基于影像學(xué)診斷非小細(xì)胞肺癌腫大淋巴結(jié)良惡性的研究進(jìn)展

覃凱 傅小龍

肺癌發(fā)生約占癌癥總數(shù)的11.6%，位居第二；肺癌死亡約占癌癥相關(guān)死亡的18.4%，位居首位；其中非小細(xì)胞肺癌（non-small cell lung cancer, NSCLC）約占肺癌的85%[1,2]。N分期是NSCLC腫瘤分期的重要部分，是選擇治療手段和判斷預(yù)后的重要依據(jù)。近年來(lái)，盡管影像學(xué)技術(shù)進(jìn)步巨大，但其影像學(xué)評(píng)估準(zhǔn)確性仍欠佳[3,4]，眾多其他影像學(xué)參數(shù)也表現(xiàn)出對(duì)淋巴結(jié)的診斷價(jià)值。通過影像組學(xué)、深度學(xué)習(xí)等新興技術(shù)挖掘淋巴結(jié)區(qū)域影像中蘊(yùn)含的豐富特征進(jìn)而診斷淋巴結(jié)良惡性也展現(xiàn)出廣大的應(yīng)用前景。本文旨在綜述近年來(lái)基于影像學(xué)診斷NSCLC患者腫大淋巴結(jié)良惡性的研究進(jìn)展，以便臨床醫(yī)生更準(zhǔn)確而無(wú)創(chuàng)地評(píng)估NSCLC患者的淋巴結(jié)狀態(tài)。

1 基于影像學(xué)診斷腫大淋巴結(jié)良惡性的臨床意義

準(zhǔn)確診斷NSCLC腫大淋巴結(jié)的良惡性是明確N分期的重要環(huán)節(jié)，影響著后續(xù)治療手段的選擇和預(yù)后判斷等[5]。臨床上常依據(jù)電子計(jì)算機(jī)斷層掃描（computed tomography, CT）淋巴結(jié)短徑≥1 cm或正電子發(fā)射計(jì)算機(jī)斷層成像（positron emission tomography/CT, PET/CT）上最大標(biāo)準(zhǔn)攝取值（maximum of standardized uptake value,SUVmax）≥2.5診斷淋巴結(jié)為惡性。但由于淋巴結(jié)反應(yīng)性增生、肺部炎癥、肉芽腫性疾病等良性病變也可引起淋巴結(jié)增大及代謝增高，這些標(biāo)準(zhǔn)的特異性較低[6]。由于目前影像學(xué)診斷標(biāo)準(zhǔn)的準(zhǔn)確率較低，對(duì)于影像學(xué)上的腫大淋巴結(jié)，美國(guó)國(guó)立綜合癌癥網(wǎng)絡(luò)（National Comprehensive Cancer Network, NCCN）等指南建議進(jìn)一步行有創(chuàng)性檢查如超聲內(nèi)鏡引導(dǎo)下的經(jīng)支氣管針吸活檢、縱隔鏡等獲取淋巴結(jié)組織樣本以明確淋巴結(jié)良惡性，以便更準(zhǔn)確地進(jìn)行N分期[7]。然而有創(chuàng)性檢查存在造成創(chuàng)傷、患者接受程度低、部分淋巴結(jié)由于解剖學(xué)位置難取樣造成敏感性降低等問題，此外對(duì)于擬接受放療的患者，往往存在多站、多枚淋巴結(jié)腫大，每個(gè)淋巴結(jié)取活檢不可行等問題，因而有創(chuàng)性檢查的臨床使用常受到限制[8]。對(duì)于以放療作為主要治療手段的患者，淋巴結(jié)放療總體原則是對(duì)于明確存在轉(zhuǎn)移的淋巴結(jié)做局部放療，而不實(shí)施淋巴引流區(qū)域預(yù)防性照射，這就要求對(duì)每個(gè)腫大淋巴結(jié)是否存在轉(zhuǎn)移作出精準(zhǔn)判斷[9]?；谀壳坝跋駥W(xué)診斷淋巴結(jié)良惡性的標(biāo)準(zhǔn)，在臨床放療實(shí)踐中，不可避免地存在漏照或過度照射等問題。對(duì)每個(gè)腫大淋巴結(jié)進(jìn)行有創(chuàng)的病理學(xué)檢查，患者依從性和可操作性較差，這意味著基于影像學(xué)更準(zhǔn)確地診斷腫大淋巴結(jié)良惡性對(duì)優(yōu)化治療靶區(qū)有重要意義。

