文献速递妇产影像腹部技术与安全CTMRPET

整合影像基因组学用于卵巢癌虚拟活检与治疗监测

Integrative radiogenomics for virtual biopsy and treatment monitoring in ovarian cancer.
PubMed 文献 · Insights Imaging · 2020-08-17

本文综述了影像组学与基因组学整合(影像基因组学)在高级别浆液性卵巢癌中的应用,提出通过影像组学生境进行靶向采样可建立虚拟活检,用于预测分子分型并在治疗过程中监测肿瘤时空异质性,但临床转化仍需解决可重复性、队列规模和前瞻性验证等挑战。

要点

  • 影像基因组学将影像组学与基因组学整合,可能改善卵巢癌治疗反应与预后预测。
  • 基于影像组学生境的靶向采样有望实现虚拟活检,克服侵入性活检的局限。
  • 临床转化需在大型前瞻性队列中确保可重复的组织匹配影像组学特征。

核心结论

  • 靶向影像基因组学可能成为卵巢癌肿瘤生物学整合分析的有力补充,通过标准治疗CT预测分子谱,虚拟活检可能革新临床实践并早期检测治疗耐药。

研究设计与样本

  • 综述类文章,检索并汇总了高级别浆液性卵巢癌影像基因组学研究的文献,纳入文献包括基于CT、MRI和FDG-PET的影像组学与基因组、转录组、蛋白质组及组织病理学关联分析。
  • 文中汇总的影像基因组学研究样本量包括108例、118例、38例、46例、92例、20例、297例等高级别浆液性卵巢癌患者队列。

关键影像表现/征象

  • CT上结节状盆腔病变和胃肝韧带受累与BRCA突变可能性较高相关,而浸润性盆腔病变、肠系膜受累和膈上淋巴结肿大与BRCA突变可能性降低相关。
  • 病灶间纹理特征高变异(高病灶间异质性)与19q12扩增(含CCNE1基因)相关。
  • CT腹膜疾病和肠系膜浸润的语义分类与CLOVAR间充质亚型相关,盆腔和卵巢病变存在也与间充质亚型相关。
  • CT影像组学特征与基质表型正相关、与DNA损伤标志物负相关。
  • 在一例患者中,基于3D打印模具的MRI引导采样显示不同影像表型区域具有不同组织学和遗传组成。

诊断标准与关键数值

  • 文中未报告统一的影像组学诊断阈值、敏感度、特异度或AUC等诊断效能指标。

临床应用与阅片要点

  • 基于影像组学生境的靶向采样方法仍处于早期阶段,多数方法仅在肿瘤切除后可行,难以整合进临床工作流程。
  • 在体内活检中实时可视化影像组学图谱的框架是关键技术发展方向之一。
  • 作者认为,确保影像组学特征可重复性、考虑队列规模和多组学数据高维度、并在更大前瞻性设置中探索关联,是临床转化前需解决的挑战。

局限性

  • 影像基因组学研究通常基于有限大小的数据集。
  • 影像组学特征基于整个病灶计算,而分子谱信息来自单次活检,仅采样病灶或疾病负荷的一小部分。
  • 多数靶向采样方法使用高度专业化技术,难以整合进临床工作流程,且仅在肿瘤切除后可行,无法纵向追踪关联。
  • 影像组学特征的可重复性需确保,不同软件包计算不同,数值受扫描采集和重建参数影响。
  • 该领域多数研究为回顾性设置,需在更大前瞻性设置中探索关联以实现临床转化。
全文中译6 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2020 Aug 17;11:94. doi: 10.1186/s13244-020-00895-2

