基于CT 的影像組學(xué)術(shù)前預(yù)測(cè)胃癌Ki-67表達(dá)水平的研究

董夢(mèng)藝 趙秉超 李葉興 黃佳 夏婷 梁長(zhǎng)虹 劉再毅

胃癌是全球最常見(jiàn)的消化系統(tǒng)惡性腫瘤之一，我國(guó)胃癌發(fā)病率在各種惡性腫瘤中位居第2 位，每年新增病例約67.9 萬(wàn)例，導(dǎo)致死亡約49.8 萬(wàn)例[1]。Ki-67 是一種識(shí)別增殖期細(xì)胞核內(nèi)相關(guān)抗原的單克隆抗體，其表達(dá)陽(yáng)性率的高低與胃癌的分化程度、淋巴結(jié)轉(zhuǎn)移及預(yù)后密切相關(guān)[2-4]。因此，Ki-67 可能成為可靠、快速測(cè)定胃癌增殖率的重要工具，而胃癌增殖細(xì)胞百分比的準(zhǔn)確測(cè)定對(duì)預(yù)后有重要價(jià)值，對(duì)選擇合適的治療方法也有重要意義。目前臨床上常用病理免疫組織化學(xué)（immunohistochemistry，IHC）方法檢測(cè)胃癌Ki-67 表達(dá)水平，但其有創(chuàng)、耗時(shí)且成本高。影像組學(xué)可從醫(yī)學(xué)影像中提取海量的定量特征進(jìn)行分析以協(xié)助臨床決策，研究表明影像組學(xué)可用于術(shù)前預(yù)測(cè)乳腺癌、腎上腺癌等腫瘤的Ki-67表達(dá)水平，但在胃癌方面尚未見(jiàn)相關(guān)報(bào)道[5-7]。因此，本研究擬建立并驗(yàn)證基于術(shù)前增強(qiáng)CT 的影像組學(xué)諾謨圖以預(yù)測(cè)胃癌Ki-67 表達(dá)水平。

1 資料與方法

1.1 研究對(duì)象 回顧性收集2009 年1 月—2019年1 月行上腹部CT 增強(qiáng)掃描且術(shù)后行胃癌組織Ki-67 表達(dá)水平檢測(cè)的胃癌病人468 例，其中男297 例，女171 例，年齡26～88 歲，平均（59.03±12.24）歲。將病人隨機(jī)分為訓(xùn)練集[310 例，男196例，女114 例，年齡27～88 歲，平均（59.39±12.72）歲]和驗(yàn)證集[158 例，男101 例，女57 例，年齡26～83歲，平均（66.83±6.10）歲]。納入標(biāo)準(zhǔn)：①手術(shù)切除且經(jīng)術(shù)后病理確診為胃腺癌；②經(jīng)術(shù)后IHC 檢測(cè)Ki-67表達(dá)水平；③術(shù)前行增強(qiáng)CT 檢查且可明確顯示癌灶。排除標(biāo)準(zhǔn)：①術(shù)前行放療、化療或放化療；②CT影像不符合后處理要求，如影像質(zhì)量差、癌灶過(guò)小或胃充盈差而無(wú)法清晰顯示病灶等。本研究經(jīng)倫理委員會(huì)批準(zhǔn)，豁免簽署病人知情同意書(shū)。

1.2 設(shè)備與方法 采用西門(mén)子Somatom Definition Flash CT、飛利浦256 層Brilliance iCT 設(shè)備，掃描范圍自膈頂至雙腎下級(jí)。掃描參數(shù)：管電壓120 kV，管電流130 mA，層厚、層間距及重建厚度均為1 mm，旋轉(zhuǎn)時(shí)間0.5 s/r，F(xiàn)OV 36 cm×36 cm，矩陣512×512。對(duì)比劑使用碘普羅胺（含碘370 mg/mL），經(jīng)前臂靜脈注入對(duì)比劑（1.5 mL/kg 體質(zhì)量），注射流率為3.5 mL/s，分別于注射對(duì)比劑后30、60、180 s 獲取動(dòng)脈期、門(mén)靜脈期及延遲期CT 影像。

