影像组学是运用自动或半自动软件对医学图像数据进行处理，从中提取大量特征，包括纹理分析、形状描述符和其他定量指标[1]。影像组学获得迅速地发展有赖于图像采集技术以及标准化处理技术的不断进步[2]。18F-FDG PET/CT作为影像检查中的重要一部分，其影像组学在肿瘤的鉴别与预测预后方面展现出巨大的价值，但在甲状腺癌方面的研究依然较少。本文就18F-FDG PET/CT及其影像组学在甲状腺癌中的研究进行综述。
1 影像组学的流程
医学影像一直是诊断癌症的重要手段，同时也是现代医学中不可或缺的一部分。随着图像采集技术、标准化处理技术以及图像分析技术的发展与应用，荷兰相关研究人员Lambin在2012年首次提出影像组学(radiomics)的概念，这一概念源于肿瘤的异质性，主张运用自动或半自动软件从医学影像图像中海量提取图像的纹理特征，再更深层次分析这些信息，将影像学数据转化为具有高分辨率的可挖掘的数据空间，这些被深度挖掘出的纹理数据被视为可以反映肿瘤基因、蛋白质、组织等无法直接观察的信息。为了获得精确可靠的数据并且将影像组学运用到临床，需要进行以下5个步骤。(1) 获得大量的优质的影像图像数据。(2) 运用图割法、半自动分割算法、基于容量CT的分割法等[3]方法从医学影像图像中勾画出肿瘤的具体形状，将其与正常组织分割开来。(3) 从分割出来的肿瘤上提取影像组学特征。目前常用的特征包括肿瘤直方图强度，如小波特征、纹理特征、同质性及异质性等[4]。(4) 建立庞大的数据库。在采集海量数据的基础上，建立精确的预测模型。(5) 实现对疾病的预测。创建相应的预测模型后就可以运用此模型对新采集的数据进行分类，从而实现疾病的预测[5]。影像组学是一种大数据分析方法，对于提取信息的标准化、数据库的容量、算法的准确性都提出了极高的要求。相较于传统的医学影像学中一直依靠医师的经验进行观察，可以更有效、准确地对肿瘤进行诊断以及预后的评估[6]。
2 18F-FDG PET/CT在甲状腺癌中的临床应用
现如今，核医学中影像组学的研究重点是18F-FDG PET/CT显像，临床上绝大多数研究以此为对象展开实验与研究。18F-FDG PET/CT在临床中的应用主要在肺癌、鼻咽癌、直肠癌、头颈癌、乳腺癌等恶性肿瘤，随着我国甲状腺癌发病率的逐年提高，18F-FDG PET/CT在甲状腺癌的诊断与预测预后中显示出了巨大的潜力。
Kang等[7]回顾性研究66例复发性甲状腺乳头状癌患者手术前后6个月18F-FDG PET/CT图像，发现最大标准摄取值(SUVmax)>10的组、低SUVmax组，中位生存时间分别33.3、81.8个月，认为对于预测预后，18F-FDG PET/CT有着重要的临床意义。张迎强等[8]探讨18F-FDG PET/CT在评估阿帕替尼治疗碘难治性分化型甲状腺癌(radioactive iodine-refractory differentiated thyroid cancer, RAIR-DTC)多发肺转移患者效果中的价值，统计7例患者共49个肺转移灶，发现基线时(0.8～23.2)病灶的SUVmax与治疗后4周及8周的SUVmax变化明显相关(P<0.0001，P<0.0001)，对于基线水平SUVmax>5的病灶，4周及8周的病灶直径变化率与其具有线性关系(P=0.0082，P=0.0169)。为研究甲状腺乳头状癌18F-FDG PET/CT显像SUVmax与BRAF突变的相关性，王治国等[9]对48例甲状腺乳头状癌患者采用半定量分析法测定甲状腺结节灶的SUVmax，利用基因检测法检测BRAF V600E突变状态，发现BRAF V600E突变组的SUVmax显著高于未突变组(5. 5±3. 9 vs 2. 2±1. 2，P=0. 002)，认为甲状腺乳头状癌患者携带BRAF V600E突变基因比未携带者有更高SUVmax。范洋等[10]回顾性分析16例甲状腺淋巴瘤患者的PET/CT图像，发现PET图像阳性者3年无进展生存时间及总生存时间分别为100%和(33.3±27.2)%，差异有统计学意义(P<0.05)。Tatsumi等[11]回顾性地分析45例滤泡性淋巴瘤患者治疗前后的18F-FDG PET/CT检查结果，认为纹理分析的结果可以评价滤泡性淋巴瘤的治疗效果，在预测治疗反应方面显示了良好的前景。