要点

放射基因组学是放射组学和基因组学的整合,有潜力改善卵巢癌的治疗反应和结局预测。

由于近期技术的进步使得影像和分子数据的整合成为可能,创建虚拟活检以克服侵入性活检的局限性可能是可行的。

要使临床实施成为现实,需要在大型前瞻性队列中确保可重复的、与组织匹配的放射组学特征的放射基因组学研究。

背景

卵巢癌是第二大最常见的妇科癌症[1]。尽管过去几十年大多数肿瘤的生存率有所改善,但卵巢癌的5年生存率自1980年以来没有变化[2]。大多数卵巢肿瘤是高级别浆液性卵巢癌(HGSOC)[2, 3],其特征是在多个层面上表现出的高度异质性。在生物学上,HGSOC是一种由TP53和BRCA1/2的反复点突变以及DNA拷贝数改变驱动的实体瘤[4–6]。由多种突变过程(如染色体片段的插入、缺失或重复)引起的拷贝数变化被认为使生长中的组织能够适应环境选择压力[7]。此外,肿瘤微环境(TME)的异质性——即肿瘤、间质和免疫细胞以及腹水成分(如细胞因子和生长因子)的不同比例——已知是HGSOC的标志。这些因素的相互作用尚待阐明[8]。

在临床上,HGSOC常被诊断为晚期多部位疾病,病变位于盆腔和腹腔[9]。标准治疗为初次减瘤手术后继以辅助化疗,或新辅助化疗(NACT)后继以延迟初次手术。由于同源重组缺陷,HGSOC对铂类NACT特别敏感[10, 11]。然而,高达90%的患者随时间推移出现治疗耐药,这是HGSOC的主要死因[12, 13]。耐药机制的主要假说是存在具有不同基因组特征的肿瘤细胞克隆,这些克隆进化以获得治疗耐药性[14–16]。基因组变化也与TME的异质性相关,后者可能对克隆群体施加不同的选择压力[17–20]。

为了改善HGSOC患者的管理,需要新的工具来实现化疗耐药的早期检测和循证治疗分层。实施此类工具的主要挑战在于准确描述疾病在肿瘤区域和转移部位之间的多尺度复杂性。迄今为止,评估病灶内和病灶间异质性的主要方法是多点采样。然而,这种方法具有侵入性、昂贵且不实用,并且根据样本位置的不同,可能仍然对疾病的覆盖不足[21]。

基于标准治疗或先进放射成像的工具,无论在诊断时还是在整个治疗过程中,都可能以全面且无创的方式捕捉肿瘤的时空复杂性[22]。通过从放射图像中获得虚拟活检,并使真实活检能够以更加知情的方式进行,这些信息可用于预测某些感兴趣的分子谱的概率。

在以下各节中,我们首先描述放射组学分析——即医学图像的定量分析——如何通过放射基因组学研究与分子信息相结合。然后我们讨论肿瘤栖息地——定义为具有局部 distinct 放射组学特征的区域——在这一整合过程中的重要性。我们还概述了在空间方式下获取栖息地特异性样本以整合分子谱和放射组学的技术进步。这可能使得能够创建分子谱的预测图,即所谓的“虚拟活检”。该过程的概述见图1。

图1 导致创建虚拟活检图的工作流程概述,这些图可与关键区域的实时活检一起用于指导临床决策。这些虚拟活检图提供了在临床过程的不同阶段——例如化疗周期之间——进行计算的可能性,以研究分子谱的时空变化 查看原图 ↗

正文

从放射组学到放射基因组学:肿瘤生物学的综合测量

医学成像,主要是计算机断层扫描(CT),对于诊断HGSOC、评估其范围和评估治疗反应至关重要[23, 24]。尽管当前的常规评估主要是语义和定性的[25],但人们已广泛接受,以定量方式挖掘图像可能为临床决策增加有用的信息[26]。

从成像数据中大规模提取的定量特征的分析通常被称为放射组学[27–29]。放射组学研究利用医学成像编码底层组织信息这一事实,旨在定义与临床终点相关的定量成像生物标志物[30]。典型的放射组学工作流程包括在不同模态的图像上执行的五个步骤,通常是CT、正电子发射断层扫描(PET)或磁共振成像(MRI)。这些步骤是(i)制定临床问题并选择最合适的成像类型,(ii)肿瘤分割,(iii)图像预处理,(iv)从肿瘤区域提取特征(例如,原始或滤波扫描上的强度、形状、体积和纹理)以及(v)通过机器学习算法对临床终点进行预测建模——包括特征选择、模型训练以及在内部或外部数据集中对发现进行验证[31]。这些步骤及其局限性已在现有文献中讨论[26, 28, 30–34]。最近,放射组学分析还包括深度学习方法,其优点是能够自行学习数据中最有用的定量表示,从而绕过对手工特征的需求[35–37]。

