2022乳腺影像组学的研究现状与发展前景（全文）.docx

2022乳腺影像组学的研究现状与发展前景（全文）摘要乳腺癌是威胁全球女性生命健康的最常见恶性S中瘤。影像组学作为目前研究的前沿领域，对乳腺癌的早期精准诊断和疗效评价具有很大的临床价值。关注肿瘤异质性的亚区域特征以及联合其他组学数据分析，为乳腺影像组学研究指明了新方向。现有影像组学模型与临床应用的需求仍存在差距，乳腺影像诊断医师应抓住机遇不断探索，努力实现影像组学和临床转化的双重突破。乳腺癌是威胁全球女性生命健康的最常见恶性肿瘤，且发病率逐年上升。根据世界卫生组织国际癌症研究机构发布的2020年全球最新癌症负担数据显示，乳腺癌已成为全球发病率第一的癌症。现有研究证明，乳腺癌作为一组起源于腺体上皮的异质性0中瘤，不同分子特性的亚组有不同的预后、复发转移模式以及对化疗的敏感性。随着乳腺癌研究领域的不断细化发展，如何基于早期精准诊断选择最适合的治疗模式，对乳腺癌的规范治疗至关重要。2012年，1.ambin提出了影像组学的概念。影像组学是从传统影像图像中提取高通量特征从而创建高维数据集，然后通过数据分析，挖掘与肿瘤分子分型、治疗疗效和临床结局等相关特征，从而对肿瘤的精确诊断提供支持。近年来，众多国内外学者将影像组学应用到乳腺肿瘤的临床研究中，大多集中在良性与恶性诊断、分子分型鉴别、评价新辅助化疗疗效及预测复发转移等方面。国内多家研究团队也积极开展了乳腺影像组学的深入研究,并在中华放射学杂志和国际高水平权威杂志上发表。目前大多基于MRI影像组学的乳腺肿瘤研究报道显示，利用多序列MRI影像组学进行乳腺癌精准诊断明显优于传统MRI诊断模型,可提高对乳腺癌分型诊断、腋窝淋巴结转移、疗效评估及预后预测的准确度。同时，基于乳腺X线新技术的影像组学，如乳腺断层摄影技术和对比增强技术，在乳腺肿瘤良性与恶性鉴别及分型诊断中也体现出较好的临床应用价值。随着影像组学分析的不断深入，如何更好地表征肿瘤异质性成为新的关注点，一种围绕生态栖息地的亚区域分割新方法应运而生。对于亚区域的研究，一方面可通过量化增强MRI中不同灌注水平或不同流入/流出的特征分割乳腺肿瘤内部的亚区域；另一方面可通过划分瘤体和瘤周区域，从而拓展乳腺亚区域分割的分析维度。研究证实，通过亚区域分割的影像组学分析对乳腺癌的分子分型鉴别和预后预测具有更好的临床价值，为更好地解析乳腺肿瘤异质性提供了新的研究方向。如今，人工智能技术蓬勃发展，影像组学可进一步与其他组学数据联合,如病理指标、基因数据、维度，挖掘影像表征背后的生物可解释性,并进一步探索大数据背景下多源数据之间的潜在价值，从而优化临床决策和改善患者预后。近年国际临床和影像高水平权威杂志中，有研究关联影像基因组学发现，MRI影像组学特征可无创地预测雌激素受体阳性乳腺癌患者的OnCOtyPeDX复发评分，也可无创表征与乳腺癌生物学功能和预后相关的肿瘤内异质性；也有研究利用影像转录组学发现，肿瘤微环境强化亚型提示不良预后，且与血管生成和蛋白质输出的信号通路失调有关；而Nature最新发表的研究从多维度角度分析乳腺肿瘤生态系统组成及其内部相互作用，发现联合临床、数字病理组、基因组和转录组数据建立的多组学机器学习模型在预测全乳腺癌新辅助治疗疗效中诊断效能较好。诚然，作为热门研究领域的影像组学，近年在乳腺癌的临床研究中受到持续高度关注，其研究深度和广度也在不断拓宽发展。但是，目前国内乳腺影像组学研究距离最终的临床落地应用仍存在一些挑战。第一，构建统一标准的高质量乳腺影像数据库。从数据采集到数据标注制定统一标准，从源头上解决数据标准化、归一化的问题，确保乳腺影像数据的稳定性。第二，开展多中心跨学科的乳腺影像组学临床研究。一方面从算法模型的构建和数据样本来源两方面共同提升影像组学模型的稳定性和可重复性，确保乳腺影像组学模型的泛化性；另一方面综合多组学数据探索影像组学的生物学可解释性，共同揭示乳腺肿瘤的异质性。第三，加快临床应用的转化落地。如何将影像组学模型应用到临床实践中，做到无创、便捷地指导临床决策，是乳腺影像组学研究的有效临床出口。本刊特别策划了乳腺影像组学研究专题，把国内优秀学者的研究成果分享给读者。我们希望通过本期研究专题论文，使广大影像研究工作者对乳腺影像组学研究现状和应用前景有更明晰的认识，更希望大家在今后工作中能够积极开展相应研究，共同推动我国乳腺影像组学的发展，加速临床应用的转化。综上所述,在大数据时代下，应积极抓住机遇，引领乳腺影像组学的技术潮流，应对临床实践应用的变化发展，实现影像组学和临床转化的双重突破，推动我国乳腺肿瘤精准诊断的发展。参考文献（略）