1.3 病理檢查及Ki-67 表達(dá)水平評(píng)定 記錄病人腫瘤部位（胃上部、胃中部、胃下部），以及術(shù)前活檢病理分化程度（高分化、中分化、低分化）、Lauren 分型（腸型、彌漫型、混合型）、血清癌胚抗原（CEA）（正常、升高）和糖類(lèi)抗原CA19-9 水平（正常、升高）。術(shù)后1 周內(nèi)通過(guò)IHC 檢測(cè)Ki-67 水平，記錄顯微鏡（×40）下每1 000 個(gè)細(xì)胞中Ki-67 標(biāo)記陽(yáng)性細(xì)胞百分比，根據(jù)Ki-67 表達(dá)水平（≥50%為高表達(dá)，<50%為低表達(dá)[8]）將病人分為高表達(dá)組（訓(xùn)練集177 例，驗(yàn)證集79 例）和低表達(dá)組（訓(xùn)練集133 例，驗(yàn)證集79 例）。

1.4 影像組學(xué)分析

1.4.1 興趣體積（volume of interest，VOI）勾畫(huà) 從圖像存儲(chǔ)與傳輸系統(tǒng)（PACS）工作站以DICOM 格式導(dǎo)出門(mén)靜脈期CT 影像，由2 名有經(jīng)驗(yàn)的放射科醫(yī)生使用ITK-SNAP 圖像處理軟件（版本3.6.0，www.itksnap.org）手動(dòng)勾畫(huà)腫瘤VOI。自病灶起始層開(kāi)始連續(xù)勾畫(huà)興趣區(qū)（ROI），沿腫瘤輪廓分割，避開(kāi)胃腔內(nèi)氣體、壞死區(qū)、腫大淋巴結(jié)及外周的脂肪等（圖1）。連續(xù)勾畫(huà)層面包括整個(gè)病灶，最后將病人多層ROI 整合為VOI。

1.4.2 影像組學(xué)特征的提取 提取的影像組學(xué)特征包括手工特征和深度學(xué)習(xí)特征。手工特征提?。航厝OI 每一層面的最小外接矩形，將矩形中不屬于腫瘤區(qū)域的像素置零，然后使用MATLAB 2016（MathWorks，Natick，MA）提取手工特征，包括一階統(tǒng)計(jì)量、紋理特征、形態(tài)學(xué)特征、濾波特征。深度學(xué)習(xí)特征提?。菏褂糜?jì)算機(jī)視覺(jué)領(lǐng)域廣泛應(yīng)用的遷移學(xué)習(xí)技術(shù)提取，截取腫瘤圖像最大層面的最小外接矩形，并標(biāo)準(zhǔn)化為224×224 像素，輸入MATLAB 上預(yù)訓(xùn)練好的VGG16 模型（ww2.mathworks.cn），將模型的最后隱含層移除，最后輸出的特征作為本研究使用的深度特征。

1.5 特征的篩選和影像組學(xué)諾謨圖的構(gòu)建 篩選與胃癌Ki-67 表達(dá)水平高度相關(guān)的影像組學(xué)特征。首先通過(guò)計(jì)算組內(nèi)和組間相關(guān)系數(shù)（ICC）評(píng)估特征的穩(wěn)定性，對(duì)穩(wěn)定的（ICC≥0.9）的手工特征和深度學(xué)習(xí)特征分別篩選。手工特征篩選采用最大相關(guān)最小冗余（mRMR）及遞歸特征消除（RFE）方法；深度學(xué)習(xí)特征篩選采用單因素分析[計(jì)算單一特征的受試者操作特征（ROC）曲線(xiàn)下面積（AUC），按AUC 大小進(jìn)行降序排列，選取AUC 較大的特征進(jìn)行分析]及隨機(jī)森林（RF）方法。將篩選后與胃癌Ki-67 表達(dá)水平高度相關(guān)的手工特征和深度學(xué)習(xí)特征聯(lián)合建模[9]。采用支持向量機(jī)（support vector machine，SVM）構(gòu)建影像組學(xué)標(biāo)簽（https://github.com/Bingchao-Zhao/CT-prediction-ki67.git），并計(jì)算每例病人的影像組學(xué)評(píng)分（Rad-score）。

