來源：磁共振成像傳媒

蔚納, 吳慧, 牛廣明. MRI紋理分析在前列腺癌診療中的應用及研究進展. 磁共振成像, 2019, 10(12): 951-954.

前列腺癌(prostate cancer，PCa)指發(fā)生在前列腺的上皮性惡性腫瘤，同時也是泌尿系統(tǒng)發(fā)病率最高的惡性腫瘤。最新研究資料表明前列腺癌的發(fā)病率在美國所有男性癌癥中居首位，我國每年前列腺癌的發(fā)病率呈現(xiàn)持續(xù)走高趨勢，尤其是相對發(fā)達地區(qū)[1]。目前，在被診斷為局限性前列腺癌的男性中，主要的危險分層方法是從活檢標本中進行病理分級、血清前列腺特異抗原(prostate specific antigen，PSA)水平和臨床分期[2]。然而，解剖結構上的困難和有限的組織采集導致在使用標準活檢技術時的空間取樣偏差。許多研究表明， 當活檢是隨機獲取時，近38%～46%的患者低估了其本身的病理分級，而根據(jù)影像學發(fā)現(xiàn)進行靶向活檢時，誤診率可降到23%[3-5]。這種較高的誤判率可能是由于病變內形態(tài)生長模式的空間異質性所致[6-7]?？傊?， 欠采樣的生物異質性可能導致局部疾病的風險評估降低，因此有必要進行充分采樣或補充目前對疾病特征的分析方法?；谟跋駡D像的紋理分析應用而生，它的誕生為影像領域疾病的診斷注入了新鮮的血液和活力，同時也為影像科的發(fā)展帶來了新思路。

荷蘭學者Lambin等[8]在2012年正式提出影像組學的概念，基于計算機輔助診斷(computer aided diagnosis，CAD)技術將傳統(tǒng)醫(yī)學影像轉化為大量可挖掘的數(shù)據(jù)信息，并對此進行高通量定量分析。其基本流程包括數(shù)據(jù)收集、圖像分割、特征提取、特征篩選和構建模型及數(shù)據(jù)分析，而目前應用最為廣泛的則是紋理分析。

影像組學特征包括一階統(tǒng)計特征、空間幾何特征、紋理特征和小波特征4大類[9]。圖像紋理分析技術作為影像組學內的主要組成成分可將圖像中體素或像素的灰度值特征、變化趨勢、分布狀態(tài)等進行數(shù)據(jù)提取，進而可定量描述該圖像內腫瘤的異質性。近年來，以基于電子計算機斷層掃描(computed tomography，CT)、正電子發(fā)射計算機斷層顯像(positron emission tomography-CT，PET-CT)、MRI紋理分析技術為代表的影像組學飛速發(fā)展，使影像組學集影像、分子與基因、臨床等信息于一體，迎合了個性化和精準醫(yī)學為臨床治療提供了更優(yōu)化的選擇。

紋理分析的概念提出之后，引起了國際上腫瘤學、影像研究和圖像分析領域眾多專家的重視。于是，國內外學者紛紛將紋理分析為代表的影像組學應用到前列腺癌的檢測與發(fā)現(xiàn)、分級與分期、復發(fā)預測及療效評估等領域，以期能夠提高診斷水平。