Zhai等[12]利用18F-FDG PET/CT对115例甲状腺疾病患者进行筛查，其中96例为甲状腺偶发瘤(thyroid incidentalomas)，经病理穿刺活检证明50%为恶性病变，研究发现恶性肿瘤的SUVmax明显高于良性肿瘤(P=0.00，P<0.05)，证实SUVmax可以用于鉴别甲状腺良恶性肿瘤。Barrior等[13]对845例甲状腺偶发瘤患者进行研究，发现病灶SUVmax高者恶性肿瘤发生率为21.4%；Abdel-Halim等[14]、Lee等[15]利用18F-FDG PET/CT对甲状腺偶发瘤良恶性进行鉴别，也取得了相似的研究结果。
3 18F-FDG PET/CT的影像组学在甲状腺癌中的探索
众多的实验与研究证实，18F-FDG PET/CT在甲状腺癌的诊断及预测预后上有着重要的临床意义，随着影像组学的不断发展与完善以及影像采集技术的进步，利用18F-FDG PET/CT影像组学提供解决甲状腺癌相关临床问题的方法成为新的思路。
Werner等[16]认为18F-FDG在活跃病灶的代谢可以预测以酪氨酸激酶抑制剂(tyrosine kinase-inhibitor, TKI)为开始治疗的甲状腺髓癌患者的无进展生存期，但在总体生存期的预测中表现较差。通过对18例进展期甲状腺髓样癌患者进行术前、术后18F-FDG PET/CT检查，利用三维体绘制工具以及自动生成软件，计算出肿瘤内部的PET/CT图像纹理特征如肿瘤代谢体积(metabolic tumor volume, MTV)、病灶糖酵解总量(total lesion glycolysis, TLG)。MTV表示肿瘤原发灶18F-FDG摄取量，是一个体积参数或者说是定量衡量具有较高18F-FDG摄取的肿瘤细胞的参数[17]，TLG是肿瘤感兴趣区域内MTV与平均标准摄取值(SUVmean)的乘积，反映肿瘤负荷[18]。评估这些参数对于评价患者无进展生存期和总体生存期的效果，结果发现，在酪氨酸激酶抑制剂治疗开始前获得的纹理特征和体积参数可以有效地区别高危组与低危组患者。研究结果认为纹理特征的复杂程度与体积参数都是预测甲状腺髓样癌总体生存期的独立参数。Larg等[19]分析126例甲状腺有局灶性摄取、怀疑为偶发瘤患者的PET/CT图像，再利用超声穿刺取病理的方法，正确诊断其中恶性者仅10例；而Sollini等[20]利用General Electric AW Workstation运行PET VCAR软件分割提取PET图像中的纹理特征，对55例有甲状腺偶发瘤表现的患者的甲状腺结节良恶性进行预测，之后进行穿刺活检取病理组织明确诊断，准确地预测了55例患者中，32例为良性结节患者，18例为恶性结节患者。这表明，常规PET参数、直方图的特征中偏态系数和SUVmax都可以有效地对甲状腺结节的良恶性进行评估，但是基于SUV的参数有最高的特异性，MTV、TLG有着更高的灵敏度，偏态系数有着最高的曲线下面积(area under curve, AUC)，认为18F-FDG PET/CT图像的纹理分析可以有效地对甲状腺偶发瘤患者进行区分。在肿瘤细胞核染色质是最重要的肿瘤细胞学诊断因素这一基础上，Murata等[21]使用有光学显微镜、图像处理器以及单色相机的计算机辅助系统，对100例甲状腺癌患者的穿刺结果进行纹理分析与数字化处理，再将游程矩阵和同现矩阵应用到二维和更高层次的纹理分析，分析癌细胞染色质，并将染色质形态按照染色质的对比性、同质性及异质性分为三类，认为甲状腺乳头状癌的核染色质比良性肿瘤的核染色质表现出更高的异质性，而在甲状腺滤泡状癌中单一的染色质模式比良性病例要更多，最终得出利用纹理分析和因子分析可以高效地探测癌细胞染色质模式的结论。Larg等[22]通过分析173例分化型甲状腺癌(differentiated thyroid cancer, DTC)患者的PET/CT图像，证明18F-FDG PET/CT是一种在DTC研究方面有临床应用价值影像技术。Najako等[23]在基础研究方法上加以影像组学的方法，研究18F-FDG PET/CT图像能否有效地预测DTC患者的复发风险。