影像组学研究聚焦于理解治疗反应、复发和生存[38, 39]。从概念上讲,这些分析所依据的假设是不同影像表型能够捕捉病变的病理生理学特征[29]。研究影像组学与生物学特征(尤其是基因组学)之间关联的学科通常被称为影像基因组学,或更常见地称为放射基因组学[40]。该领域仍处于早期阶段,但初步结果令人鼓舞。

尽管在高级别浆液性卵巢癌(HGSOC)中可获得的放射基因组学文献有限,但多项研究显示影像组学与相关分子谱存在显著关联(表1)。如上所述,HGSOC患者中最常见的突变之一位于BRCA1或BRCA2基因[49]。携带BRCA突变的患者由于铂敏感性较高,往往对化疗反应更好,与BRCA野生型患者相比,这改善了其总生存期[50, 51]。在一项包含108例HGSOC患者的数据集中使用CT特征,发现BRCA突变的较高可能性与结节性盆腔病变及胃肝韧带受累相关,而浸润性盆腔病变、肠系膜受累和膈上淋巴结肿大与BRCA突变可能性降低相关[42]。此外,同一研究报道,在伴有肠系膜受累和膈上淋巴结肿大的BRCA野生型HGSOC病例中,不完全切除的可能性较高;同时,在突变型和野生型BRCA患者中,肾上腹主动脉旁区域受累以及小网膜囊和左上腹盆腔病变存在与肠系膜受累的关系均与较短的无进展生存期(PFS)相关[42]。

同样从基因组层面来看,一项针对118例卵巢癌患者拷贝数变异的高分辨率全基因组研究揭示了19q12扩增(包含细胞周期蛋白E1基因(CCNE1))与原发治疗失败和较差生存之间的关联[52]。已知CCNE1在肿瘤细胞的不同过程中发挥作用,如G1期向S期转换、DNA复制、凋亡和染色体不稳定性[53]。Vargas等作者[43]对38例HGSOC患者进行基于CT的影像组学分析,报道病变间纹理特征的高变异——描述为高病变间异质性——与19q12扩增相关。

利用癌症基因组图谱(TCGA)[54]的转录组信息,定义了四种具有预后相关性的HGSOC亚型,称为卵巢癌CLOVAR分类——分化型、免疫反应型、增殖型和间充质型[41]。后一种亚型以较高的铂耐药性和较差预后为特征,确立了基质肿瘤微环境(TME)在HGSOC中的重要作用[55]。在46例HGSOC患者中,基于诊断时腹膜病变和肠系膜浸润的CT扫描语义分类被发现与CLOVAR分类的间充质亚型相关[44]。腹膜受累在间充质亚型患者中的重要性在一个包含92例HGSOC患者的多中心队列中得到了进一步验证,其中纳入了[44]中出现的38例患者[45]。另有报道称,盆腔和卵巢病变的存在与间充质亚型相关[45]。

蛋白质组水平在HGSOC中的相关性体现在预测复发和生存的能力上,即卵巢癌蛋白质驱动指数(PROVAR),该指数利用来自TCGA的412例患者的反相蛋白阵列确定[56]。为探索蛋白质组学与放射组学的关联,研究使用了20例HGSOC患者队列,并结合与蛋白质和转录本水平高度相关的氨基酸代谢相关蛋白的表达[46]。以与[43]类似的方式从CT中捕获部位内和部位间异质性的影像特征被发现与特定蛋白质如STXVP2、ASS1和CBD相关[46]。

最后,着眼于与不同层面标志物——基因组、转录组、蛋白质组和組織病理学——的关联,一项来自297例HGSOC患者的基于CT的放射组学特征被发现与间质表型呈正相关,该表型与包括卵巢癌在内的不同肿瘤类型的不良预后相关,并与DNA损伤标志物呈负相关[47]。