2 基于CT診斷腫大淋巴結(jié)良惡性

CT是NSCLC患者的基本檢查之一，對(duì)臨床評(píng)估患者是否存在淋巴結(jié)轉(zhuǎn)移及轉(zhuǎn)移部位具有重要價(jià)值。目前臨床上主要將CT上淋巴結(jié)短軸直徑≥1 cm作為惡性淋巴結(jié)診斷標(biāo)準(zhǔn)，但其診斷準(zhǔn)確性欠佳，近年來(lái)發(fā)現(xiàn)其他CT參數(shù)如淋巴結(jié)CT值、淋巴結(jié)形狀等在良惡性淋巴結(jié)之間存在差異，可輔助診斷淋巴結(jié)良惡性。

2.1 淋巴結(jié)短軸直徑 基于CT上淋巴結(jié)短軸直徑判斷淋巴結(jié)良惡性是目前最廣泛使用的診斷標(biāo)準(zhǔn)，淋巴結(jié)短軸直徑≥1 cm被認(rèn)為是惡性的，＜1 cm則考慮為良性。然而炎癥、肉芽腫、淋巴結(jié)反應(yīng)性增生等良性病變同樣可以引起淋巴結(jié)短徑≥1 cm，并且腫瘤轉(zhuǎn)移灶較小時(shí)淋巴結(jié)可保持正常大小，其識(shí)別惡性淋巴結(jié)的敏感性和特異性分別約為55%和81%[10]，陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為56%和83%[11]。盡管根據(jù)淋巴結(jié)短軸直徑判斷惡性淋巴結(jié)的敏感性和特異性低，但淋巴結(jié)短軸長(zhǎng)度越大則其為惡性的可能性越大，Prenzel等[12]報(bào)告NSCLC患者中短徑＜5 mm、5 mm-9 mm、10 mm-14 mm、≥15 mm的淋巴結(jié)分別有4.0%、10.7%、25.3%、40.1%的淋巴結(jié)為惡性。

2.2 淋巴結(jié)CT值 淋巴結(jié)的CT值反映了其密度，可輔助診斷淋巴結(jié)的良惡性。CT值＞70 HU的淋巴結(jié)常表明其為良性，有研究[13,14]認(rèn)為淋巴結(jié)具有高CT值通常意味著其為肉芽腫性炎癥（如肺結(jié)核）或淋巴結(jié)鈣化等。Lee等[15]分析了271個(gè)淋巴結(jié)的CT值直方圖，發(fā)現(xiàn)71.0%的惡性淋巴結(jié)CT值中位值在25 HU-45 HU，而78.9%的良性淋巴結(jié)CT值＜25 HU或＞45 HU；CT值為25 HU-45 HU的淋巴結(jié)中58.2%為惡性，CT值＜25 HU或＞45 HU的淋巴結(jié)僅16.7%為惡性。Flechsig等[16]報(bào)告惡性淋巴結(jié)CT密度中位值顯著高于良性淋巴結(jié)，CT值＞20 HU的淋巴結(jié)中77%為惡性；CT值＜20HU的淋巴結(jié)中18%為惡性，他們認(rèn)為惡性淋巴結(jié)CT值較高可能是由于淋巴結(jié)脂肪門結(jié)構(gòu)喪失引起，而淋巴結(jié)脂肪門的存在通常意味著淋巴結(jié)為良性。邵亭亭等[17]利用淋巴結(jié)與縱隔血池密度的比值診斷淋巴結(jié)良惡性，其曲線下面積（area under curve, AUC）為0.755，密度比≤0.9記為惡性淋巴結(jié)，敏感性為68.9%，特異性為79.9%。