此研究收集登记114例DTC患者的术前18F-FDG PET/CT检查图像，使用自动软件Advantage Windows Workstation获得MTV、TLG等PET/CT纹理参数，将肿瘤患者按MTV≤10.0cm3和>10.0cm3分为两个组，在44例MTV>10.0cm 3的肿瘤患者中，有8例高风险患者SUVmax、SUVmean、MTV、TLG、强度变异性(intensity variability)、较低区域百分比(lower zone percentage)及SZV明显较高， 根据此7个参数进行风险评分，在MTV>10.0cm 3的患者中准确率为93.2%，AUC=0.98，研究最终表明对于MTV>10.0cm 3的分化型甲状腺癌，SUV相关参数，体积和纹理参数的组合使用，对于识别高风险患者比单个参数更有用。Hirata等[24]也使用类似的方法对分化型甲状腺癌的患者进行研究，发现从54例患者中提取出的MTV、TLG等14种纹理特征较常规参数SUVmax等更具有临床价值，可更好地预测DTC患者的预后及复发可能。
以上是18F-FDG PET/CT影像组学在甲状腺癌中的初步探索，虽然起步晚，相关的实验与研究相对较少，但研究结果表明，18F-FDG PET/CT影像组学在甲状腺癌的临床应用上有着广阔的前景，然而图像边界不够清晰、空间分辨率的缺陷等众多问题阻碍着前进的道路，因此影像组学在18F-FDG PET/CT中的应用仍然需要更深一步的探索。
4 展 望
目前，我国甲状腺癌患者数量呈逐年递增的趋势，传统的穿刺活检不仅由于肿瘤时间与空间的异质性不能全面的评价肿瘤的全面特征，还会对患者身体带来沉重的负担[25]。而影像组学认为微观基因与蛋白质方面的变化可以在宏观的医学影像图像中表现出来，同时影像学检查可以全面、无创、定量地观察肿瘤的大小、形态，对肿瘤的改变及治疗效果实行动态监测[26]，而且PET/CT在观测肿瘤病变中可以测量代谢的程度，有着其他检查方式无法比拟的特点。近年来的研究充分展示了PET影像组学在甲状腺疾病的诊断与鉴别、评价疗效、预测预后等方面的发展前景与优势。但是，影像组学在核医学方面的临床应用还处于起步阶段，目前运用到甲状腺癌面临的挑战主要是核医学代谢图像的边界不够清晰、没有成熟的能够自动提取PET图像病灶的程序、PET图像空间分辨率的限制以及采集图像信息统一标准等问题[6]。这些亟待解决的难题毫无疑问是未来研究的重中之重，不过相信随着图像识别技术以及人工智能技术的进步，加之影像组学数据的不断收集，终会有成熟的算法及软件帮助医师对甲状腺癌的核医学图像进行分析，从而有效地识别病灶，诊断甲状腺癌。
[1] 任静芸,霍力,李方.影像组学在核医学影像中的应用进展[J].中国医学装备,2019,16(2): 131-134.
[2] 张一秋,石洪成，李蓓蕾，等.18F-FDG PET/CT显像“uWS-MI”医学影像处理软件临床应用的可行性分析[J].中国临床医学,2018,25(6): 915-918.
[3] 史张,刘崎.影像组学技术方法的研究及挑战[J].放射学实践,2018,33(6): 633-636.
[4] GILLIES R J, KINAHAN P E,HRICAK H. Radiomics: images are more than pictures, they are data[J]. Radiology, 2016,278(2): 563-577.
[5] 张利文,方梦捷,臧亚丽,等.影像组学的发展与应用[J].中华放射学杂志,2017,51(1): 75-77.
[6] 程木华.PET代谢影像组学研究进展与挑战[J].新医学,2018,49(9): 619-623.
[7] KANG J H, JUNG D W, PAK K J, et al. Prognostic implication of fluorine-18 fluorodeoxyglucose positron emission tomography/computed tomography in patients with recurrent papillary thyroid cancer[J]. Head Neck, 2018,40(1): 94-102.