类似的放射基因组学关联也已在其他癌症类型和影像模态中被报道,如MRI(胶质母细胞瘤[57, 58]、少突胶质细胞瘤[59]和乳腺癌[60, 61])、CT(肺癌[62]、肺腺癌[63]和肝细胞癌[64])和PET(非小细胞肺癌[65, 66]和淋巴瘤[67])。已有若干综述对这些放射基因组学研究及其主要局限性进行了全面比较[68, 69]。

这些放射基因组学研究表明放射组学与肿瘤生物学之间存在重要关联,但需要注意的是,它们通常基于规模有限的数据集。另一个关键局限性在于,这些研究寻找的是针对整个病灶(或病灶群)计算的放射组学特征与分子谱信息之间的关联,而分子谱信息来自单次活检,仅采样了病灶或疾病负荷的一小部分。该活检通常通过影像引导操作获得,该操作提供解剖信息但不捕获放射组学表型(图2,方法1)。这种引导活检的策略是大多数癌症类型的标准诊疗方案,但单次诊断性活检无法 capture 整个肿瘤的复杂性[70]。同样,放射组学特征与仅在单一区域或病灶中研究的分子特征之间的关联,可能阻碍了影像生物标志物与不同分子谱之间更特异和三维的关联。

表1 聚焦高级别浆液性卵巢癌(HGSOC)的放射基因组学论文总结。CLOVAR指[41]中提出的卵巢癌分类 查看原表 ↗
图2 放射基因组学研究中所用不同方法的比较。常规方法通常为每位患者提取每个放射组学特征的单一值,通过假设放射组学特征充分混合而掩盖了放射组学生境。随后将其与来自未知或近似位置的单次活检所获得的数据进行比较。靶向方法通过利用传达每个放射组学特征局部信息的放射组学图谱克服了这一局限性。放射组学特征所比较的分子数据来自共定位活检 查看原图 ↗

生境放射基因组学与靶向活检

大多数影像组学分析依赖于整个肿瘤体积的平均定量特征,假设整个病灶内及转移灶之间的影像表型相同,因此忽视了肿瘤内异质性[29]。然而,图像常显示出异质性模式,这些模式可通过纹理分析在多参数功能成像和解剖成像中进行定量评估(图3)[68]。肿瘤内呈现不同影像表型的区域被称为栖息地[73, 74]。不同栖息地的存在可能提示不同的潜在肿瘤微环境和肿瘤分子谱。因此,理解肿瘤栖息地的生物学构成可能是阐明肿瘤进化和耐药机制的关键[75]。

迄今为止,仅有少数研究探讨了影像组学图谱与空间靶向分子谱之间的关系,以局部方式描述放射基因组学关联。空间关联面临的关键挑战之一是图像与组织活检的准确配准。目前已提出多种方法,所有这些方法都基于将组织切片与影像图谱进行比较以指导采样。为实现影像衍生图谱与组织切片之间的空间重叠,大多数研究通过平行于术前扫描切片对切除标本进行切片。该切片过程可借助3D打印模具辅助,以确保标本与MRI平面的正确对齐。模具中集成的槽口可进一步促进组织切片,允许标本沿平行于影像切片方向进行横切,从而改善配准。在卵巢癌中,一种用于MRI引导采样的3D打印模具已在单例患者中进行了测试,结果显示通过结合灌注、扩散和代谢信息获得的具有不同影像表型的区域具有不同的组织学和遗传组成[48](图4,表1)。

模具引导活检方法最近受到青睐,已被用于研究不同肿瘤类型中影像组学特征与组织病理学表型的关联,如前列腺癌[76–79]、肝癌[80]和肾癌[81]。最近,有人提出了这些模具设计的更新方案,以选择优选的组织切片角度,并对图像及相应图谱进行变换[82]。这种灵活性使患者特异性模具更容易应用于临床常规,而不会打乱常规流程。