2.3 淋巴結(jié)形狀 Yin等[18]發(fā)現(xiàn)使用淋巴結(jié)長(zhǎng)軸長(zhǎng)度/短軸長(zhǎng)度之比（L/S），較使用淋巴結(jié)短軸長(zhǎng)度能更好地判斷淋巴結(jié)良惡性。他們發(fā)現(xiàn)大多數(shù)情況下，正常淋巴結(jié)為橢圓形，而當(dāng)淋巴結(jié)被惡性腫瘤侵犯時(shí)，淋巴結(jié)的形狀趨于圓形，失去了正常的橢圓形。但對(duì)于反應(yīng)性淋巴增生，長(zhǎng)短徑的增加往往遵循一定的比例，維持正常的橢圓形。他們報(bào)道惡性淋巴結(jié)L/S平均為1.60，良性淋巴結(jié)L/S平均為2.03；86.48%的轉(zhuǎn)移淋巴結(jié)的L/S＜2，而78.57%的良性淋巴結(jié)的L/S≥1.5，但計(jì)算淋巴結(jié)L/S需先得到淋巴結(jié)立體圖像，相比測(cè)量淋巴結(jié)短軸更加復(fù)雜。

通過CT診斷淋巴結(jié)良惡性主要基于腫瘤細(xì)胞可引起淋巴結(jié)結(jié)構(gòu)改變，包括淋巴結(jié)的大小、形狀、密度等。但對(duì)于微小轉(zhuǎn)移灶，CT觀測(cè)到的淋巴結(jié)結(jié)構(gòu)可能保持正常，同時(shí)這些結(jié)構(gòu)改變?cè)谘装Y、肉芽腫、淋巴結(jié)反應(yīng)性增生等良性病變中也可出現(xiàn)，因此其敏感性和特異性均低。相較于臨床常用的平掃和增強(qiáng)CT，近些年發(fā)展的能譜CT也表現(xiàn)出較高的診斷價(jià)值，朱巧等[19]報(bào)道定量能譜參數(shù)如靜脈期標(biāo)準(zhǔn)化碘濃度可通過反映淋巴結(jié)內(nèi)部血供情況進(jìn)而鑒別淋巴結(jié)良惡性，其準(zhǔn)確性為77.9%，優(yōu)于通過淋巴結(jié)短徑診斷，具有潛在應(yīng)用價(jià)值。

3 基于PET/CT診斷腫大淋巴結(jié)良惡性

PET/CT是一種可有機(jī)融合PET代謝圖像和CT解剖圖像的影像學(xué)技術(shù)，其中PET?；谑聚檮?8F-氟脫氧葡萄糖（18F-fluorodeoxyglucose,18F-FDG）在腫瘤細(xì)胞中攝取更高進(jìn)行成像。PET/CT診斷NSCLC淋巴結(jié)良惡性主要依據(jù)淋巴結(jié)的SUVmax，一般認(rèn)為SUVmax≥2.5的淋巴結(jié)為惡性。PET/CT根據(jù)淋巴結(jié)代謝增高，可發(fā)現(xiàn)正常大小淋巴結(jié)中的轉(zhuǎn)移灶，因而其診斷惡性淋巴結(jié)的敏感性顯著高于CT。然而炎癥、結(jié)核病等非腫瘤轉(zhuǎn)移因素同樣可引起淋巴結(jié)代謝增高，使得其診斷特異性降低[20]。此外受限于代謝成像分辨率有限，微小的高代謝灶由于部分容積效應(yīng)無(wú)法在PET/CT上得到體現(xiàn)，仍然存在假陰性的問題[21]。PET/CT診斷性能受淋巴結(jié)大小影響，對(duì)短徑≥1 cm的淋巴結(jié)，PET/CT敏感性顯著高于短徑＜1 cm的淋巴結(jié)（74%vs40%），但特異性顯著降低（81%vs98%），同時(shí)準(zhǔn)確性也顯著降低（78%vs90%）[22]。此外SUVmax測(cè)量的準(zhǔn)確性受到一些干擾因素的影響，如血糖水平、呼吸運(yùn)動(dòng)、示蹤劑的攝取時(shí)間等[23]。臨床常用的淋巴結(jié)SUVmax僅代表特定時(shí)間特定區(qū)域內(nèi)具有最高體素值的單一代謝焦點(diǎn)，近年來(lái)其他代謝參數(shù)也表現(xiàn)出對(duì)淋巴結(jié)良惡性獨(dú)特的診斷價(jià)值。

