影像基因組學(xué)在乳腺癌中的研究現(xiàn)狀與進(jìn)展

魏竹馨 文玲 王希明

乳腺癌是我國女性中最常見的癌癥，占女性癌癥發(fā)病率的17.10%[1]。乳腺癌異質(zhì)性高，為了更好地解釋乳腺癌的異質(zhì)性，全基因組表達(dá)譜分析技術(shù)開始應(yīng)用于臨床，該類技術(shù)可對乳腺癌進(jìn)行分子分型，從而更準(zhǔn)確地預(yù)測乳腺癌的復(fù)發(fā)轉(zhuǎn)移風(fēng)險及治療效果。但是，有創(chuàng)的基因表達(dá)譜分析獲得的病理組織進(jìn)行分子表征僅能提供腫瘤的局部信息，其結(jié)果的準(zhǔn)確性及代表性受到限制[2-3]。影像基因組學(xué)的應(yīng)用克服了上述局限性，具有廣闊的發(fā)展空間。影像基因組學(xué)一方面通過無創(chuàng)的方式反映腫瘤整體的異質(zhì)性，有助于提高我們對腫瘤生物學(xué)的認(rèn)識，建立腫瘤基因型和影像學(xué)表型之間的聯(lián)系；另一方面，影像基因組學(xué)的定量或定性生物學(xué)成像標(biāo)志物可為病人的個性化治療提供必要的信息，從而達(dá)到優(yōu)化臨床決策和改善病人預(yù)后的目的[4-5]。本文系統(tǒng)闡述影像基因組學(xué)在乳腺癌中的研究進(jìn)展。

1 影像基因組學(xué)概述

影像基因組學(xué)主要用來研究醫(yī)學(xué)成像影像表型和腫瘤基因組之間的關(guān)系。Lambin 等[6]在2012 年正式提出了影像組學(xué)的概念，即采用自動化、高通量的特征提取方法，將醫(yī)學(xué)影像轉(zhuǎn)化為大量的特征信息，深入挖掘圖像的生物學(xué)本質(zhì)并提供臨床決策支持。影像組學(xué)的工作流程包括以下幾個步驟[7]：①圖像收集，類似于臨床試驗中的“病例入組”。乳腺癌檢查涉及多模態(tài)成像，包括乳腺X 線攝影、超聲、MRI 和正電子發(fā)射體層成像（PET）/CT 等，因此存在多種圖像收集途徑；②圖像分割，包括人工手動分割、半自動分割和全自動分割；③圖像特征提取與鑒定，即通過提取高維特征數(shù)據(jù)來定量描述興趣區(qū)（ROI）的屬性[8]，為影像組學(xué)的核心部分；④特征的選擇及模型的建立；⑤臨床應(yīng)用，影像組學(xué)應(yīng)用最多的領(lǐng)域包括腫瘤分類、腫瘤分期和預(yù)后預(yù)測。

