引用本文： 張笑, 黃偉, 宋彬. 影像紋理分析在胃癌診療中的應用. 中國普外基礎與臨床雜志, 2021, 28(8): 1081-1085. doi: 10.7507/1007-9424.202106103 復制
胃癌（gastric cancer）是全球范圍內和我國常見的消化系統惡性腫瘤，是指原發于胃的上皮源性的惡性腫瘤。2020 年全球范圍內胃癌新發病例數為 1 089 103 例，占癌癥新發病例數的 5.6%，排名第6 位；病死例數為 768793 例，占癌癥總病死例數的 7.7%，排名第 3 位[1]。我國全國腫瘤登記中心每年的統計數據中，2015 年的數據顯示當年我國胃癌的新發病例為 40.3 萬例，位居同期惡性腫瘤發病率的第 2 位；死亡病例數為 29.1 萬例，位居同期惡性腫瘤死亡率的第 3 位[2]。由此各國學者在胃癌多學科和規范化診治上不斷探索，對于胃癌的早期篩查、早期發現、早期診斷以及進展期胃癌的定位診斷和分期診斷均有不同程度的研究，并且對于胃癌的精準化醫療越來越重視。我國在《2021 年國家醫療質量安全改進目標》中專門提及了胃癌規范化治療和 TNM 分期的改進要求，以促進我國胃癌診療水平的發展[3]。
在日常的臨床實踐中，各個國家和地區的診療指南均提及了包括超聲內鏡（endoscopic ultrasonography，EUS）、多層螺旋 CT（multidetector computed tomography，MDCT）、磁共振成像（magnetic resonance imaging，MRI）、正電子發射體層成像（positron emission tomography computed tomography，PETCT）等多種影像檢查方法在定位診斷和分期診斷中的作用，并且將 CT 檢查列為胃癌術前定位和分期評估中常用的影像檢查方式[4-6]。圖像后處理方法提供了通過圖像數據分析獲取腫瘤相關表型的機會，提供了將檢查信息和治療結合提前進行的機會，其中紋理分析就是圖像后處理方式中的一種，對于紋理分析的研究可以改進傳統的影像檢查評估模式。因此，筆者就傳統影像在胃癌診療中的應用現狀、圖像紋理分析技術和醫學影像紋理分析技術的相關性及其發生發展、醫學影像紋理分析相關技術在胃癌診療中的臨床應用現狀及研究現狀進行綜述。
1 胃癌傳統影像分期方法
目前胃癌最常用的影像分期方法是 CT 增強檢查[7]，并且還有學者將胃癌的 MDCT 檢查的傳統影像學表現特征與胃癌細胞的人表皮生長因子受體 2（Human epidermal growth factor receptor 2，HER2）蛋白表達水平做聯合研究，以提高 CT 檢查的準確性[8]。如果考慮進行治療，使用 EUS 有助于確定腫瘤的近端和遠端范圍，而18F-FDG PET/CT 已被證明可通過檢測淋巴結轉移和轉移性病灶來改善分期[9]。目前不建議將 MRI 用于胃癌的常規成像，但是隨著 PET/MRI 混合系統在臨床上的應用，人們對 MRI 作為評估工具的能力越來越感興趣。MRI 可提供出色的軟組織對比，并可顯示胃壁各層和鄰近結構，功能序列也可以作為方案的一部分被包括在內。初步的18F-FDG PET/MRI 病理學金標準研究有望用于淋巴結評估，研究[10]報道其準確性為 83%，而 EUS 和 CT 分別為 75% 和 50%。
2 醫學圖像紋理分析的起源與發展