3.1 淋巴結(jié)SUVmax 惡性淋巴結(jié)由于存在腫瘤細(xì)胞，代謝變得更加活躍，可攝取更多的18F-FDG，在PET/CT上具有更高的SUVmax，但炎癥等因素同樣會(huì)使得淋巴結(jié)代謝增高進(jìn)而導(dǎo)致假陽(yáng)性，而轉(zhuǎn)移灶較小時(shí)則可產(chǎn)生假陰性診斷。關(guān)于淋巴結(jié)SUVmax的最佳截止值尚有爭(zhēng)論，目前一般采用SUVmax≥2.5作為惡性淋巴結(jié)的診斷標(biāo)準(zhǔn)。一項(xiàng)薈萃分析[24]報(bào)告以淋巴結(jié)SUVmax≥2.5為標(biāo)準(zhǔn)，PET/CT診斷惡性淋巴結(jié)的匯總敏感性和特異性分別為81.3%和79.4%，而以淋巴結(jié)活動(dòng)大于本底背景為標(biāo)準(zhǔn)的敏感性和特異性分別為77.4%和90.1%。Lee等[15]發(fā)現(xiàn)使用4.0作為SUVmax的截止值，顯示出對(duì)惡性淋巴結(jié)最高的診斷能力，其特異性較高為94.5%，而敏感性稍低，為70.4%。Kumar等[25]發(fā)現(xiàn)適當(dāng)增加SUVmax截止值可提高特異性，同時(shí)保持可接受的敏感性，他們發(fā)現(xiàn)當(dāng)2.5作為截止值時(shí)，敏感性為93%，特異性為40%，而當(dāng)6.2作為截止值時(shí)，敏感性為87%，特異性為70%。不同研究間SUVmax最佳截止值存在差異，可能與納入的研究人群及測(cè)量條件有關(guān)。

3.2 淋巴結(jié)體積代謝參數(shù) SUVmax僅代表特定區(qū)域內(nèi)具有最高體素值的單一代謝焦點(diǎn)，基于體積的代謝參數(shù)如代謝腫瘤體積（metabolic tumor volume, MTV）、總病變糖酵解（total lesion glycolysis, TLG）在診斷良惡性淋巴結(jié)方面的價(jià)值也得到了關(guān)注。Nakanishi等[26]發(fā)現(xiàn)惡性淋巴結(jié)的SUVmax、MTV、TLG3.5以及淋巴結(jié)與原發(fā)腫瘤SUVmax的比率（lymph node-to-primary tumor ratio of SUVmax, LPR）均顯著高于良性淋巴結(jié)。多變量分析提示淋巴結(jié)的LPR可替代SUVmax作為診斷淋巴結(jié)良惡性的獨(dú)立預(yù)測(cè)因素。此外，亞組分析提示在肺鱗癌中LPR預(yù)測(cè)效果最佳，而在肺腺癌中TLG3.5預(yù)測(cè)效果最佳。