2 乳腺癌影像基因組學(xué)研究現(xiàn)狀

2.1 乳腺癌影像數(shù)據(jù)獲取

2.1.1 MRI 與乳腺X 線攝影和乳腺超聲成像相比，乳腺M(fèi)RI 能更準(zhǔn)確地測量腫瘤大小，有助于發(fā)現(xiàn)乳腺癌周圍轉(zhuǎn)移灶、多中心癌灶及對側(cè)乳腺病變。2012 年，Yamamoto 等[9]發(fā)表了第一份乳腺影像基因組MRI 研究報告，該研究表明26 種顯像表型中有21 種影像特征與71%的基因存在全基因組范圍內(nèi)的關(guān)聯(lián)，同時發(fā)現(xiàn)異質(zhì)性增強(qiáng)模式與干擾素型乳腺癌（預(yù)后與luminal B 相似）顯著相關(guān)，并且通過基因富集分析確定了11 個與預(yù)后相關(guān)的影像特征。乳腺動態(tài)增強(qiáng)MRI（DCE－MRI）因軟組織分辨力高和能夠準(zhǔn)確反映血流動力學(xué)信息而被廣泛應(yīng)用。DCE-MRI 的特征已被證明是與基因組學(xué)相關(guān)的最常見影像特征。MRI 還可以通過擴(kuò)散加權(quán)成像（DWI）來評估腫瘤其他特征，提供有關(guān)腫瘤生物學(xué)和微觀結(jié)構(gòu)特征的信息。Martincich 等[10]通過研究DWI 與乳腺癌生物標(biāo)志物之間的關(guān)系發(fā)現(xiàn)，乳腺癌的生物學(xué)特征與表觀擴(kuò)散系數(shù)（ADC）值存在顯著相關(guān)性，雌激素受體（estrogen receptor，ER）陰性腫瘤的ADC 值中位數(shù)高于ER 陽性腫瘤，并且富含人表皮生長因子受體2（human epidermal growth factor receptor 2，HER2）的腫瘤的ADC 值中位數(shù)最高，該值顯著高于Luminal A 和Luminal B/HER2 陰性的腫瘤。Kim 等[11]進(jìn)一步利用ADC 直方圖的各個參數(shù)進(jìn)行分析，包括ADC 的最小值（ADCmin）、第10 百分位、平均值、中位數(shù)、第90 百分位和最大值，該研究發(fā)現(xiàn)除了ADCmin之外，其他各ADC 參數(shù)都與預(yù)后因素和亞型相關(guān)，HER2 陽性腫瘤ADC 值高，Ki-67指數(shù)高的腫瘤則ADC 值低。Cho 等[12]使用體素內(nèi)不相干運(yùn)動（intravoxel incoherent motion,IVIM）成像的生物標(biāo)志物，如組織擴(kuò)散系數(shù)（Dt）、灌注分?jǐn)?shù)（fp）和偽擴(kuò)散系數(shù)（Dp）來描述乳腺癌的異質(zhì)性。另有研究者[13-15]聯(lián)合多參數(shù)MR 技術(shù)（包括DCE、DWI、MR 波譜分析）及血氧水平依賴（BOLD）成像進(jìn)行研究，通過BOLD MRI 獲得乳腺癌微環(huán)境的乏氧信息，評估新輔助治療的效果，使其有潛力成為乳腺癌預(yù)后和治療效果的影像學(xué)生物標(biāo)志物。

2.1.2 乳腺X 線攝影 乳腺癌的多模態(tài)成像還包括乳腺X 線攝影，盡管其應(yīng)用廣泛，但受二維成像和組織重疊的限制，不能對腫瘤形狀和邊緣進(jìn)行詳細(xì)評估，因此乳腺X 線攝影在影像基因組學(xué)分析方面存在一定的局限性。Woodard 等[5]發(fā)現(xiàn)具有細(xì)線分支鈣化的乳腺癌復(fù)發(fā)分?jǐn)?shù)較其他可疑鈣化形態(tài)的復(fù)發(fā)分?jǐn)?shù)更高；而且根據(jù)乳腺實質(zhì)分類，不同類別的乳腺密度與復(fù)發(fā)分?jǐn)?shù)呈負(fù)相關(guān)，a 類的乳腺密度（脂肪型）的復(fù)發(fā)分?jǐn)?shù)為24.4，顯著高于d 類乳腺密度（致密型）的復(fù)發(fā)分?jǐn)?shù)（16.5）。Nie 等[16]發(fā)現(xiàn)范圍>2 cm 的微鈣化灶最常見于HER2 過度表達(dá)分子亞型。

2.2 圖像分割 圖像分割是指對ROI 的分割，即在影像上勾畫出ROI，從而針對這一特定區(qū)域計算出影像組學(xué)特征。由于乳腺癌的異質(zhì)性和形狀不規(guī)則，針對腫瘤的精準(zhǔn)分割是一個巨大挑戰(zhàn)。目前，分割技術(shù)主要包括人工分割法、半自動分割法及自動分割法[14，17-20]。Agner 等[17]采用二維手動分割法人工劃定病變邊界，分別對三陰性乳腺癌與其他非三陰性病變、ER 和HER2 陽性、ER 陽性、HER2 陽性乳腺癌及乳腺纖維腺瘤進(jìn)行鑒別，受試者操作特征（ROC）曲線下面積（AUC）為0.73～0.97。Ashraf 等[21]手動勾畫56 例ER 陽性乳腺癌病人的ROI，研究DCE-MRI 影像特征與復(fù)發(fā)可能性之間的相關(guān)性，結(jié)果表明ER 陽性乳腺癌DCE-MRI 影像特征與基因預(yù)測的腫瘤復(fù)發(fā)風(fēng)險中度相關(guān)，ROC AUC 為0.77。自動分割法常用的分割算法有圖形切割法、活動輪廓法、區(qū)域生長法和水平集法等。Wan 等[20]則采用病灶自動分割方法，研究了DCE-MRI 影像特征與復(fù)發(fā)分?jǐn)?shù)之間關(guān)系。目前，手動分割法應(yīng)用較多，其優(yōu)勢在于可對不規(guī)則的腫瘤邊界進(jìn)行精細(xì)、準(zhǔn)確地勾畫，常被用作金標(biāo)準(zhǔn)；但其受主觀因素影響較大，可重復(fù)性低，且耗時、效率低，不能用于大樣本的研究；相反，半自動或自動分割法則表現(xiàn)出較高的可重復(fù)性和時效性。自動分割法較半自動分割法能更好地排除人為因素對研究的影響，但由于完全自動分割法目前還沒有統(tǒng)一的方案及標(biāo)準(zhǔn)，難以廣泛用于研究。因此，進(jìn)一步優(yōu)化ROI 分割方法將是影像組學(xué)的一個重要研究方向。

