学特征,并采用Lasso logistic回归模型进行特征降维及筛选,以建立影像组学标签。采用ROC曲线评价影像组学标签对三阴性乳腺癌的鉴别诊断效能。结果：由5个关键影像组学特征构成的影像组学标签与乳腺癌三阴性分子分型相关（P<0.0001）。建立的影像组学标签对于鉴别三阴性乳腺癌具有较好的预测效能,其在训练组和验证组的ROC曲线下面积（AUC）分别为0.766（95% CI：0.743~0.789）和0.758（95% CI：0.718~0.798）。结论：基于术前分期CT建立的影像组学标签有助于三阴性与非三阴性乳腺癌的鉴别,这是术前常规胸部增强CT扫描在辅助临床分期之外的附加价值,可为临床治疗决策提供参考。     

MRI图像纹理分析在乳腺癌中的研究进展

图像纹理分析能够高通量地提取图像纹理特征,建立纹理特征与肿瘤异质性、激素表达等信息之间的关联,为无创性评估肿瘤的生物学行为提供可靠的数据支持。目前已广泛应用于鉴别乳腺肿瘤良恶性、评价乳腺癌分子分型、评估新辅助化疗疗效以及判断预后等方面,对乳腺肿瘤的早期鉴别诊断和疗效评估具有至关重要的作用。就MRI图像纹理分析的原理及在乳腺肿瘤中的应用进展进行综述。     

多参数MRI及影像组学预测宫颈癌和子宫内膜癌淋巴结转移及疗效的价值

专家引言:随着我国经济水平的快速发展以及人口老龄化的加剧, 恶性肿瘤的发病率及患病率呈现逐年上升的趋势。对于女性而言, 宫颈癌、子宫内膜癌是威胁其生命健康的两大妇科恶性肿瘤。目前临床缺乏有效的手段来预测妇科恶性肿瘤的疗效及预后, 临床分期作为目前最常使用的预测工具并不能提供一个精准的、综合性的预测视角。为解决现有临床难题, 中国科学技术大学附属第一医院西区影像科董江宁教授团队以多参数MRI形态学和功能成像为基础, 联合影像组学和临床预后因子等信息, 立足临床问题, 聚焦前沿, 以医学前沿技术解决临床难题, 在宫颈癌及子宫内膜癌的术前盆腔淋巴结转移诊断、疗效评估和预后预测等方面取得了积极进展。叶兆祥教授表示, 对宫颈癌和子内膜癌患者而言, 是否存在淋巴结转移、淋巴结转移数目及范围与其分期、治疗方案和预后密切相关。目前临床上尚无精准的生物标志物在术前无创性评估宫颈癌及子宫内膜癌的淋巴结状态, 作为金标准的淋巴结穿刺活检不仅有创而且取材有限, 不能全面评估盆腔所有淋巴结状态。因此董江宁教授团队通过采集、分析、联合影像学定量参数与影像组学参数, 来寻找诊断宫颈癌及子宫内膜癌盆腔淋巴结转移新思路...     

影像组学在肾细胞癌中的应用

肾细胞癌(RCC)是最常见的泌尿系统恶性肿瘤,对其准确诊断、分型及分级有利于临床选择最佳治疗方案.影像组学为提高肾肿瘤的诊断准确率提供了一种替代主观图像判读的方法 .临床和影像数据进一步结合影像组学将提高肿瘤预测的准确率和加强精准治疗.近年来,越来越多的基于CT、MRI影像组学研究应用于RCC,主要研究领域包括与良性肾...     

人工智能在乳腺影像中的应用研究进展

乳腺癌是世界范围内女性最常见的恶性肿瘤,寻找影像学标志物用于该疾病的精准诊断、疗效评估和预后预测,可辅助临床制订个体化治疗方案。人工智能是当下医疗机构、科研领域、产业界和政府共同关注的焦点。它在医学影像中的应用包括两大技术：影像组学和深度学习。目前基于乳腺MRI、超声及X线的人工智能在实际临床问题和算法方面的研究越来越广泛和深入,本文就基于人工智能技术在乳腺影像中研究现状进行综述。