3.3 淋巴結(jié)雙時(shí)間點(diǎn)（dual-time-point, DTP）成像參數(shù) DTP18F-FDG PET/CT在區(qū)分良性和惡性病變方面具有優(yōu)勢(shì)，其基本原理是腫瘤中18F-FDG的攝取可能會(huì)隨著時(shí)間的推移而增加，而在正常和非惡性病變中18F-FDG的攝取隨時(shí)間的推移可能會(huì)保持穩(wěn)定或減少[27]。相較于某時(shí)刻測(cè)得的SUVmax，18F-FDG攝取隨時(shí)間的變化可能是一個(gè)更好的區(qū)分良惡性疾病的代謝參數(shù)。Lee等[28]報(bào)道DTP PET/CT對(duì)診斷NSCLC縱隔淋巴結(jié)具有良好性能，早期圖像顯示靈敏度為0.80，特異性為0.83，延遲圖像顯示靈敏度為0.84，特異性為0.87?；谠缙诤脱舆t圖像計(jì)算的保留指數(shù)或SUVmax的百分比變化在診斷縱隔淋巴結(jié)方面優(yōu)于單獨(dú)早期或延遲的DTP PET/CT圖像。

目前常用的示蹤劑18F-FDG對(duì)惡性淋巴結(jié)診斷具有較高的敏感性，但由于18F-FDG攝取增加在增生、炎癥、感染和肉芽腫性疾病中均可存在，因而其特異性較低[20]，對(duì)惡性淋巴結(jié)診斷更敏感和特異的示蹤劑仍在探索中。Zhou等[29]發(fā)現(xiàn)示蹤劑68Ga-DOTA-FAPI-04在良性淋巴結(jié)中攝取顯著低于惡性淋巴結(jié)，可明顯降低淋巴結(jié)診斷的假陽(yáng)性率，然而與18F-FDG相比，使用68Ga-DOTA-FAPI-04產(chǎn)生了更多的假陰性診斷，他們認(rèn)為可能是由于小轉(zhuǎn)移灶中成纖維細(xì)胞激活蛋白表達(dá)較低所致，其診斷性能仍待進(jìn)一步驗(yàn)證。

4 基于磁共振成像（magnetic resonance imaging, MRI）診斷腫大淋巴結(jié)良惡性

MRI由于掃描時(shí)間較長(zhǎng)且肺部運(yùn)動(dòng)幅度較大、空氣充盈等原因難以對(duì)肺部清晰成像，未常規(guī)應(yīng)用于NSCLC胸部檢查[30]。隨著MRI快速成像技術(shù)的發(fā)展，近幾年已有較多研究報(bào)道了MRI對(duì)診斷惡性淋巴結(jié)具有較高的特異性和準(zhǔn)確性，但目前尚未廣泛應(yīng)用于臨床。MRI中的擴(kuò)散加權(quán)成像（diffusion weighted imaging, DWI）序列可反映組織中水分子的擴(kuò)散情況，對(duì)診斷淋巴結(jié)良惡性具有較好的效果，在DWI序列中測(cè)量表觀彌散系數(shù)（apparent diffusion coefficient, ADC）可用于鑒別淋巴結(jié)良惡性[31]。

ADC值反映了DWI序列中不同方向的分子擴(kuò)散運(yùn)動(dòng)的速度和范圍，對(duì)鑒別淋巴結(jié)良惡性有潛在應(yīng)用價(jià)值。其原理基于惡性淋巴結(jié)存在腫瘤細(xì)胞，而腫瘤細(xì)胞內(nèi)水分子活動(dòng)較正常細(xì)胞受限，因而其ADC值減低[32]。ADC值的常用類型包括平均ADC（mean ADC value, ADCmean）和最小ADC（minimum ADC value, ADCmin），蔡榮芳等[33]使用1.88×10-3mm2/s作為ADCmean閾值時(shí)診斷惡性淋巴結(jié)的敏感度和特異度分別為96.6%和90.3%，而使用1.57×10-3mm2/s作為ADCmin閾值時(shí)敏感度和特異度分別為98.3%和90.3%。一項(xiàng)薈萃分析[34]報(bào)道基于DWI序列診斷淋巴結(jié)良惡性的匯總敏感性和特異性分別為0.70和0.97，PET/CT的相應(yīng)值分別為0.69和0.93，這表明PET/CT和MRI的DWI序列均有利于診斷縱隔淋巴結(jié)良惡性，診斷能力無(wú)統(tǒng)計(jì)學(xué)差異。