2.3 圖像特征提取 提取特征數(shù)據(jù)用于定量分析ROI 的過程是影像組學(xué)的核心步驟。圖像特征大致可分為4 類[22]：①一般形態(tài)學(xué)特征：腫瘤大小、形態(tài)、邊緣、分布、內(nèi)部強(qiáng)化特點等；②一階直方圖分布特征：可通過直方圖分析計算得到，包括均數(shù)、中位數(shù)、最小值、最大值、標(biāo)準(zhǔn)差、熵、偏度和峰度等一階特征[18]；③二階直方圖或紋理特征：如自相關(guān)函數(shù)、灰度共生矩陣、灰度級長矩陣、灰度及帶矩陣等；④動力學(xué)特征：包括藥代動力學(xué)、增強(qiáng)動力學(xué)（廓清型、平臺型和持續(xù)型）[23]、紋理動力學(xué)等。圖像特征通常來自于成熟的庫，比如MaZda 庫[24]和Haralick 庫。Ahmed 等[25]使用了Haralick 庫定義的14 個紋理特征（f1～f14）預(yù)測乳腺癌病人對化療的反應(yīng)，結(jié)果發(fā)現(xiàn)部分參數(shù)在化學(xué)治療完全應(yīng)答與部分應(yīng)答之間存在差異，且在對比劑注射后1～3 min 差異最明顯。計算機(jī)可不受特征數(shù)量的限制進(jìn)行大樣本的分析，分析水平僅受計算能力的限制。隨著分析的復(fù)雜性和需要分析的病例數(shù)量的增加，影像基因組學(xué)領(lǐng)域已主要轉(zhuǎn)向計算機(jī)衍生的特征。

2.4 特征的選擇與建模 在提取數(shù)量龐大的高通量影像特征后，需采用特征選擇方法獲得最佳性能表現(xiàn)的特征集，輸入至機(jī)器學(xué)習(xí)算法，用于建立基于影像組學(xué)特征的預(yù)測和分類模型。特征選擇中較為常用的方法有LASSO Cox 回歸模型、最小冗余最大相關(guān)（minimum-redundancy maximum-relevancy，mRMR）、互信息法、主成分分析法等。其中，mRMR核心含義即最大化特征與分類變量之間的相關(guān)性，而最小化特征與特征之間的相關(guān)性，在保證最大相關(guān)性的同時去除冗余特征，從而達(dá)到降維的效果。隨后運(yùn)用機(jī)器學(xué)習(xí)的方法對篩選出來的影像組學(xué)特征建立模型，實現(xiàn)預(yù)測腫瘤預(yù)后及轉(zhuǎn)歸的作用。在影像組學(xué)建模中，因logistic 回歸模型簡單易行，故成為最常用的監(jiān)督分類器之一；此外，常用的機(jī)器學(xué)習(xí)模型還有隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、聚類分析等[26]。Parmar 等[27]對14 種特征選擇方法和12 種分類方法的性能和預(yù)測總生存率的穩(wěn)定性進(jìn)行了研究，結(jié)果發(fā)現(xiàn)，mRMR（AUC=0.69，穩(wěn)定性=0.66）和互信息法（AUC=0.66，穩(wěn)定性=0.69）預(yù)測總生存率的穩(wěn)定性最好；分類器方面，隨機(jī)森林分類器（AUC=0.61）取得了較佳的預(yù)測結(jié)果。

