|
肺癌的放射组学和放射基因组学 |
肺癌是全球癌症相关死亡的主要原因。全球记录到超过300万例肺癌病例和170万例与肺癌相关的死亡。肺癌的诊断,70%的从高级本地或症状发作后正在取得转移性疾病中,五年存活率下列诊断大致是16%。存活率高于50%,但仅当疾病仍在局部时才被诊断出。不幸的是,只有15%的肺癌是在早期诊断出来的,仍然需要大量准确且价格合理的筛查方法。
使用低剂量计算机体层摄影筛查危险人群中的肺癌,并证明这些患者的肺癌死亡率降低了20%。尽管肺癌筛查提供了生存优势,但由于特异性差,该方案仍然产生了经济负担。当使用低剂量计算机体层摄影发现肺结节的病变实际上是良性的时,有18%的人被过度诊断为肺癌。这导致大量后续的影像学研究和手术切除,这既昂贵又可能不必要。
放射学是指从视觉图像中创建可挖掘的数据库,目的是提取次视觉的但定量的图像特征。在肿瘤学中,从放射学数据中识别出的肿瘤特征可用于通过与客观反应标准的相关性揭示癌症患者的诊断,预测和预后关联。在这种情况下,通常用于提取和分析的图像特征包括结节体积,结节形状,强度模式以及一系列“纹理”特征。图像分析是完全计算机化的,并且可以自动提取这些特征,并且具有很高的吞吐量。人们一直对在肺癌筛查中使用放射组学感兴趣,目的是最大程度地提高敏感性和特异性,同时最大程度地减少放射线医生的时间负担。除了诊断外,放射医学还被用于预测精确医学领域的预后和对某些疗法的反应。甚至已经显示出某些特征可以识别肿瘤DNA中的基因组改变,该领域现在称为“放射基因组学”。这些特征可以识别生物学途径中特定突变和改变的存在,进而影响患者的治疗和结果。
在这篇文章中,出国看病服务机构从临床角度描述了放射学。具体来说,出国看病服务机构回顾了有关放射学和放射基因组学在诊断和预测非小细胞肺癌患者预后中的作用的工作,并讨论了将这些方法整合到这些患者的日常临床管理中的潜力和重要性耐心。尽管有些小组已经将放射线学应用于肺癌的电子计算机断层扫描仪和核磁数据,但由于电子计算机断层扫描仪是目前临床上筛查和监测肺癌的主要手段,因此出国看病服务机构仅将这项检查限于电子计算机断层扫描仪扫描的放射线学。肺癌筛查扫描通常使用低剂量电子计算机断层扫描仪图像,而诊断扫描通常是高质量的并且具有增强的对比度。
过去关于肺癌放射学的评论集中在比较不同方法学和特定算法的准确性上,但没有充分讨论这项工作在临床实践中的潜在用途和实际局限性。出国看病服务机构旨在以对计算机科学不太了解的医学专业人士可以理解的方式,介绍放射性组学在肺癌研究中的当前应用及其整合到临床肿瘤学中的潜在意义。
放射线学或放射基因组学的过程首先涉及将放射线图像转换为可挖掘数据,并通过四个步骤进行:图像采集和重建,感兴趣区域分割,特征提取和量化,建立预测性和预后模型。放射学的一个主要优点是,理想情况下,它不会显着破坏临床工作流程。医生通过诊断获取的用于诊断目的的图像经过放射学重建为二维或三维图像技术人员。此后,将感兴趣的区域分割,然后从该区域提取并分析定量特征。可以由放射科医生手动进行分割,但是尽管这是确保准确性的好方法,但该过程可能非常麻烦。可替代地,可以使用灰度级的突然变化和灰度级的相似性来自动测量分段,以测量均匀性,尽管这可能无法达到手动分段的精度。与二维纹理之类的方法相比,分割在测量结节形状方面更为关键。相对于结节周围空间和肺实质,能够识别结节内的纹理模式也至关重要。然后可以从感兴趣的区域自动提取定量特征,以建立基于机器学习的模型。
放射线分析中使用的定量特征是指可用于描述放射线图像内局部区域的算法。尽管目前常见的放射特征被分为以下几类,但存在几种用于此目的的算法:基于强度的,基于结构的,基于纹理/梯度的和小波的。语义特征与放射特征相反,它们不是亚视觉的,而是由放射科医生直接观察和描述的。这些功能出于完整性的考虑而包含在此评论中,因为它们也可以用于构建分类器。这些功能的应用取决于研究人员的喜好和应用领域。例如,结构特征表征肺结节的形状和大小,多发性和不规则肿瘤与恶性相关。另一方面,强度,质地和基于梯度的特征是肿瘤异质性的特征,众所周知,该异质性与不良预后相关。
提取所有特征后,通常会使用各种统计模型来选择与特征选择过程中假设指定的结果相关的最高特征子集。选择排名最高的特征会降低问题的维度并提高预测准确性。特征选择的过程可以通过单变量或多变量统计模型进行。单变量方法仅取决于特征关联,而忽略冗余,而多变量方法研究不同特征内的交互,并在权衡关联和冗余后选择它们。
到目前为止,出国看病服务机构已经集中在利用计算来提取子视觉图像信息的功能上。但是,放射科医生可视化和描述的语义特征也可以用于构建分类器。这些放射科医师衍生的特征因其对图像采集参数和噪声的抵抗力而受益。这些特征的例子包括结节的位置,肺气肿的存在,胸腔积液和毛玻璃不透明样等。
许多研究描述了已成功开发出的放射学特征,以将非小细胞肺癌与其他良性混杂因素或浸润前疾病区分开。这些研究大多数将实心肺结节注释为感兴趣区域后从中提取特征,但是,两项研究从毛玻璃样混浊中提取特征以对病变进行分层。这些研究用来对肺结节进行分类的功能差异很大。像微妙,钙化和分叶语义特征已经在一些研究中使用,为了增加多样性,这些研究中的每一项都使用了不同的特征选择方法,以及不同的机器学习分类器来提出其最终预测器。当在不同的电子计算机断层扫描仪图像数据集上进行测试时,所报告的放射学特征的准确性也会有所不同,这引发了有关可重复性的问题。由于存在这些不确定性,并且不同研究使用的特征和分类器差异很大,因此有必要对其功效进行更全面的分析,直接比较不同的特征选择和机器学习算法。尽管各组之间缺乏一致性,但支持放射性组学在肺癌诊断中的功效的当前数据充实而有前途,并支持计算机辅助诊断和管理在临床肿瘤学中的未来作用。
在这篇文章中,出国看病服务机构讨论了放射性组学在肺癌研究中的当前效用,并描述了其在临床肿瘤学中的潜在未来应用。到目前为止,放射线学已显示出预测肺癌的诊断,预后和最佳治疗的希望,最近,放射基因组学弥合了计算机辅助预后和个性化医学之间的鸿沟。出国看病服务机构为医生讨论了放射学的基础知识,包括该过程背后的一般方法。这项审查还确定了放射性组学和放射性基因组学的局限性,这些局限性目前阻碍了它们向临床实践的转化,以及克服它们的策略。因为本综述是针对医生的,所以出国看病服务机构重点研究了放射学的生物学基础,以及其潜在的临床应用以及在精密医学的未来中的作用。 |
|
|
|
|
|
电话:13263277712 |
邮箱:81068003@qq.com |
地址:北京市.丰台区 |
|
|