紋理分析的原始概念的提出源自 20 世紀 60 年代，前期受計算機技術的限制發展緩慢，對于概念性的內容提及較多，這也逐步豐富了紋理分析理論，提出了紋理分析的 4 個主要內容：特征提取、特征辨別、特征分類和分析應用。其中特征提取為第1 步，而后將獲得的結果應用在辨別、分類和分析應用中。同時也根據數學原理和計算機算法原理提出了結構類分析、統計類分析、模型類分析、轉換類分析 4 類紋理分析方法，分別對應 4 類紋理特征參數；20 世紀 90 年代紋理分析概念和內容逐步完善[11]。
追朔到 1972 年，有學者在肺部疾病的識別中首次使用紋理分析技術，在醫學圖像上對肺部有無異常進行判斷[12]。而后，對于醫學圖像紋理分析的研究越來越深入、越來越廣泛，幾乎涵蓋了所有醫學圖像，比如在病理圖像、X 光片、內鏡圖像、CT 圖像、超聲圖像、PET 圖像、MRI 圖像上的紋理分析研究，以實現定量分析和相關性分析[13-17]。醫學圖像紋理分析目前常用的主要參數從基于統計（這是最廣泛應用在醫療中的分析類別）中選擇 4 種參數：直方圖、絕對梯度、游程矩陣和共現矩陣；從基于模型中選擇一種：自回歸模型；從基于轉換中選擇一種：小波函數；基于結構類目前沒有應用于醫學圖像的任何示例。目前一共 3 類 6 種參數常用于醫學圖像紋理分析中[18]。
近幾年計算機技術迅猛進步，各類軟硬件層出不窮，醫學影像的圖像后處理技術也在這個大背景下應用越來越廣泛，2016 年 Gillies 等[19]提出了影像不僅僅是圖像而是數據的觀點。紋理分析作為圖像后處理分析中的一種方式，是基于紋理特征提取、分析和解釋定量成像特征的一種方法，可用于 CT、MRI、PET 等多種圖像的分析應用中。CT 紋理分析（CT texture analysis，CTTA）技術的定義在 2017 年由 Lubner 等[20]提出。
要進行影像紋理分析就要借助于計算機軟件進行計算，并且要求放射科醫師要熟悉和了解計算機技術和可使用的軟件，隨著計算機技術的發展，越來越多的軟件適用于紋理分析，有全流程的軟件，也有分別適用于紋理分析各項過程的軟件，有學者對于這些軟件做了簡單介紹[21]。目前常用的圖像查看和分割的軟件有 3DSlicer、ITK-SNAP、MaZda 等，常用的特征提取軟件有 TexRAD TM、Imaging Biomarker Explorer（IBEX）、Chang-Gung Image Texture Analysis（CGITA）、MaZda 等，常用的特征分析工具有 R、SPSS、Stata、Weka、MaZda 等，用于紋理特征提取、特征辨別、特征分類和分析應用，其中有免費的開源軟件和收費的商業軟件。這些均顯示了醫學圖像紋理分析的積極前景[22-29]。
3 影像紋理分析在胃癌中的應用
在胃癌患者中，影像紋理分析作為臨床管理途徑中的一類數據分析方法，在成像方面可以提取并組合許多參數，包括病灶大小、形態、TNM 分期的標準描述，以及對比增強、擴散特性、示蹤劑吸收等定性和半定量或定量生理參數，還有通過計算機學和生物信息學方法獲得的紋理特征。紋理特征為影像提供了后處理附加信息，作為潛在的影像生物標志物可以用于預測腫瘤的生物學行為。可以基于紋理特征做單因素的分析應用，也可以關聯患者的其他臨床信息做多因素分析應用，比如病理數據、基因數據等相關信息，以改善腫瘤表型的預測效果，以及對治療反應的預測和預后評估效果。紋理分析可以獲得包括 CT、PET 和 MRI 在內的所有成像方式的特征[30-32]。
3.1 在胃癌診斷與鑒別診斷中的應用