2.5 臨床應(yīng)用

2.5.1 影像基因組學(xué) 對鑒別分子亞型的作用Perou 等[28]研究發(fā)現(xiàn)，乳腺癌在基因表達(dá)水平上可以定義為4 種不同的固有亞型（Luminal A、Luminal B、HER2-enriched、三陰性）。但是，隨著研究的發(fā)展，三陰性乳腺癌逐漸被基因表達(dá)譜鑒別出來的基底細(xì)胞樣型乳腺癌替代，大部分研究使用簡化的分類[29]，即Luminal A[ER 陽性和/或孕激素受體（PR）陽性，HER2 陰性]、Luminal B（ER 陽性和/或PR 陽性，HER2 陽性）、HER2-enriched（ER 陰性，PR 陰性，HER2 陽性）和基底細(xì)胞樣型（ER 陰性，PR 陰性，HER2 陰性）。盡管不同類型乳腺癌的一些主要的生物學(xué)標(biāo)記如HR 和HER2 表達(dá)存在重疊，但這些亞型在隨后治療反應(yīng)和預(yù)后表現(xiàn)上不盡相同。因此，術(shù)前了解乳腺癌分子亞型，對于個體化治療（化療、內(nèi)分泌治療和HER2 靶向治療）的選擇具有重要的指導(dǎo)價值。癌癥基因組圖譜是一個公開的、可獲得的、已經(jīng)歷過正式分子分型的乳腺癌中央知識庫，它與包含相應(yīng)影像信息的癌癥影像檔案相關(guān)聯(lián)。Mazurowski 等[19]從癌癥影像檔案篩選了48 例病人提取出23 個DCE-MRI 影像特征，結(jié)果表明luminal B型乳腺癌與動態(tài)增強(qiáng)特征存在相關(guān)性，進(jìn)一步驗證發(fā)現(xiàn)病灶強(qiáng)化率與背景實質(zhì)強(qiáng)化率比值較高者更有可能為luminal B 亞型，這可能與luminal B 亞型中成纖維細(xì)胞生長因子受體基因的擴(kuò)增，促使通透性較高的新生血管形成有關(guān)。雖然基因組學(xué)分析為獲得乳腺癌分子亞型的首選方法，但費(fèi)用昂貴且耗時，從而限制了可供影像基因組學(xué)分析的病人數(shù)量，因此大多數(shù)研究通常以受體狀態(tài)替代基因組學(xué)分析對分子亞型進(jìn)行分類。有相關(guān)的DWI 研究[10-11]發(fā)現(xiàn)，HER2-enriched 乳腺癌表現(xiàn)出最高的ADC值，而Luminal B/HER2 陰性者ADC 值最低。Youk等[30]的研究則得出不同結(jié)果，他們認(rèn)為三陰性乳腺癌有更高的ADC 值，這可能由于該研究中59 例三陰性乳腺癌中有33 例（56%）表現(xiàn)為腫瘤內(nèi)壞死，而腫瘤壞死區(qū)域腫瘤細(xì)胞減少，導(dǎo)致ADC 值升高。Leithner 等[31]研究表明從DWI 中提取的影像特征，如一階直方圖、灰度共生矩陣等，可以較準(zhǔn)確地評估乳腺癌的受體狀態(tài)和分子亞型，尤其對于luminal B 和HER2-enriched 兩種乳腺癌分子亞型的評估（準(zhǔn)確度分別為100%和94.7%）。Grimm 等[32]研究發(fā)現(xiàn)，DCE-MRI 上所顯示的腫塊形狀與基底細(xì)胞樣型癌、腫塊邊緣和HER2 型癌存在顯著相關(guān)性，更為重要的是均質(zhì)的腫塊樣和非腫塊樣的內(nèi)部強(qiáng)化對luminal B 分子亞型的陰性預(yù)測值較高。目前，對三陰性乳腺癌的影像基因組學(xué)研究也有較多報道。Xie 等[14]使用多參數(shù)MR 成像和全腫瘤直方圖分析鑒別三陰性乳腺癌與其他亞型乳腺癌，結(jié)果顯示，對三陰性乳腺癌和Luminal A、HER2-enriched 亞型的鑒別診斷準(zhǔn)確度較高，AUC 分別為0.710 和0.763，但三陰性乳腺癌與Luminal B 型的單變量分析差異無統(tǒng)計學(xué)意義。Dilorenzo 等[33]探討MRI 乳腺背景實質(zhì)強(qiáng)化（background parenchymal enhancement,BPE）對不同乳腺癌亞型的鑒別診斷價值，結(jié)果表明輕度BPE 提示Luminal B 或HER2 陰性亞型，重度BPE 則提示三陰性乳腺癌。Wang 等[18]研究發(fā)現(xiàn)，增加BPE 的定量成像特征后可明顯提高其對三陰性乳腺癌的預(yù)測能力，使預(yù)測準(zhǔn)確度由86.9%提高到90.0%，AUC 由0.782 提高到0.883。