1.6 統(tǒng)計(jì)學(xué)方法 采用R 軟件（version3.6.1）和SPSS 20.0 軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。符合正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（x±s）表示，2 組間比較采用獨(dú)立樣本t 檢驗(yàn)。計(jì)數(shù)資料以例（%）表示，2 組間比較采用卡方檢驗(yàn)。采用多因素邏輯回歸分析潛在的臨床危險(xiǎn)因素，將這些危險(xiǎn)因素聯(lián)合影像組學(xué)標(biāo)簽建立影像-臨床聯(lián)合預(yù)測(cè)模型，并生成影像組學(xué)諾謨圖。采用ROC 曲線(xiàn)評(píng)估影像組學(xué)標(biāo)簽和諾謨圖的性能，計(jì)算AUC 并比較。采用校準(zhǔn)曲線(xiàn)評(píng)估聯(lián)合預(yù)測(cè)模型在術(shù)前預(yù)測(cè)Ki-67 狀態(tài)的結(jié)果與術(shù)后病理真實(shí)狀態(tài)的擬合度，并采用決策曲線(xiàn)分析（decision curve analysis,DCA）對(duì)驗(yàn)證集影像組學(xué)諾謨圖預(yù)測(cè)的臨床有效性進(jìn)行分析，計(jì)算凈獲益時(shí)的閾值概率。P<0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

圖1 胃癌病灶ROI 手動(dòng)勾畫(huà)示意圖。A 圖為腹部增強(qiáng)CT 門(mén)靜脈期影像，可見(jiàn)胃壁局灶性增厚且明顯強(qiáng)化。B 圖為手動(dòng)分割的ROI，紅色區(qū)域?yàn)榘┰頡OI。

2.1 Ki-67 高表達(dá)與低表達(dá)病人的臨床及病理特征比較 訓(xùn)練集中，2 組間性別、CEA 水平、術(shù)前病理分化程度、Lauren 分型間差異均有統(tǒng)計(jì)學(xué)意義（均P<0.05），詳見(jiàn)表1。驗(yàn)證集中，2 組間年齡、性別、Lauren 分型差異均有統(tǒng)計(jì)學(xué)意義（均P<0.05），詳見(jiàn)表2。訓(xùn)練集和驗(yàn)證集中，2 組間CA19-9 水平、腫瘤部位差異均無(wú)統(tǒng)計(jì)學(xué)意義（均P＞0.05）。

2.2 Ki-67 高表達(dá)與低表達(dá)病人Rad-score 的比較 訓(xùn)練集和驗(yàn)證集中，Ki-67 高表達(dá)者的中位Rad-score（分別為1.022、1.154）均高于低表達(dá)者（分別為0.648、0.626），差異均有統(tǒng)計(jì)學(xué)意義（分別t=50.187，P<0.001；t=31.333，P<0.000 1）。

2.3 影像組學(xué)特征篩選及分析結(jié)果 基于訓(xùn)練集數(shù)據(jù)最終篩選出與Ki-67 表達(dá)水平高度相關(guān)的9個(gè)手工特征和11 個(gè)深度學(xué)習(xí)特征，輸入SVM 構(gòu)建影像組學(xué)標(biāo)簽（圖2）。

2.4 影像組學(xué)標(biāo)簽和諾謨圖對(duì)Ki-67 表達(dá)的預(yù)測(cè)效能分析

2.4.1 影像組學(xué)標(biāo)簽預(yù)測(cè)效能 訓(xùn)練集和驗(yàn)證集的影像組學(xué)標(biāo)簽預(yù)測(cè)的AUC 分別為0.637（95%CI：0.570～0.704）、0.724（95%CI：0.641～0.807）（圖3）。

2.4.2 臨床危險(xiǎn)因素分析 多因素邏輯回歸分析結(jié)果顯示年齡和Rad-score 是與Ki-67 高表達(dá)相關(guān)的臨床獨(dú)立危險(xiǎn)因素（表3）。年齡的優(yōu)勢(shì)比（OR）值為4.154，在其他因素保持不變的情況下，年齡每增加一歲，Ki-67 高表達(dá)的風(fēng)險(xiǎn)就增加了4.154 倍；Rad-score 的OR 值為1.320，在其他因素保持不變的情況下，Rad-score 的分?jǐn)?shù)越高，Ki-67 就越趨向于高表達(dá)。

表1 訓(xùn)練集中Ki-67 低表達(dá)和高表達(dá)病人的基本臨床和病理特征比較 例（%）

表2 驗(yàn)證集中Ki-67 低表達(dá)和高表達(dá)病人的基本臨床和病理特征比較 例（%）

圖2 手工特征及深度學(xué)習(xí)特征的篩選流程圖

圖3 基于增強(qiáng)CT 影像組學(xué)標(biāo)簽預(yù)測(cè)Ki-67 表達(dá)水平的ROC 曲線(xiàn)