胃部腫瘤的明確診斷是進行準確治療的前提條件。有研究發現，CT 增強掃描圖像中的一階和二階的特征分析可能有助于區分淋巴瘤與胃腸道間質癌或腺癌，根據質地信息對不同胃腫瘤進行分類，至少在可以將鑒別診斷縮小為兩種組織學亞型的情況下幫助放射科醫生做出正確的診斷[33]。有學者使用 PET 圖像的紋理分析來區分胃癌和胃淋巴瘤，并且指出了 PET 圖像的紋理分析可以改善胃腫瘤的鑒別診斷效果，特別是在氟脫氧葡萄糖攝取程度相似的腫瘤中[34]。內窺鏡檢查也是胃腫瘤診斷的常規檢查方式，但是在檢查期間受圖像采集條件的變化影響，對收集圖像中的異常區域的檢測是困難的，有學者基于不同的紋理特征值，通過計算機輔助診斷系統改善圖像采集方式，并從采集圖像中提取出紋理特征用于胃部正常和異常的診斷，從而提高內窺鏡檢查的準確度[35-37]。胃癌的鑒別診斷中比較重要的就是與胃間質瘤的鑒別，有不同的學者分別從內窺鏡、CT 平掃和 CT 增強檢查中進行影像紋理分析，發現這些檢查對于胃間質瘤與胃癌的鑒別診斷有一定價值，并且對于胃間質瘤的危險度分級也有一定價值[38-43]。
3.2 在胃癌 TNM 分期中的應用
腫瘤的分期對于診治很關鍵。有學者將胃癌的術前 CT 紋理分析與術后 TNM 分期做相關性研究，發現靜脈期 CT 增強的紋理參數與病理學階段的相關性很好，在預測胃癌淋巴結轉移方面具有巨大潛力[44]。有學者將紋理分析與 CT 檢查相聯系，發現可用于胃癌的術前分期、可以評估腫瘤的侵襲性，并且可以由此提高胃癌風險分層的多因素預后模型的性能[45]。一項納入 114 例患者的回顧性研究表明，CT 紋理分析可作為潛在有用的影像學生物標志物，用以預測胃癌患者的 T 分期和 N 分期，并可在新輔助治療規劃之前就用于評估[46]。淋巴管浸潤和神經周圍浸潤與胃癌的不良預后有關，有學者基于機器學習方法進行管狀胃腺癌影像的 CT 紋理分析，發現其可用于預測淋巴管和神經周圍浸潤[47]。也有學者通過對 MRI 中的基于整體表觀彌散系數（apparent diffusion coefficient，ADC）的熵參數與胃癌的侵襲性做相關性研究，發現由整體 ADC 紋理分析得出的熵參數（尤其是一階熵）可以通過定量分析腫瘤內異質性來幫助評估胃癌的侵襲性[48]。還有學者通過對胃癌術前 MRI 的 T2 加權圖像進行紋理分析并與 TNM 分期對照，發現基于機器學習算法、結合形態特征和紋理參數的多變量模型能夠提高預測胃癌總體 T 分期和 N 分期的診斷效率[49]。有研究通過對術前靜脈期能譜 70 keV 的能譜 CT 圖像做紋理分析，發現對預測胃癌術前淋巴結轉移有價值[50]。胃癌隱匿性腹膜轉移一直是研究難點和熱點，常規的醫學成像（如 CT）對于檢測胃癌患者是否存在隱匿性轉移有很大的難度，有學者通過對術前 CT 影像做紋理分析發現這個方法能為預測胃癌隱匿性腹膜轉移提供附加信息，有助于鑒別診斷[51]。
3.3 在胃癌分子分型中的應用
有學者對 107 例胃癌患者進行了一項研究，以期探討 CT 紋理分析在預測胃癌組織病理學特征中的應用，研究發現紋理分析獲取的標準差和熵特征參數在 CT 增強檢查動脈期與胃癌較差的分化程度相關，CT 紋理分析在預測胃癌的分化程度、Lauren 分類和血管浸潤狀態方面具有巨大潛力，并且指出了 CT 紋理分析對胃癌無創且有效，門靜脈期 CT圖像特征與分化程度和 Lauren 分類顯著相關，標準偏差、熵和動脈期的最小衰減反映了血管浸潤情況[52]。
3.4 在胃癌生物標志物表達中的應用