2.5.2 影像基因組學(xué)對療效及預(yù)后的預(yù)測價值 新輔助全身化療（neoadjuvant systemic therapy，NST）是局部和晚期乳腺癌的標(biāo)準(zhǔn)治療方法，通過化療減小腫瘤體積，可使更多的病人接受保乳手術(shù)治療，但并不是所有乳腺癌都受益于NST 治療，因為有部分生物侵襲性強(qiáng)的癌灶可能經(jīng)過幾個月的NST 治療后不但得不到有效控制，反而會增加腫瘤轉(zhuǎn)移的風(fēng)險。因此，在治療過程中盡早區(qū)分NST 治療獲益和對NST 治療不敏感的病人至關(guān)重要。病理完全緩解（pathologic complete remission，pCR）與病人預(yù)后良好密切相關(guān)，可作為評價NST 治療效果的一項指標(biāo)。Tsukada 等[13]預(yù)測在NST 完成后哪類腫瘤能達(dá)到pCR，結(jié)果顯示與pCR 相關(guān)的2 個MRI 的衍生特征為腫瘤生長方向和廓清速率，表明與Cooper 韌帶平行的腫瘤生長方向（即腫瘤前后徑長于內(nèi)外徑）和治療前多參數(shù)MRI 的快速廓清速率是pCR的預(yù)測指標(biāo)。Chamming’s 等[34]利用不同的空間比例因子提取了平均像素強(qiáng)度、標(biāo)準(zhǔn)差、熵、偏度、峰度等特征，發(fā)現(xiàn)在非三陰性乳腺癌病人中空間比例因子為2 的峰度和預(yù)后之間的關(guān)系差異存在統(tǒng)計學(xué)意義，并且采用T2WI 和T1WI 增強(qiáng)峰度圖的多變量模型對三陰性乳腺癌的鑒別有較好的效果（AUC=0.834）。Nakashoji 等[35]研究三陰性乳腺癌病人發(fā)現(xiàn)，臨床表現(xiàn)為進(jìn)展較慢的腫瘤和乳腺X 線攝影顯示鈣化較少的腫瘤可能對化療更敏感。Parikh 等[36]通過檢測腫瘤熵（不規(guī)則性）和均勻性（灰度分布）的變化發(fā)現(xiàn)，治療后腫瘤變得更加均勻，T2WI 上信號均勻性的提高和熵的降低可能比腫瘤大小變化更早提示pCR。Kim 等[37]利用無復(fù)發(fā)生存率來評價乳腺癌預(yù)后效果，結(jié)果顯示腫瘤在T2WI 有較高熵值（異質(zhì)性高）的病人表現(xiàn)出較低的無復(fù)發(fā)生存率。