表3 胃癌Ki-67 高表達(dá)狀態(tài)的獨(dú)立危險(xiǎn)因素分析

2.4.3 諾謨圖預(yù)測(cè)效能 最后選取臨床獨(dú)立危險(xiǎn)因素中的年齡與影像組學(xué)標(biāo)簽構(gòu)建聯(lián)合預(yù)測(cè)模型，并生成諾謨圖（圖4）。訓(xùn)練集和驗(yàn)證集采用聯(lián)合預(yù)測(cè)模型的AUC 分別為0.656（95%CI：0.589～0.724）、0.733（95%CI：0.650～0.816）（圖5）。與影像組學(xué)標(biāo)簽預(yù)測(cè)的AUC 相比，該聯(lián)合模型對(duì)于Ki-67 表達(dá)水平的術(shù)前預(yù)測(cè)表現(xiàn)出更好的效能。諾謨圖校準(zhǔn)曲線(xiàn)顯示訓(xùn)練集和驗(yàn)證集對(duì)Ki-67 表達(dá)水平的預(yù)測(cè)結(jié)果與術(shù)后病理免疫組化結(jié)果之間的一致性均較好，且在驗(yàn)證集中的結(jié)果優(yōu)于訓(xùn)練集（圖6）。諾謨圖在驗(yàn)證集中進(jìn)行DCA，在閾值概率為11%～62%時(shí)，影像-臨床聯(lián)合預(yù)測(cè)模型具有更大的凈獲益（圖7）。

3 討論

1983 年，Gerdes 等[10]發(fā)現(xiàn)Ki-67 抗原是一種在增殖細(xì)胞中表達(dá)的核抗原，這種抗原可反映細(xì)胞周期中活性細(xì)胞的比例，是評(píng)估多種腫瘤細(xì)胞增殖的有效參數(shù)。有多項(xiàng)研究[11-14]表明Ki-67 表達(dá)水平與胃癌生長(zhǎng)動(dòng)力學(xué)的異質(zhì)性、分級(jí)、分期和預(yù)后密切相關(guān)。

圖4 訓(xùn)練集諾謨圖。由影像組學(xué)標(biāo)簽與年齡聯(lián)合構(gòu)建的影像組學(xué)諾謨圖。

圖5 諾謨圖預(yù)測(cè)Ki-67 表達(dá)狀態(tài)的ROC 曲線(xiàn)

圖6 諾謨圖校準(zhǔn)曲線(xiàn)。諾謨圖對(duì)Ki-67 表達(dá)水平預(yù)測(cè)的結(jié)果與病理結(jié)果間一致性均較好，且在驗(yàn)證集中的結(jié)果優(yōu)于訓(xùn)練集。

圖7 驗(yàn)證集中諾謨圖DCA。在閾值概率為11%～62%時(shí)，應(yīng)用影像組學(xué)諾謨圖具有良好的凈獲益。

目前臨床常規(guī)Ki-67 檢測(cè)多采用IHC 方法，這種傳統(tǒng)檢測(cè)方法耗時(shí)且成本高。Ki-67 表達(dá)在胃癌中存在異質(zhì)性，在腫瘤內(nèi)不同區(qū)域增殖率不等，僅依靠核心活檢標(biāo)本無(wú)法全面評(píng)估病灶的Ki-67 表達(dá)，有必要基于腫瘤整體對(duì)其進(jìn)行全面評(píng)估[15]。影像組學(xué)方法具有解析腫瘤異質(zhì)性的潛能，能夠充分挖掘醫(yī)學(xué)圖像中所包含的數(shù)字信息，且可以預(yù)測(cè)某些腫瘤的分子分型等臨床病理信息[16]。傳統(tǒng)的影像組學(xué)特征通常為一般的手工特征，而基于深度學(xué)習(xí)的特征主要通過(guò)卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取，特征學(xué)習(xí)來(lái)源于數(shù)據(jù)本身，可以提取種類(lèi)豐富的深度特征，在圖像信息采集方面能夠做到更加全面[17-18]。而將聯(lián)合模型以諾謨圖的形式呈現(xiàn)，可以更方便臨床醫(yī)師通過(guò)簡(jiǎn)單的評(píng)分來(lái)獲得有效的個(gè)體化預(yù)測(cè)信息，以協(xié)助臨床決策，改善胃癌病人預(yù)后。