紋理特征原本就是潛在的影像生物標志物。有學者回顧性分析了 139 例胃癌患者的 CT 增強圖像，使用紋理分析將之與免疫組織化學生物標志物相關聯，發現紋理分析可用于評估和預測胃癌 E-鈣黏蛋白、Ki-67、血管內皮細胞生長因子受體 2（vascular endothelial growth factor receptor 2，VEGFR2）和表皮生長因子受體（epidermal growth factor receptor，EGFR）的表達水平[53]。也有學者將 CT 圖像紋理分析與胃癌 HER2 陽性表達患者相關聯，并且與之接受曲妥珠單抗治療后的生存率相關聯，研究得出 HER2 陽性晚期胃癌患者接受曲妥珠單抗治療后的異質紋理特征與更好的生存率相關，紋理分析顯示出可能成為臨床有用的影像生物標志物的潛力，為胃癌 HER2 陽性患者治療選擇提供額外的信息[54]。
3.5 在胃癌療效評估中的應用
Giganti 等[55]評估了 34 例化療后患者的 CT 增強動脈晚期圖像的紋理特征，他們發現治療響應者的熵和緊實度更高而均勻度更低。又有學者[56]就常規的 CT 圖像做紋理分析，將其與新輔助化療后的患者相關聯做療效評估，研究發現常規 CT 圖像紋理分析獲得的紋理特征、尤其是增強檢查靜脈期的特征參數可以作為預測進展期胃癌新輔助化療療效的一個可靠輔助手段。
3.6 在胃癌預后預測中的應用
對于預后，Yoon 等[54]調查了 26 例 HER2 表達陽性的胃癌患者，在他們接受曲妥珠單抗治療之前做研究，他們的分析發現，灰度共生矩陣（gray-level co-occurrence matrix，GLCM）對比度、方差、相關性和角二階矩陣與較差的生存率相關。在另一項研究中，Giganti 等[45]的結果顯示，在 56 例患者中，一階能量、熵和偏度與陰性預后顯著相關。有學者通過提取 CT 圖像特征對胃癌的生存期和化療獲益做預測研究，指出新開發的放射學特征是無病生存期和總體生存期的有力預測指標，也可以預測哪些Ⅱ期和Ⅲ期胃癌患者可以從化療中受益[57]。還有學者研究了18F-FDG PET/CT 的圖像特征對預測胃癌生存和化療獲益的效果，指出新開發的放射學特征是總體生存期和無病生存期的有力預測指標，并且可以預測哪些患者能從化療中受益[58]。
由此可見，影像紋理分析在胃癌的診療應用和研究中的應用相當廣泛。
4 影像紋理分析目前應用的主要挑戰
影像紋理分析是基于檢查圖像的一種圖像后處理方式，目前的應用限制與影像組學相類似，主要是在結果復現和重建上，以 CT 為例，受 CT 圖像采集參數、放射劑量和圖像重建條件設置的影響，同類疾病的紋理特征參數提取會略有不同[59-60]。在研究應用過程中也受圖像選擇的限制，更多的是理論研究，雖然提供了研究的多樣性，但是對于應用推廣有限制。影像紋理分析是一個后處理過程，需要借助計算機軟件，受軟件開發和選擇的限制，在使用便捷度上有不足[21]。
5 小結
圖像紋理分析是一種成熟的圖像后處理方式，是借助計算機軟件將圖像轉變為基于像素的特征數據來進行分析，轉變了傳統的影像診斷模式。經過多項研究已經證實了影像紋理分析可以用于胃癌相關的臨床診療，并且在上述研究中取得了可靠的結果，但是在胃癌相關的影像研究中仍然存在許多臨床關鍵問題，還有待于借助紋理分析深入探究，尤其是在檢查提前、豐富診斷信息、預測和預后評價等方面。
在未來，隨著計算機技術的發展，醫師使用工具能力的提高，綜合診斷觀點的推進，各類影像紋理分析數據庫的不斷完善和更簡捷的數字化模型的建立，影像紋理分析后處理與胃癌的相關性研究必定會針對更多臨床工作中面臨的難點和熱點進行更深層次的探索，將取得更大的成就，為胃癌的早期診治和個體化診療作出巨大貢獻，并建立成熟的影像紋理分析工作模式。
重要聲明
利益沖突聲明：本文全體作者閱讀并理解了《中國普外基礎與臨床雜志》的政策聲明，我們沒有相互競爭的利益。