紋理分析對于前列腺癌的診斷具有顯著的優(yōu)勢。許崗等[10]通過對前列腺MRI軸位高分辨率T2加權成像(T2-weighted image，T2WI)圖像進行紋理特征分析，比較前列腺癌和良性前列腺增生(benign prostatic hyperplasia，BPH)間紋理分析定量參數(shù)的差異，結果發(fā)現(xiàn)前列腺癌組和良性增生組間熵、平均值、標準差、不均勻度和峰值5個參數(shù)的差異具有統(tǒng)計學意義(t 值分別為5.466、6.023、3.767、3.182、-2.818，P均＜0.05)。Sidhu等[11]提取整個前列腺移行帶(其中顯著的腫瘤包括在TZ-ROI中)的紋理特征，發(fā)現(xiàn)可以通過降低表觀擴散系數(shù)(apparent diffusion coefficient，ADC)直方圖的峰度值來區(qū)分顯著的前列腺癌。雖然雙參數(shù)MRI (biparametric-MRI，bpMRI)包括T2加權成像和擴散加權圖像是定位PCa的準確工具，但評價經(jīng)雄激素剝奪治療(androgen deprivation therapy，ADT)后是否有活性，其價值尚未明確。Daniel等[12]回顧性分析了28例經(jīng)ADT 治療(14例)和未經(jīng)ADT治療(14例)的患者，研究分析發(fā)現(xiàn)在非ADT組中紋理特征(熵值、能量值、慣性值、相關值等)獲得的靈敏度更高，而直方圖參數(shù)(偏度、峰度、均值、第95百分數(shù)等)的特異性更高；在ADT組中，紋理特征在特異性和敏感性方面都優(yōu)于常規(guī)直方圖參數(shù)。這些結果有希望推動更多患者進一步研究， 促進前列腺癌患者放射治療的體積勾畫，而且ADT 患者是否需要局部放射治療的納入和排除標準完全可以借助紋理特征來定義。另外，其他幾項也研究了晚期前列腺癌患者用各種方法增強前列腺內顯性病變的可行性，這表明顯性病變的局部控制法對前列腺癌的治療更好[13-15]。放射基因組學因可能避免活檢診斷過程中的侵入性過程而嶄露頭角，它是一門將放射組學所描述的腫瘤形態(tài)學與基因組數(shù)據(jù)所描述的基因組聯(lián)系起來的學科，它有可能衍生出與現(xiàn)有的經(jīng)驗證的基因組風險分層生物標記相關或補充的“放射表型”。Bates等[16]比較配準后的前列腺特異性膜抗原(prostrate specific membrane antigen，PSMA)PET/MR影像，驗證MR紋理分析(MR textureanalysis，MRTA)對于移形帶(transformedzone，TZ)前列腺癌的檢出。獲得30個紋理特征，比較TZ的紋理特征和相應PET圖像上的PSMA表達。結果發(fā)現(xiàn)TZ內PSMA的表達異常與16個T2WI 上的紋理特征改變相關，驗證了MR紋理分析對TZ內前列腺癌的檢出。Kesch等[17]使用染色體拷貝數(shù)改變(chromosomal copy numberalterations，CNAs)的數(shù)量作為判斷前列腺腫瘤侵襲性的標準，并提取多參數(shù)MRI 和Ga-PSMA-PET/CT的315個紋理特征。結果發(fā)現(xiàn)較低的平均ADC值與腫瘤侵襲性增加有明顯的關聯(lián)，同時發(fā)現(xiàn)建立的放射學模型與基因組指數(shù)病變有很強的對應關系，因此放射學模型與基因組的結合在未來可能有助于更好地區(qū)分惰性和侵襲性PCa。這些研究對前列腺癌進行準確檢出與評估均朝著個性化精準治療和提高腫瘤控制概率的總體目標前進，使患者更加受益。

第2版前列腺影像報告和數(shù)據(jù)系統(tǒng)(prostate imaging reporting and data system version 2，PI-RADS V2)是一個應用多參數(shù)磁共振成像(multiparametric magnetic resonance imaging，mpMRI)檢查進行前列腺臨床顯著癌診斷的影像學規(guī)范，許多學者探討了基于放射學模型與PI-RADS V2評估前列腺癌的侵襲性及分化程度， 比較兩種模型的診斷效能。Niu等[18]探討了基于雙參數(shù)MRI紋理分析(textureanalysis，TA)在前列腺移行帶及外周帶建立了基于TA的Logistic回歸模型，比較了PI-RADS V2系統(tǒng)評分與TA模型的診斷效能。結果發(fā)現(xiàn)，相比于PI-RADS V2系統(tǒng)TA模型的診斷效能明顯提高，而且在移行帶區(qū)熵值與高級別的癌有著良好的相關性，在外周帶區(qū)熵值和慣性值與Gleason分級有著良好的相關性，這些值可作為評估病變侵襲性的輔助工具。同樣，Chen等[19]也探討了基于放射學模型與PI-RADS V2兩種模型的診斷效能，結果發(fā)現(xiàn)基于放射學模型鑒別癌與非癌，低級別與高級別癌的診斷明顯優(yōu)于PI-RADS V2系統(tǒng)。Rozenberg等[20]研究探討了全腫瘤ADC直方圖和紋理分析定量預測前列腺癌Gleason 分級為3+4=7是否會升級。研究中54例Gleason評分為3+4=7的患者中14例經(jīng)根治性前列腺切除術(radical prostatectomy，RP)后通過大體病理驗證腫瘤升級為4+3=7。全病灶的平均ADC、ADC比值、ADC直方圖分析均不能預測GS 3+4=7升級的病理改變，但結合ADC紋理特征(標準差、偏斜度、峰度和熵)的回歸模型改進了對GS分級的預測，提高了精度，為治療方案提供了更好的選擇。