對(duì)于診斷淋巴結(jié)良惡性，除了目前研究較多的DWI序列，其他序列如短時(shí)間反轉(zhuǎn)恢復(fù)序列等也被認(rèn)為存在診斷價(jià)值[35]。相較于在臨床廣泛使用的CT和PET/CT，將肺部MRI納入常規(guī)臨床實(shí)踐仍有許多問題待解決，包括進(jìn)一步驗(yàn)證基于圖像的測(cè)量方法、建立正常值、證明成本效益和可改善患者預(yù)后等[36]。

5 基于影像組學(xué)診斷腫大淋巴結(jié)良惡性

影像組學(xué)于2012年由Lambin等[37]提出，如今已成為一門處理醫(yī)學(xué)影像的新興學(xué)科，影像組學(xué)通過自動(dòng)算法將醫(yī)學(xué)影像中的感興趣區(qū)域（region of interest, ROI）轉(zhuǎn)化為高通量定量特征信息，從而將圖像轉(zhuǎn)化為可挖掘的數(shù)據(jù)。影像組學(xué)可幫助醫(yī)生量化ROI中諸如紋理、形狀、小波等難以人工觀測(cè)的特征，這些特征可通過機(jī)器學(xué)習(xí)算法（如支持向量機(jī)、隨機(jī)森林等）進(jìn)行挖掘，進(jìn)而建立數(shù)學(xué)模型。影像組學(xué)特征在反映腫瘤的生物學(xué)信息，例如細(xì)胞形態(tài)、分子和基因表達(dá)等方面已取得大量研究成果，可比臨床醫(yī)生更準(zhǔn)確地判斷病理類型、預(yù)后和治療反應(yīng)等[38]。近年來(lái)，基于影像組學(xué)診斷腫大淋巴結(jié)良惡性的研究已取得大量成果，有望在現(xiàn)有成像技術(shù)下進(jìn)一步提升淋巴結(jié)診斷的準(zhǔn)確性。

惡性淋巴結(jié)由于腫瘤細(xì)胞的存在，可有淋巴結(jié)結(jié)構(gòu)的改變，如前所述可在大小、密度、形狀等方面不同于良性淋巴結(jié)。除了可人工觀測(cè)的特征外，惡性淋巴結(jié)還有許多人工難以觀測(cè)的特征不同于良性淋巴結(jié)，例如異質(zhì)性等，而通過影像組學(xué)的特征提取算法可反映這些差異。Andersen等[39]分析了29例NSCLC患者的46個(gè)縱隔淋巴結(jié)，通過對(duì)淋巴結(jié)區(qū)域的增強(qiáng)CT進(jìn)行紋理分析，他們發(fā)現(xiàn)良性和惡性淋巴結(jié)的紋理特征存在顯著差異，并通過篩選的紋理特征建立邏輯回歸模型，其診斷淋巴結(jié)良惡性的AUC為0.834。同年Bayanati等[40]也發(fā)現(xiàn)平掃CT上縱隔淋巴結(jié)的紋理特征以及3個(gè)表征淋巴結(jié)圓形度的形狀參數(shù)可建立模型區(qū)分良性和惡性淋巴結(jié)，其AUC為0.87。Sha等[41]提取了平掃期、動(dòng)脈期、靜脈期圖像的淋巴結(jié)影像組學(xué)特征用于鑒別淋巴結(jié)良惡性，結(jié)果顯示不同CT相位的影像組學(xué)模型都有較高的準(zhǔn)確性，其中平掃期模型AUC最高，聯(lián)合動(dòng)脈期特征后，其敏感性和陰性預(yù)測(cè)值可進(jìn)一步提高。