作者貢獻聲明：張笑撰寫文章，黃偉參與文獻檢索，宋彬給予工作支持。
胃癌（gastric cancer）是全球范圍內和我國常見的消化系統惡性腫瘤，是指原發于胃的上皮源性的惡性腫瘤。2020 年全球范圍內胃癌新發病例數為 1 089 103 例，占癌癥新發病例數的 5.6%，排名第6 位；病死例數為 768793 例，占癌癥總病死例數的 7.7%，排名第 3 位[1]。我國全國腫瘤登記中心每年的統計數據中，2015 年的數據顯示當年我國胃癌的新發病例為 40.3 萬例，位居同期惡性腫瘤發病率的第 2 位；死亡病例數為 29.1 萬例，位居同期惡性腫瘤死亡率的第 3 位[2]。由此各國學者在胃癌多學科和規范化診治上不斷探索，對于胃癌的早期篩查、早期發現、早期診斷以及進展期胃癌的定位診斷和分期診斷均有不同程度的研究，并且對于胃癌的精準化醫療越來越重視。我國在《2021 年國家醫療質量安全改進目標》中專門提及了胃癌規范化治療和 TNM 分期的改進要求，以促進我國胃癌診療水平的發展[3]。
在日常的臨床實踐中，各個國家和地區的診療指南均提及了包括超聲內鏡（endoscopic ultrasonography，EUS）、多層螺旋 CT（multidetector computed tomography，MDCT）、磁共振成像（magnetic resonance imaging，MRI）、正電子發射體層成像（positron emission tomography computed tomography，PETCT）等多種影像檢查方法在定位診斷和分期診斷中的作用，并且將 CT 檢查列為胃癌術前定位和分期評估中常用的影像檢查方式[4-6]。圖像后處理方法提供了通過圖像數據分析獲取腫瘤相關表型的機會，提供了將檢查信息和治療結合提前進行的機會，其中紋理分析就是圖像后處理方式中的一種，對于紋理分析的研究可以改進傳統的影像檢查評估模式。因此，筆者就傳統影像在胃癌診療中的應用現狀、圖像紋理分析技術和醫學影像紋理分析技術的相關性及其發生發展、醫學影像紋理分析相關技術在胃癌診療中的臨床應用現狀及研究現狀進行綜述。
1 胃癌傳統影像分期方法
目前胃癌最常用的影像分期方法是 CT 增強檢查[7]，并且還有學者將胃癌的 MDCT 檢查的傳統影像學表現特征與胃癌細胞的人表皮生長因子受體 2（Human epidermal growth factor receptor 2，HER2）蛋白表達水平做聯合研究，以提高 CT 檢查的準確性[8]。如果考慮進行治療，使用 EUS 有助于確定腫瘤的近端和遠端范圍，而18F-FDG PET/CT 已被證明可通過檢測淋巴結轉移和轉移性病灶來改善分期[9]。目前不建議將 MRI 用于胃癌的常規成像，但是隨著 PET/MRI 混合系統在臨床上的應用，人們對 MRI 作為評估工具的能力越來越感興趣。MRI 可提供出色的軟組織對比，并可顯示胃壁各層和鄰近結構，功能序列也可以作為方案的一部分被包括在內。初步的18F-FDG PET/MRI 病理學金標準研究有望用于淋巴結評估，研究[10]報道其準確性為 83%，而 EUS 和 CT 分別為 75% 和 50%。
2 醫學圖像紋理分析的起源與發展
紋理分析的原始概念的提出源自 20 世紀 60 年代，前期受計算機技術的限制發展緩慢，對于概念性的內容提及較多，這也逐步豐富了紋理分析理論，提出了紋理分析的 4 個主要內容：特征提取、特征辨別、特征分類和分析應用。其中特征提取為第1 步，而后將獲得的結果應用在辨別、分類和分析應用中。同時也根據數學原理和計算機算法原理提出了結構類分析、統計類分析、模型類分析、轉換類分析 4 類紋理分析方法，分別對應 4 類紋理特征參數；20 世紀 90 年代紋理分析概念和內容逐步完善[11]。