前列腺癌的常規(guī)篩查和先進的治療方案降低了相關死亡率，但治療后的結果仍存在很大差異。Shiradkar等[21]提取了T2WI和ADC圖的放射學特征來預測前列腺癌的生化復發(fā)，結果發(fā)現(xiàn)ADC圖的梯度局部各向異性特征和T2WI基于Haralick算法的紋理特征中的偏度和峰度值與訓練組的前列腺癌生化復發(fā)(biochemical recurrence，BCR)呈顯著相關(P＜0.05)， 結合臨床參數(shù)(PSA/GS/PI-RADSV2)和放射學特征可提高對訓練組的預測能力[曲線下面積(areaunder curve，AUC)=0.91]；但是，在驗證集上只觀察到性能的微小改善(AUC=0.74)。結果顯示，治療前雙參數(shù)MRI (T2WI和ADC圖)的放射學特征可預測前列腺癌BCR。Gnep等[22]同樣探討了T2WI基于Haralick算法的組織特征與外周帶前列腺癌放療后生化復發(fā)的相關性。結果發(fā)現(xiàn)T2WI和ADC成像的一階特征(均值、中位數(shù)和標準差)與生化復發(fā)顯著相關(P＜0.05)。因此，在治療前先進行生化復發(fā)的風險評估，然后再進行個體化的精準診療可能會使患者受益。

目前，前列腺癌放療的主要缺點是泌尿毒性， 它可以長期影響患者出現(xiàn)不同的癥狀(尿頻、排尿困難、夜尿、尿急、出血或尿失禁)。Hamid等[23]通過MR-T2加權圖像中總共提取了274個紋理特征分析評估接受強調放射治療的前列腺癌患者膀胱壁的結構變化，評估并描述了輻射劑量和紋理特征變化之間的關系。實驗表明放射性特征可以預測輻射毒性和特征，包括s5.0sumvarnc、s2.2sumvarnc、s1.0angscmom、s0.4sumaverg和s5._ 5invdfmom在受試者工作特征(receiver operatingcharacteristic，ROC)曲線下的面積分別為0.75、0.69、0.65、0.63和0.62，與毒性相關性最高。這些放射性特征可以被識別為潛在的重要成像生物標志物，也可以評估輻射誘發(fā)膀胱損傷的機制。Scalco等[24]探討紋理分析在前列腺癌放療前及放療結束后12個月獲得的T2WI及T1WI圖像定量分析閉孔內肌成分局部輻射效應的潛力，并認為這些鄰近器官可能參與尿毒性。