本研究構(gòu)建了一種預(yù)測(cè)胃癌病人術(shù)前Ki-67表達(dá)水平的無(wú)創(chuàng)聯(lián)合模型。通過(guò)結(jié)合深度學(xué)習(xí)特征和手工特征來(lái)構(gòu)建影像組學(xué)標(biāo)簽，在訓(xùn)練集病例中行多因素邏輯回歸分析得到與Ki-67 高表達(dá)顯著相關(guān)的臨床危險(xiǎn)因素（年齡），將其與影像組學(xué)標(biāo)簽聯(lián)合構(gòu)建了影像-臨床聯(lián)合模型，進(jìn)而獲得諾謨圖并分析其預(yù)測(cè)效能。研究顯示聯(lián)合模型評(píng)估Ki-67表達(dá)水平在訓(xùn)練集和驗(yàn)證集中均表現(xiàn)良好，且諾謨圖的預(yù)測(cè)效能均優(yōu)于單純采用影像組學(xué)標(biāo)簽預(yù)測(cè)的效能，這表明加入了臨床危險(xiǎn)因素的聯(lián)合模型有潛力改善治療策略。分析原因可能是Ki-67 表達(dá)水平越高則腫瘤細(xì)胞增殖越活躍，血管內(nèi)皮生長(zhǎng)因子受到刺激后使得小血管增生，從而導(dǎo)致腫瘤強(qiáng)化明顯及浸潤(rùn)深度增加；而且Ki-67 的表達(dá)與許多基因的表達(dá)都有明顯的正相關(guān)性，這些因素都使得基于影像來(lái)提取的手工特征和深度組學(xué)特征能夠更好地反映腫瘤的病理學(xué)特征。有研究[19]利用邏輯回歸分析也發(fā)現(xiàn)胃癌的Ki-67 的表達(dá)與年齡、淋巴結(jié)轉(zhuǎn)移和TNM 分期顯著相關(guān)，與本研究篩選到的臨床危險(xiǎn)因素結(jié)果基本相符。通過(guò)對(duì)臨床危險(xiǎn)因素分析及諾謨圖的解讀發(fā)現(xiàn)，病人的年齡越大、Rad-score評(píng)分越高，胃癌組織Ki-67 就越趨向于高表達(dá)。本研究訓(xùn)練集和驗(yàn)證集中Ki-67 高表達(dá)者的中位Rad-score 均高于低表達(dá)者，Rad-score 是基于影像組學(xué)標(biāo)簽得出的，這表明我們篩選兩類(lèi)特征最后構(gòu)建的影像組學(xué)標(biāo)簽有利于鑒別高低表達(dá)組。

校準(zhǔn)曲線(xiàn)顯示諾謨圖對(duì)Ki-67 表達(dá)水平預(yù)測(cè)的結(jié)果與病理結(jié)果間一致性均較好，且在驗(yàn)證集中的結(jié)果優(yōu)于訓(xùn)練集，在驗(yàn)證集中進(jìn)行DCA，在閾值概率為11%～62%時(shí)，影像-臨床聯(lián)合預(yù)測(cè)模型能獲取更大的凈獲益，表明基于影像并結(jié)合臨床危險(xiǎn)因素建立的模型具有良好的穩(wěn)定性及泛化能力，有望應(yīng)用于臨床。Paul 等[9]的研究從CT 影像中提取了深度學(xué)習(xí)特征和手工特征對(duì)肺癌病人淋巴結(jié)轉(zhuǎn)移評(píng)估，顯示該方法具有潛在的預(yù)測(cè)能力，采用最近鄰分類(lèi)器的AUC 為0.713；但由于數(shù)據(jù)僅有40 例，他們使用一種內(nèi)部驗(yàn)證方法即5 倍交叉驗(yàn)證來(lái)評(píng)估模型的性能。本研究的模型是納入了158 例病人的獨(dú)立驗(yàn)證集，結(jié)果更具有可信度；且加入了臨床危險(xiǎn)因素，使得本研究模型的效能要高于Paul 等[9]的結(jié)果。同時(shí)，本研究也證明了基于影像的多標(biāo)簽分析可能是一種改善臨床治療更有效的方法。

在腫瘤Ki-67 無(wú)創(chuàng)預(yù)測(cè)方面，許多影像組學(xué)的研究在乳腺癌、肺癌、肝癌等方向均有涉及，Liang等[20]基于MRI-T2WI 建立的影像組學(xué)標(biāo)簽分類(lèi)器在評(píng)估預(yù)測(cè)Ki-67 狀態(tài)時(shí)表現(xiàn)出良好的效能，對(duì)比本研究，可能是由于胃癌不像乳腺癌那樣在領(lǐng)域內(nèi)有一個(gè)相對(duì)恒定、公認(rèn)的閾值(14%)，且有部分研究甚至劃分了多個(gè)閾值來(lái)分別評(píng)估分類(lèi)效能。本研究結(jié)合數(shù)據(jù)本身特征及以往類(lèi)似研究選取了50%作為分類(lèi)閾值，得到了相對(duì)較好的結(jié)果，未來(lái)研究中我們將繼續(xù)探索胃癌Ki-67 表達(dá)水平的最佳閾值。