2.5.3 影像基因組學(xué)與乳腺癌復(fù)發(fā)的相關(guān)性研究 應(yīng)用多基因檢測方法[如癌型檢測（Oncotype Dx）和預(yù)測分析微陣列50（PAM50）/Prosigna]對腫瘤的復(fù)發(fā)風(fēng)險進(jìn)行預(yù)測已應(yīng)用于臨床。Oncotype Dx 主要用于檢測ER 陽性的早期乳腺癌，已有研究證實該檢測方法比臨床病理學(xué)指標(biāo)能更準(zhǔn)確地預(yù)測ER類型及腋窩淋巴結(jié)轉(zhuǎn)移情況[38]。Woodard 等[5]研究發(fā)現(xiàn)乳腺密度與Oncotype Dx 復(fù)發(fā)評分（Oncotype Dx recurrence score, ODxRS）呈負(fù)相關(guān)，不清晰的腫塊邊緣和纖細(xì)的線性分支鈣化與較高的ODxRS 顯著相關(guān)。除了乳腺X 線攝影的特征，MRI 中的動態(tài)增強(qiáng)特征也有潛力作為乳腺癌復(fù)發(fā)風(fēng)險的影像學(xué)生物標(biāo)志物。Wan 等[20]采用6 個形態(tài)特征、3 個藥物動力學(xué)特征、4 個增強(qiáng)動力學(xué)特征、4 個強(qiáng)度動力學(xué)特征、148 個結(jié)構(gòu)動力學(xué)特征、5 個動態(tài)方向梯度直方圖和6 個動力局部二值模式特征對每個病變進(jìn)行定量表征，并在ER 陽性病人中評價這些特征與致癌類型Dx 風(fēng)險類別的相關(guān)性，結(jié)果表明計算機(jī)提取的ER 陽性乳腺癌DCE-MRI 紋理特征與Oncotype Dx 風(fēng)險評分高度相關(guān)，動態(tài)方向梯度直方圖和動力局部二值模式的AUC 值分別為0.84 和0.80。Thakur 等[39]測量ER 陽性和腋窩淋巴結(jié)陰性浸潤性乳腺癌的ADC 值，結(jié)果發(fā)現(xiàn)ODxRS 評分低風(fēng)險癌灶的ADC 值顯著高于中/高危風(fēng)險者。Dialani等[40]利用乳腺X 線攝影、超聲和MRI 特征，結(jié)合PR、HER2 狀態(tài)和腫瘤分級，能夠可靠地預(yù)測腫瘤復(fù)發(fā)風(fēng)險，具有較高的敏感度（89%）和特異度（83%），從而減少昂貴的Oncotype Dx 檢測。PAM50 測定法是對與乳腺癌相關(guān)的50 個基因表達(dá)進(jìn)行的檢測，可用于預(yù)測ER 陽性、HER2 陰性乳腺癌病人轉(zhuǎn)移的可能性，并能指導(dǎo)激素治療和化療的臨床決策[41]。Li 等[42]采用多種多基因檢測手段（MammaPrint、Oncotype DX 和PAM50）與計算機(jī)提取的乳腺M(fèi)RI表型進(jìn)行對照研究，結(jié)果顯示影像組學(xué)特征尤其是腫瘤大小和增強(qiáng)紋理，與多基因檢測的復(fù)發(fā)評分之間存在顯著相關(guān)性，即腫瘤越大、越不均質(zhì)強(qiáng)化，其復(fù)發(fā)的風(fēng)險越高。

3 乳腺癌影像基因組學(xué)的局限性

影像基因組學(xué)是將腫瘤基因型與影像表型聯(lián)系起來的一個新興領(lǐng)域，雖然已有大量研究證實其具有重要的臨床價值和廣闊的應(yīng)用前景，但目前仍存在一些局限性：①大多數(shù)研究都依賴于回顧性數(shù)據(jù)集，且樣本量小，缺少代表性；②基因表達(dá)和信號通路極其復(fù)雜，且基因檢測價格昂貴、操作復(fù)雜，這限制了大規(guī)模的影像基因組學(xué)研究；③由于缺乏統(tǒng)一的標(biāo)準(zhǔn)、不同的軟件和成像設(shè)備以及數(shù)據(jù)集的機(jī)構(gòu)間和機(jī)構(gòu)內(nèi)的異質(zhì)性均限制了結(jié)果的通用性，ROI 采用手動劃定或自動分割法也可能影響特征的提取及相關(guān)分析。

4 小結(jié)

乳腺癌影像基因組學(xué)是一個非常有前景的研究領(lǐng)域，可以快速、無創(chuàng)地通過影像學(xué)獲得相關(guān)基因特征與信息，有望提高乳腺癌的診斷、預(yù)后評估和治療反應(yīng)預(yù)測的準(zhǔn)確性。迄今為止，影像基因組學(xué)的工作主要集中在單一機(jī)構(gòu)和回顧性數(shù)據(jù)集，下一步影像基因組學(xué)研究應(yīng)獲得更大的數(shù)據(jù)集和更準(zhǔn)確的信息，并且需要將其進(jìn)行標(biāo)準(zhǔn)化、規(guī)范化及統(tǒng)一化，從而能更精準(zhǔn)地解決臨床問題。