直方圖及紋理分析在腫瘤和非腫瘤學中以顯示出廣闊的應用前景，但在臨床廣泛應用前仍面臨諸多問題和挑戰(zhàn)。一是圖像分割方式的多種多樣造成處理結果的偏差。手動分割準確度高但受不同研究者之間主觀行為差異的影響，因此可以通過計算機輔助來自動選定勾畫興趣區(qū)，以減少人為主觀上對結果的影響。Cohen等[25]研究表明，軟件自動分割能有效分割肺部磨玻璃結節(jié)和亞實性結節(jié)中的實性成分，敏感度和特異度分別為88%和70%，且在選擇合適的窗寬窗位的情況下，自動分割可提高診斷精確度并具有可重復性。二是影像數(shù)據(jù)的來源標準不一樣，尤其是多中心核磁的數(shù)據(jù)。MRI紋理分析比使用CT和PET數(shù)據(jù)集的放射組學更復雜，部分原因是MRI的標準化和校準在本質上比基于光子檢測的技術更復雜[26]。與CT和PET相比，其他MRI結構分析復雜性的因素包括采集協(xié)議和空間分辨率的可變性。因而可以通過對不同系統(tǒng)獲得的MRI數(shù)據(jù)進行后處理，消除患者間強度范圍的差異，并重新采樣至均勻的體素大小。三是一些研究中共同的問題是由于過度采樣而產(chǎn)生潛在的偏差，即提取的特征多于參與者。測試許多特性需要進行統(tǒng)計校正，以消除Ⅰ類錯誤，但是使用復雜的回歸模型發(fā)現(xiàn)重要特征的同時也增加了數(shù)據(jù)過擬合的風險。四是現(xiàn)大多數(shù)已發(fā)表的研究都具有回顧性和小規(guī)模的特點，因此很難得出有意義的結論。在轉化為常規(guī)臨床實踐之前，還需要進行更大規(guī)模的前瞻性研究來驗證在前列腺癌診斷方面的潛力。

隨著時代的變遷，醫(yī)學的發(fā)展經(jīng)歷了從經(jīng)驗醫(yī)學、循證醫(yī)學到現(xiàn)在以人工智能和大數(shù)據(jù)為代表的智能化診療的演變過程。紋理分析能夠深入挖掘圖像生物學本質評估腫瘤異質性并提供臨床決策支持，在疾病診斷、治療、預后等方面具有重要的指導意義，實現(xiàn)了智能化的輔助診斷，擁有廣闊的應用前景。

利益沖突：無。

[1] Mottet N, Bellmunt J, Bolla M, etal. EAU-ESTRO-SIOG guidelines on prostate cancer. Part 1: screening, diagnosis,and local treatment with curative intent. Eur Urol, 2017, 71(4): 618-629.

[2] Thompson I, Thrasher JB, Aus G, etal. Guideline for the management of clinically localized prostate cancer: 2007update. J Urology, 2007, 177(6): 2106-2131.

[3] Fernandes ET, Sundaram CP, Long R,et al. Biopsy gleason score: how does it correlate with the final pathologicaldiagnosis in prostate cancer?. Bju Inter, 2015, 79(4): 615-617.

[4] Kvle R, Mller B, Wahlqvist R, etal. Concordance between gleason scores of needle biopsies and radicalprostatectomy specimens: A population-based study. Bju Inter, 2010, 103(12):1647-1654.

[5] Siddiqui MM, Rais-Bahrami S,Turkbey B, et al. Comparison of MR/ Ultrasound fusion-guided biopsy withultrasound-guided biopsy for the diagnosis of prostate cancer. JAMA, 2015,313(4): 390-397.

[6] Aihara M, Wheeler TM, Ohori M, etal. Heterogeneity of prostate cancer in radical prostatectomy specimens.Urology, 1994, 43(1): 60-66.

[7] El-Shater Bosaily A, Valerio M, HuY, et al. The concordance between the volume hotspot and the grade hotspot: a3-D reconstructive model using the pathology outputs from the PROMIS trial.Prostate Cancer Prostatic Dis, 2016, 19(3): 258-263.

[8] Lambin P, Rios-Velazquez E,Leijenaar R, et al. Radiomics: Extracting more information from medical imagesusing advanced feature analysis. Eur J Cancer, 2012, 48(4): 441-446.

[9] Rahmim A, Schmidtlein CR, JacksonA, et al. A novel metric for quantification of homogeneous and heterogeneoustumors in PET for enhanced clinical outcome prediction. Phys Med Biol, 2016,61(1): 227- 242.

[10] Xu G, Zhao WL, Li MJ, et al.Preliminary application of mr-t2wi texture analysis in the diagnosis ofprostate cancer. J Med Imaging, 2019, 29(3): 458-462.

許崗, 趙文露, 李夢娟, 等. MR-T2WI紋理分析在前列腺癌診斷中初步應用. 醫(yī)學影像學雜志, 2019, 29(3): 458-462.