隨著PET/CT應(yīng)用的增多，基于PET/CT進(jìn)行影像組學(xué)建模也顯示出較單純PET/CT參數(shù)有更好的診斷性能。Yoo等[42]分析了1,329個(gè)縱隔淋巴結(jié)的PET/CT影像，提取并篩選影像組學(xué)特征，通過增強(qiáng)決策樹建立的縱隔淋巴結(jié)診斷模型效果最佳，并且在模型結(jié)合患者吸煙史和肺部病史后，其準(zhǔn)確率和AUC顯著高于醫(yī)生，尤其是對(duì)SUVmax偏低的縱隔淋巴結(jié)。Xie等[43]回顧性分析了263個(gè)淋巴結(jié)，提取了其在PET/CT中對(duì)應(yīng)區(qū)域的CT影像組學(xué)特征，通過特征篩選后，納入14個(gè)影像組學(xué)特征建立了診斷淋巴結(jié)良惡性的淋巴結(jié)影像組學(xué)評(píng)分，其AUC在訓(xùn)練組和測(cè)試組中分別為0.849和0.828。此外多變量邏輯回歸提示，淋巴結(jié)影像組學(xué)評(píng)分和SUVmax是診斷淋巴結(jié)良惡性的獨(dú)立風(fēng)險(xiǎn)因素，可建立診斷列線圖，其在測(cè)試組的AUC為0.872，顯著高于僅使用淋巴結(jié)SUVmax的AUC（0.828）和僅使用淋巴結(jié)短軸的AUC（0.729）。Ouyang等[44]回顧了298個(gè)高代謝淋巴結(jié)，為了區(qū)分高代謝淋巴結(jié)的良惡性，他們提取了PET上高代謝淋巴結(jié)區(qū)域的影像組學(xué)特征，并篩選出4個(gè)特征用于建立診斷模型，在外部驗(yàn)證隊(duì)列中其AUC為0.808，而通過2個(gè)臨床特征（淋巴結(jié)大小和淋巴結(jié)平均CT值）建立模型的AUC為0.802，結(jié)合三者的綜合模型AUC為0.841，此外他們發(fā)現(xiàn)惡性淋巴結(jié)有3個(gè)與組織異質(zhì)性相關(guān)的影像組學(xué)特征GLRLM_GLNU、GLRLM_RLNU及NGLDM_Coarseness顯著高于良性淋巴結(jié)，這提示惡性淋巴結(jié)可能較良性淋巴結(jié)具有更高的組織異質(zhì)性，這或許是影像組學(xué)診斷淋巴結(jié)良惡性的生物學(xué)基礎(chǔ)之一。

通過影像組學(xué)提取并篩選淋巴結(jié)區(qū)域豐富的影像特征，進(jìn)而建立診斷模型已提升了淋巴結(jié)良惡性診斷的準(zhǔn)確性，表現(xiàn)出了巨大的臨床價(jià)值，但目前研究以單中心回顧性研究為主，還有待進(jìn)一步多中心前瞻性研究驗(yàn)證。

6 基于深度學(xué)習(xí)診斷腫大淋巴結(jié)良惡性

深度學(xué)習(xí)是一類先進(jìn)的人工智能方法，它具有的多層神經(jīng)網(wǎng)絡(luò)架構(gòu)可將輸入信息轉(zhuǎn)換為多個(gè)抽象層次的數(shù)據(jù)表示，極大地提升了圖像、語(yǔ)音、文本等識(shí)別的水平[45]。對(duì)于醫(yī)學(xué)影像處理，深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolutional neural networks, DCNN）是最常用的深度學(xué)習(xí)網(wǎng)絡(luò)，它可通過反向傳播調(diào)整權(quán)重進(jìn)行訓(xùn)練，從訓(xùn)練樣本中學(xué)習(xí)提取相關(guān)特征[46]。相較于影像組學(xué)所提取的特征是預(yù)先設(shè)計(jì)的，DCNN通過訓(xùn)練來(lái)自動(dòng)學(xué)習(xí)目標(biāo)相關(guān)的特征表征，可以學(xué)習(xí)到更抽象和豐富的特征。此外相較于影像組學(xué)，深度學(xué)習(xí)無(wú)需精確地描繪ROI，大大減少了工作量。