追朔到 1972 年，有學者在肺部疾病的識別中首次使用紋理分析技術，在醫學圖像上對肺部有無異常進行判斷[12]。而后，對于醫學圖像紋理分析的研究越來越深入、越來越廣泛，幾乎涵蓋了所有醫學圖像，比如在病理圖像、X 光片、內鏡圖像、CT 圖像、超聲圖像、PET 圖像、MRI 圖像上的紋理分析研究，以實現定量分析和相關性分析[13-17]。醫學圖像紋理分析目前常用的主要參數從基于統計（這是最廣泛應用在醫療中的分析類別）中選擇 4 種參數：直方圖、絕對梯度、游程矩陣和共現矩陣；從基于模型中選擇一種：自回歸模型；從基于轉換中選擇一種：小波函數；基于結構類目前沒有應用于醫學圖像的任何示例。目前一共 3 類 6 種參數常用于醫學圖像紋理分析中[18]。
近幾年計算機技術迅猛進步，各類軟硬件層出不窮，醫學影像的圖像后處理技術也在這個大背景下應用越來越廣泛，2016 年 Gillies 等[19]提出了影像不僅僅是圖像而是數據的觀點。紋理分析作為圖像后處理分析中的一種方式，是基于紋理特征提取、分析和解釋定量成像特征的一種方法，可用于 CT、MRI、PET 等多種圖像的分析應用中。CT 紋理分析（CT texture analysis，CTTA）技術的定義在 2017 年由 Lubner 等[20]提出。
要進行影像紋理分析就要借助于計算機軟件進行計算，并且要求放射科醫師要熟悉和了解計算機技術和可使用的軟件，隨著計算機技術的發展，越來越多的軟件適用于紋理分析，有全流程的軟件，也有分別適用于紋理分析各項過程的軟件，有學者對于這些軟件做了簡單介紹[21]。目前常用的圖像查看和分割的軟件有 3DSlicer、ITK-SNAP、MaZda 等，常用的特征提取軟件有 TexRAD TM、Imaging Biomarker Explorer（IBEX）、Chang-Gung Image Texture Analysis（CGITA）、MaZda 等，常用的特征分析工具有 R、SPSS、Stata、Weka、MaZda 等，用于紋理特征提取、特征辨別、特征分類和分析應用，其中有免費的開源軟件和收費的商業軟件。這些均顯示了醫學圖像紋理分析的積極前景[22-29]。
3 影像紋理分析在胃癌中的應用
在胃癌患者中，影像紋理分析作為臨床管理途徑中的一類數據分析方法，在成像方面可以提取并組合許多參數，包括病灶大小、形態、TNM 分期的標準描述，以及對比增強、擴散特性、示蹤劑吸收等定性和半定量或定量生理參數，還有通過計算機學和生物信息學方法獲得的紋理特征。紋理特征為影像提供了后處理附加信息，作為潛在的影像生物標志物可以用于預測腫瘤的生物學行為。可以基于紋理特征做單因素的分析應用，也可以關聯患者的其他臨床信息做多因素分析應用，比如病理數據、基因數據等相關信息，以改善腫瘤表型的預測效果，以及對治療反應的預測和預后評估效果。紋理分析可以獲得包括 CT、PET 和 MRI 在內的所有成像方式的特征[30-32]。
3.1 在胃癌診斷與鑒別診斷中的應用