[11] Sidhu HS, Benigno S, Ganeshan B,et al. Textural analysis of multiparametric MRI detects transition zoneprostatecancer. Eur Radiol, 2017, 27(6): 2348-2358．

[12] Daniel M, Kuess P, Andrzejewski P,et al. Impact of androgen deprivation therapy on apparent diffusion coefficientand T2w MRI for histogram and texture analysis with respect to focalradiotherapy of prostate cancer. Strahlenther Onkol, 2019, 195(5): 402-411.

[13] Andrzejewski P, Kuess P, Kn?usl B,et al. Feasibility of dominant intraprostatic lesion boosting using advancedphoton-, proton- or brachytherapy. Radiother Oncol, 2015, 117(3): 509-514.

[14] Thomas L, Kantz S, Hung A, et al.68Ga-PSMA-PET/CT imaging of localized primary prostate cancer patients forintensity modulated radiation therapy treatment planning with integrated boost.Eur J Nucl Med Mol Imaging, 2018, 45(7): 1-9.

[15] Perera M, Krishnananthan N,Lindner U, et al. An update on focal therapy for prostate cancer. Nat Rev Urol,2016, 13(11): 641-653.

[16] Bates A, Miles K, Huang LX.Prostate-specific membrane antigen PET/ MRI verification for detection ofmetastatic prostate cancer by MR texture analysis. Inter J Med Radiol, 2008,41(1): 124.

Bates A, Miles K, 黃黎香. MR紋理分析檢測移行帶前列腺癌的前列腺特異性膜抗原PET/MRI驗證. 國際醫(yī)學放射學雜志,2018, 41(1): 124.

[17] Kesch C, Radtke JP, Wintsche A, etal. Correlation between genomic index lesions and mpMRI and Ga-PSMA-PET/CTimaging features in primary prostate cancer. Sci Rep, 2018, 8(1): 16708.

[18] Niu XK, Chen ZF, Chen L, et al.Clinical application of biparametric MRI texture analysis for detection andevaluation of high-grade prostate cancer in zone-specific regions. AJR Am JRoentgenol, 2018, 210(3): 549-556.

[19] Chen T, Li M, Gu YF, et al.Prostate cancer differentiation and aggressiveness: Assessment with aradiomic-based model vs. PI-RADS v2. J Magn Reson Imaging, 2019, 49(3):875-884.

[20] Rozenberg R, Thornhill RE, FloodTA, et al. Whole tumor quantitative apparent diffusion coefficient histogram andtexture analysis to predict gleason score upgrading in intermediate-risk 3+4=7prostate cancer. AJR Am J Roentgenol, 2016, 206(4): 775-782.

[21] Shiradkar R, Ghose S, Jambor I, etal. Radiomic features from pretreatment biparametric MRI predict prostatecancer biochemical recurrence: Preliminary findings. J Magn Reson Imaging,2018, 48(6): 1626-1636.

[22] Gnep K, Fargeas A, Ricardo E, etal. Haralick textural features on T2- weighted MRI are associated withbiochemical recurrence following radiotherapy for peripheral zone prostatecancer. J Magn Reson Imaging, 2017, 45(1): 103-117.

[23] Hamid A, Kiarash T, Bahram M, etal. MRI radiomic analysis of IMRT-induced bladder wall changes in prostatecancer patients: A relationship with radiation dose and toxicity. J Med ImagingRadiat Sci, 2019, 50(2): 252-260.

[24] Scalco E, Rancati T, Pirovano I,et al. Texture analysis of T1-w and T2-w MR images allows a quantitativeevaluation of radiation-induced changes of internal obturator muscles afterradiotherapy for prostate cancer. Med Phys, 2018, 45(4): 1518-1528.

[25] Cohen JG, Goo JM, Yoo RE, et al.Software performance in segmenting ground-glass and solid components ofsubsolid nodules in pulmonary adenocarcinomas. Eur Radiol, 2016, 26(12):4465-4474.

[26] Limkin EJ, Sun R, Dercle L, et al.Promises and challenges for the implementation of computational medical imaging(radiomics) in oncology. Ann Oncol, 2017, 28(6): 1191-1206.