目前在NSCLC中基于深度學(xué)習(xí)建立淋巴結(jié)良惡性診斷模型尚處于起步階段，Pham等[47]分析了271個(gè)縱隔淋巴結(jié)的CT影像，通過預(yù)訓(xùn)練的深度學(xué)習(xí)網(wǎng)絡(luò)ResNet-101提取影像特征，并通過支持向量機(jī)建立診斷模型，結(jié)果顯示模型的準(zhǔn)確性為88%，敏感性為85%，特異性為92%，較使用傳統(tǒng)影像組學(xué)模型效果更佳。然而相較于傳統(tǒng)的影像組學(xué)特征，深度學(xué)習(xí)網(wǎng)絡(luò)提取的特征更加抽象，臨床醫(yī)生可能對(duì)其診斷結(jié)果持懷疑態(tài)度，但不可否認(rèn)深度學(xué)習(xí)模型已在多種醫(yī)學(xué)任務(wù)中表現(xiàn)出巨大優(yōu)勢(shì)[48]。在其他類型的腫瘤中，基于深度學(xué)習(xí)診斷淋巴結(jié)良惡性已取得了良好的效果，如Lee等[49]在甲狀腺癌中應(yīng)用995個(gè)頸部淋巴結(jié)的CT影像訓(xùn)練了基于深度學(xué)習(xí)的淋巴結(jié)良惡性診斷模型，其AUC為0.953，并后續(xù)進(jìn)行了外部驗(yàn)證，其AUC為0.884[50]。

基于深度學(xué)習(xí)建立NSCLC淋巴結(jié)良惡性診斷模型，表現(xiàn)出了巨大的潛力，未來(lái)通過建立更先進(jìn)的“端到端”人工智能模型，或許將進(jìn)一步提升模型的診斷性能，同時(shí)相較于影像組學(xué)，可進(jìn)一步減輕人工描畫ROI的負(fù)擔(dān)和主觀性。

7 問題與展望

診斷NSCLC患者腫大淋巴結(jié)的良惡性是準(zhǔn)確評(píng)估患者淋巴結(jié)分期的基礎(chǔ)，但目前廣泛使用的CT和PET/CT診斷標(biāo)準(zhǔn)假陽(yáng)性率和假陰性率均較高，無(wú)法滿足臨床需求。CT診斷基于腫瘤細(xì)胞引起淋巴結(jié)結(jié)構(gòu)（大小、密度等）改變，其敏感性和特異性均低。PET/CT診斷基于腫瘤細(xì)胞引起淋巴結(jié)代謝增高，敏感性明顯高于CT，但炎癥等同樣可引起淋巴結(jié)代謝增高，因而特異性較低，DTP PET/CT的應(yīng)用有助于進(jìn)一步提升診斷性能。MRI診斷基于腫瘤細(xì)胞引起水分子運(yùn)動(dòng)受限，在良性腫大中較少出現(xiàn)，因而具有更高的特異性。目前影像學(xué)基于淋巴結(jié)結(jié)構(gòu)或代謝改變進(jìn)行診斷，需腫瘤細(xì)胞達(dá)一定數(shù)量，因而對(duì)微小轉(zhuǎn)移灶的診斷仍存在困難，導(dǎo)致敏感性較低。影像組學(xué)在目前的成像技術(shù)下，通過挖掘豐富的影像特征并建立診斷模型，進(jìn)一步提升了診斷準(zhǔn)確性，表現(xiàn)出巨大的應(yīng)用價(jià)值，但目前的研究主要以單中心回顧性研究為主，還有待進(jìn)一步臨床檢驗(yàn)?；趩我荒B(tài)影像已進(jìn)行了大量研究，進(jìn)而聯(lián)合多模態(tài)影像數(shù)據(jù)以提升診斷準(zhǔn)確性將是未來(lái)的研究重點(diǎn)，此外應(yīng)用更先進(jìn)的人工智能技術(shù)能否進(jìn)一步提升診斷準(zhǔn)確性也值得期待。