胃部腫瘤的明確診斷是進行準確治療的前提條件。有研究發現，CT 增強掃描圖像中的一階和二階的特征分析可能有助于區分淋巴瘤與胃腸道間質癌或腺癌，根據質地信息對不同胃腫瘤進行分類，至少在可以將鑒別診斷縮小為兩種組織學亞型的情況下幫助放射科醫生做出正確的診斷[33]。有學者使用 PET 圖像的紋理分析來區分胃癌和胃淋巴瘤，并且指出了 PET 圖像的紋理分析可以改善胃腫瘤的鑒別診斷效果，特別是在氟脫氧葡萄糖攝取程度相似的腫瘤中[34]。內窺鏡檢查也是胃腫瘤診斷的常規檢查方式，但是在檢查期間受圖像采集條件的變化影響，對收集圖像中的異常區域的檢測是困難的，有學者基于不同的紋理特征值，通過計算機輔助診斷系統改善圖像采集方式，并從采集圖像中提取出紋理特征用于胃部正常和異常的診斷，從而提高內窺鏡檢查的準確度[35-37]。胃癌的鑒別診斷中比較重要的就是與胃間質瘤的鑒別，有不同的學者分別從內窺鏡、CT 平掃和 CT 增強檢查中進行影像紋理分析，發現這些檢查對于胃間質瘤與胃癌的鑒別診斷有一定價值，并且對于胃間質瘤的危險度分級也有一定價值[38-43]。
3.2 在胃癌 TNM 分期中的應用
腫瘤的分期對于診治很關鍵。有學者將胃癌的術前 CT 紋理分析與術后 TNM 分期做相關性研究，發現靜脈期 CT 增強的紋理參數與病理學階段的相關性很好，在預測胃癌淋巴結轉移方面具有巨大潛力[44]。有學者將紋理分析與 CT 檢查相聯系，發現可用于胃癌的術前分期、可以評估腫瘤的侵襲性，并且可以由此提高胃癌風險分層的多因素預后模型的性能[45]。一項納入 114 例患者的回顧性研究表明，CT 紋理分析可作為潛在有用的影像學生物標志物，用以預測胃癌患者的 T 分期和 N 分期，并可在新輔助治療規劃之前就用于評估[46]。淋巴管浸潤和神經周圍浸潤與胃癌的不良預后有關，有學者基于機器學習方法進行管狀胃腺癌影像的 CT 紋理分析，發現其可用于預測淋巴管和神經周圍浸潤[47]。也有學者通過對 MRI 中的基于整體表觀彌散系數（apparent diffusion coefficient，ADC）的熵參數與胃癌的侵襲性做相關性研究，發現由整體 ADC 紋理分析得出的熵參數（尤其是一階熵）可以通過定量分析腫瘤內異質性來幫助評估胃癌的侵襲性[48]。還有學者通過對胃癌術前 MRI 的 T2 加權圖像進行紋理分析并與 TNM 分期對照，發現基于機器學習算法、結合形態特征和紋理參數的多變量模型能夠提高預測胃癌總體 T 分期和 N 分期的診斷效率[49]。有研究通過對術前靜脈期能譜 70 keV 的能譜 CT 圖像做紋理分析，發現對預測胃癌術前淋巴結轉移有價值[50]。胃癌隱匿性腹膜轉移一直是研究難點和熱點，常規的醫學成像（如 CT）對于檢測胃癌患者是否存在隱匿性轉移有很大的難度，有學者通過對術前 CT 影像做紋理分析發現這個方法能為預測胃癌隱匿性腹膜轉移提供附加信息，有助于鑒別診斷[51]。
3.3 在胃癌分子分型中的應用
有學者對 107 例胃癌患者進行了一項研究，以期探討 CT 紋理分析在預測胃癌組織病理學特征中的應用，研究發現紋理分析獲取的標準差和熵特征參數在 CT 增強檢查動脈期與胃癌較差的分化程度相關，CT 紋理分析在預測胃癌的分化程度、Lauren 分類和血管浸潤狀態方面具有巨大潛力，并且指出了 CT 紋理分析對胃癌無創且有效，門靜脈期 CT圖像特征與分化程度和 Lauren 分類顯著相關，標準偏差、熵和動脈期的最小衰減反映了血管浸潤情況[52]。
3.4 在胃癌生物標志物表達中的應用