另外，影像組學(xué)對(duì)胃癌的臨床診斷、分期及預(yù)后評(píng)估方面也起著不可忽視的重要作用。Ma 等[21]通過(guò)勾畫(huà)胃淋巴瘤和胃癌VOI 并篩選最有價(jià)值的紋理特征，同時(shí)選用CT 報(bào)告的客觀特征（胃壁厚度等）及臨床特征，分別建立人工判斷模型、紋理特征模型及兩者聯(lián)合的模型，用于鑒別胃淋巴瘤與彌漫浸潤(rùn)型胃癌，結(jié)果表明聯(lián)合模型的診斷效能最高。本研究提取了深度學(xué)習(xí)特征及手工特征，深度和維度都遠(yuǎn)高于單一的紋理特征，能納入模型的鑒別信息更豐富，但我們最后的聯(lián)合模型效能卻略遜于他們的模型效能，分析原因或許是他們研究中的人工判斷模型對(duì)聯(lián)合模型的附加價(jià)值要高于我們挑選的臨床危險(xiǎn)因素對(duì)聯(lián)合模型的附加價(jià)值，在人工判斷模型中，診斷醫(yī)師可以根據(jù)不同掃描期相胃壁形態(tài)改變、病灶的強(qiáng)化模式來(lái)靈活評(píng)估胃壁的蠕動(dòng)性，而本研究只有門(mén)靜脈期的影像信息；且醫(yī)師對(duì)胃周脂肪浸潤(rùn)情況和腫大淋巴結(jié)的評(píng)估是我們研究中VOI 并沒(méi)有納入的重要診斷信息。我們將在以后的研究中進(jìn)一步探索這些重要的影像特征對(duì)聯(lián)合模型的附加價(jià)值。

本研究還存在一些不足。首先，本研究為回顧性研究，存在不可避免的選擇性偏倚，且病人來(lái)自同一機(jī)構(gòu)的單中心研究，研究結(jié)果有待多中心、多樣本進(jìn)一步研究驗(yàn)證。其次，本研究?jī)H從門(mén)靜脈期CT 影像中提取影像組學(xué)特征。雖然在門(mén)靜脈期可以更清楚地顯示腫瘤結(jié)構(gòu)，但未來(lái)研究中若能融合平掃、動(dòng)脈期、延遲期等多時(shí)相影像可望提高影像組學(xué)模型預(yù)測(cè)Ki-67 表達(dá)水平的性能。再者，VOI 的手工勾畫(huà)耗時(shí)耗力，且沒(méi)有標(biāo)準(zhǔn)化的勾畫(huà)流程與規(guī)則，可能導(dǎo)致不同勾畫(huà)者間一致性不佳，全自動(dòng)識(shí)別腫瘤病灶進(jìn)行特征提取是未來(lái)的研究方向之一。

綜上所述，影像組學(xué)可提供更為客觀的、與組織病理學(xué)以及IHC 標(biāo)志物相關(guān)的圖像特征信息；而深度學(xué)習(xí)特征又在一定程度上提高了傳統(tǒng)手工特征的預(yù)測(cè)效能，聯(lián)合基于CT 增強(qiáng)影像的影像組學(xué)標(biāo)簽及臨床病理信息建立的影像組學(xué)諾謨圖可用于術(shù)前預(yù)測(cè)胃癌病人Ki-67 狀態(tài)。本研究所采用的影像組學(xué)研究方法，只需要依賴(lài)臨床可方便獲取的常規(guī)CT 增強(qiáng)影像進(jìn)行分析，可減輕病人額外的檢測(cè)負(fù)擔(dān)，具有方便、無(wú)創(chuàng)、可重復(fù)的特點(diǎn)，因此在臨床應(yīng)用方面體現(xiàn)出重要的價(jià)值，有望作為重要的臨床決策輔助工具。未來(lái)如何更好地挖掘信息來(lái)輔助臨床決策，從而使病人得到更精準(zhǔn)的個(gè)體化治療，這也是影像組學(xué)發(fā)展中的機(jī)遇與挑戰(zhàn)。