使用影像组学图谱靶向活检的最新方法为以局部方式关联影像组学与生物学特征开辟了新的可能性。这是迈向全面数据整合和多尺度理解肿瘤复杂性及行为的第一步。然而,大多数所提出的方法有两个明显的局限性:(i) 高度专业化的技术难以整合到临床工作流程中;(ii) 仅在肿瘤切除后才可行,使得无法构建纵向追踪这些关联的肿瘤多尺度模型。一些最新的3D模具技术,如[82]中提出的技术,旨在解决临床整合问题,因此也可能为增加数据集规模提供关键途径。

准确地说,将体内活检与不同的影像组学表型相关联是另一项挑战,针对该挑战的解决方案较少[22]。近期在[83]中提出了一种基于MRI/US融合的概念验证。

图3 对癌症影像档案(TCIA)数据库中高级别浆液性卵巢癌(HGSOC)患者24–1103的大网膜、盆腔及卵巢病变(包括卵巢肿块及道格拉斯窝腹膜病变)以局部方式进行的纹理分析示例,用于可视化同一病灶中不同影像组学表型的存在。纹理图使用放射治疗研究计算环境(CERR)可视化工具提取[71]。Haralick能量、相关性和对比度分别考察用于纹理分析的灰度共生矩阵(GLCM)的不同参数[72]。色图中较亮的颜色表示参数值较高。 查看原图 ↗
图4 在卵巢癌中开展的研究工作流程,其中影像组学生境通过聚类不同MRI序列和氟脱氧葡萄糖(FDG)-PET摄取值得以描述。打印患者特异性3D模具以对每个已识别的生境进行采样。对每个影像组学生境进行组织学和测序分析。经[68]许可转载。 查看原图 ↗

放射基因组学的未来:挑战与开放问题

放射基因组学已作为放射组学的一个分支出现,旨在探索影像表型与生物学对应物之间的关联。事实上,已在不同癌症类型中发表了若干支持这些相互关系的研究。当在空间上共定位时,这些研究可促进影像表型与生物学通路之间的空间关联,从而促成虚拟活检图谱的创建。

在卵巢癌背景下需要此类技术,以理解肿瘤演化并将该知识应用于临床管理。对肿瘤分子谱的详细了解将促成更个性化的靶向治疗。当前分析已显示研究卵巢癌中放射基因组学关联的价值(表1)。设计和验证定制3D打印模具以整合放射基因组学信息是朝着该目标迈出的关键一步,尤其是在手术场景中。然而,设计可应用于HGSOC患者临床环境的靶向活检方法——例如使用标准治疗CT——将使我们能够在治疗期间纵向追踪这些影像组学变化,并最终作为虚拟活检替代指标为临床决策提供信息。

在虚拟活检方法能够整合到临床实践之前,有一些挑战需要仔细解决。首先,需要确保放射组学特征的可重复性。不同软件包之间不同特征的计算存在差异,且数值受扫描采集和重建参数的影响[33, 84]。已有若干策略来应对这些障碍并确保方法的稳健性[38, 85, 86]。其次,在这些研究的设计中应考虑队列规模以及与影像学信息整合的多组学数据集的高维度,以发现具有显著统计效力的有意义的关联。第三,该主题的大多数研究是在回顾性环境中进行的。在更大规模的前瞻性环境中探索这些关联对于临床转化是必需的。最后,为确保这些技术能够在临床中常规使用,靶向采样方法需要与临床实践顺利整合。对于外科活检,这将需要用于3D打印模具生产的稳健且自动化的计算框架。对于体内活检,关键发展之一将是一个框架,使放射科医生能够在获取活检的同时实时可视化放射组学图谱。

结论

靶向放射基因组学可能成为肿瘤生物学综合分析的有力补充,从而通过从标准治疗CT扫描预测分子谱,成为HGSOC患者临床管理中的宝贵工具。这些虚拟活检可能彻底改变卵巢癌当前的临床实践,促进治疗选择生物标志物的开发,并在治疗过程中早期检测治疗耐药。

引用

  1. Martin-Gonzalez P, Crispin-Ortuzar M, Rundo L, et al. Integrative radiogenomics for virtual biopsy and treatment monitoring in ovarian cancer. Insights Imaging. 2020. PMID: 32804260. doi:10.1186/s13244-020-00895-2
  2. 全文:PMC7431480(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7431480/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。