紋理特征原本就是潛在的影像生物標志物。有學者回顧性分析了 139 例胃癌患者的 CT 增強圖像，使用紋理分析將之與免疫組織化學生物標志物相關聯，發現紋理分析可用于評估和預測胃癌 E-鈣黏蛋白、Ki-67、血管內皮細胞生長因子受體 2（vascular endothelial growth factor receptor 2，VEGFR2）和表皮生長因子受體（epidermal growth factor receptor，EGFR）的表達水平[53]。也有學者將 CT 圖像紋理分析與胃癌 HER2 陽性表達患者相關聯，并且與之接受曲妥珠單抗治療后的生存率相關聯，研究得出 HER2 陽性晚期胃癌患者接受曲妥珠單抗治療后的異質紋理特征與更好的生存率相關，紋理分析顯示出可能成為臨床有用的影像生物標志物的潛力，為胃癌 HER2 陽性患者治療選擇提供額外的信息[54]。
3.5 在胃癌療效評估中的應用
Giganti 等[55]評估了 34 例化療后患者的 CT 增強動脈晚期圖像的紋理特征，他們發現治療響應者的熵和緊實度更高而均勻度更低。又有學者[56]就常規的 CT 圖像做紋理分析，將其與新輔助化療后的患者相關聯做療效評估，研究發現常規 CT 圖像紋理分析獲得的紋理特征、尤其是增強檢查靜脈期的特征參數可以作為預測進展期胃癌新輔助化療療效的一個可靠輔助手段。
3.6 在胃癌預后預測中的應用
對于預后，Yoon 等[54]調查了 26 例 HER2 表達陽性的胃癌患者，在他們接受曲妥珠單抗治療之前做研究，他們的分析發現，灰度共生矩陣（gray-level co-occurrence matrix，GLCM）對比度、方差、相關性和角二階矩陣與較差的生存率相關。在另一項研究中，Giganti 等[45]的結果顯示，在 56 例患者中，一階能量、熵和偏度與陰性預后顯著相關。有學者通過提取 CT 圖像特征對胃癌的生存期和化療獲益做預測研究，指出新開發的放射學特征是無病生存期和總體生存期的有力預測指標，也可以預測哪些Ⅱ期和Ⅲ期胃癌患者可以從化療中受益[57]。還有學者研究了18F-FDG PET/CT 的圖像特征對預測胃癌生存和化療獲益的效果，指出新開發的放射學特征是總體生存期和無病生存期的有力預測指標，并且可以預測哪些患者能從化療中受益[58]。
由此可見，影像紋理分析在胃癌的診療應用和研究中的應用相當廣泛。
4 影像紋理分析目前應用的主要挑戰
影像紋理分析是基于檢查圖像的一種圖像后處理方式，目前的應用限制與影像組學相類似，主要是在結果復現和重建上，以 CT 為例，受 CT 圖像采集參數、放射劑量和圖像重建條件設置的影響，同類疾病的紋理特征參數提取會略有不同[59-60]。在研究應用過程中也受圖像選擇的限制，更多的是理論研究，雖然提供了研究的多樣性，但是對于應用推廣有限制。影像紋理分析是一個后處理過程，需要借助計算機軟件，受軟件開發和選擇的限制，在使用便捷度上有不足[21]。
5 小結
圖像紋理分析是一種成熟的圖像后處理方式，是借助計算機軟件將圖像轉變為基于像素的特征數據來進行分析，轉變了傳統的影像診斷模式。經過多項研究已經證實了影像紋理分析可以用于胃癌相關的臨床診療，并且在上述研究中取得了可靠的結果，但是在胃癌相關的影像研究中仍然存在許多臨床關鍵問題，還有待于借助紋理分析深入探究，尤其是在檢查提前、豐富診斷信息、預測和預后評價等方面。
在未來，隨著計算機技術的發展，醫師使用工具能力的提高，綜合診斷觀點的推進，各類影像紋理分析數據庫的不斷完善和更簡捷的數字化模型的建立，影像紋理分析后處理與胃癌的相關性研究必定會針對更多臨床工作中面臨的難點和熱點進行更深層次的探索，將取得更大的成就，為胃癌的早期診治和個體化診療作出巨大貢獻，并建立成熟的影像紋理分析工作模式。
重要聲明
利益沖突聲明：本文全體作者閱讀并理解了《中國普外基礎與臨床雜志》的政策聲明，我們沒有相互競爭的利益。
作者貢獻聲明：張笑撰寫文章，黃偉參與文獻檢索，宋彬給予工作支持。