[8] 张迎强,张鑫,王宸,等.18F-FDG PET/CT在阿帕替尼治疗肺多发转移性碘难治性分化型甲状腺癌评估中的价值[J].中国癌症杂志,2018,28(7): 505-510.
[9] 王治国,武晓丹,战莹,等.甲状腺乳头状癌18F-FDG PET/CT显像葡萄糖代谢与BRAF突变的相关性研究[J].实用肿瘤学杂志,2017,31(6): 519-523.
[10] 范洋,林宁晶,杨志,等.18F-FDG PET/CT对原发性甲状腺淋巴瘤疗效及预后的评估[J].中国医学影像学杂志,2016,24(3): 161-165.
[11] TATSUMI M, ISOHASHI K, MATSUNAGA K, et al. Volumetric and texture analysis on FDG PET in evaluating and predicting treatment response and recurrence after chemotherapy in follicular lymphoma[J]. Int J Clin Oncol, 2019,24(10): 1292-1300.
[12] ZHAI G, ZHANG M, XU H, et al. The role of 18F-fluorodeoxyglucose positron emission tomography/computed tomography whole body imaging in the evaluation of focal thyroid incidentaloma[J]. J Endocrinol Invest, 2010,33(3): 151-155.
[13] BARRIO M,CZERNIN J, YEH M W, et al. The incidence of thyroid cancer in focal hypermetabolic thyroid lesions[J]. Nucl Med Commun, 2016,37(12): 1290-1296.
[14] ABDEL-HALIM C N, ROSENBERG T, BJØRNDAL K, et al. Risk of malignancy in FDG-avid thyroid incidentalomas on PET/CT: a prospective study[J]. World J Surg, 2019,43(10): 2454-2458.
[15] LEE S, PARK T, PARK S, et al. The clinical role of dual-time-point (18)F-FDG PET/CT in differential diagnosis of the thyroid incidentaloma[J]. Nucl Med Mol Imaging, 2014,48(2): 121-129.
[16] WERNER R A, BUNDSCHUH R A, HIGUCHI T, et al. Volumetric and texture analysis of pretherapeutic 18F-FDG PET can predict overall survival in medullary thyroid cancer patients treated with vandetanib[J]. Endocrine, 2019,63(2): 293-300.
[17] 赵芬,张秀丽,孙晓蓉,等.原发灶18F-FDG PET/CT肿瘤代谢体积与晚期非小细胞肺癌患者预后的相关性研究[J].中国医学影像学杂志,2011,19(4): 252-256.
[18] 梁颖,吴宁,方艳,等.18F-FDG PET/CT显像SUVmax、MTV和TLG判断弥漫性大B细胞淋巴瘤的预后价值[J].中华核医学与分子影像杂志,2015,35(2): 97-101.
[19] LARG, APOSTU, 
et al. Evaluation of malignancy risk in 18F-FDG PET/CT thyroid incidentalomas[J]. Diagnostics, 2019,9(3): 92.
[20] SOLLINI M, COZZI L, PEPE G, et al. 18F-FDG PET/CT texture analysis in thyroid incidentalomas: preliminary results[J]. Eur J Hybrid Imaging, 2017,1(1): 3.
[21] MURATA S I, MOCHIZUKI K, NAKAZAWA T, et al. Detection of underlying characteristics of nuclear chromatin patterns of thyroid tumor cells using texture and factor analyses[J]. Cytometry, 2002,49(3): 91-95.
[22] LARG M. 18F-FDG PET/CT In differentiated thyroid carcinoma[J]. Acta Endo (Buc), 2019,15(2): 203-208.
[23] NAKAJO M, JINGUJI M, SHINAJI T, et al. 18F-FDG-PET/CT features of primary tumours for predicting the risk of recurrence in thyroid cancer after total thyroidectomy: potential usefulness of combination of the SUV-related, volumetric, and heterogeneous texture parameters[J]. Br J Radiol, 2019,92(1094): 20180620.
[24] HIRATIA K, SHIGA T, UCHIYAMA Y. Semi-automated whole-body texture analysis may improve predictive performance of FDG PET-CT for patients with differentiated thyroid carcinoma[J]. J Nucl Med, 2017,58(S1): 23-30.
[25] 谢凯,孙鸿飞,林涛,等.影像组学中特征提取研究进展[J].中国医学影像技术,2017,33(12): 1792-1796.
[26] 郭翌,周世崇,余锦华,等.影像组学的前沿研究与未来挑战[J].肿瘤影像学,2017,26(2): 81-90.