影像组学是指通过数学算法提取医疗影像中量化的数据。影像组学方法具有区分肿瘤表型的潜力，并能够帮助构建预测治疗应答的模型，从而使肿瘤治疗更加精准化。这一研究方法近年来越来越受到关注，2020年8月在《欧洲影像学》杂志上，Chetan和Gleeson在一篇综述中就目前预测非小细胞肺癌治疗应答的影像组学研究进行了总结和评估[1]。

        文献检索和数据提取

        该文作者在Pubmed数据库中对医学主题词(MeSH)进行检索，MeSH关键词包括：非小细胞肺癌，CT或PET或PET-CT，影像组学或量化(quantitative)或纹理(texture)或特征(feature)，治疗应答(treatment response或therapy response)以及肿瘤大小或体积缩小(tumor size 或 tumor volume shrinkage)。文献检索的排除标准包括：(1)不以影像学应答或病理学应答作为研究终点;(2)研究只关注影像组学方法;(3)非预测性研究;(4)动物实验研究或仿真模型研究(phantom model);(5)无原始数据的文献，例如综述。

        通过MeSH关键词检出178篇论文，对其标题或摘要进行初筛，获取了其中34篇全文行进一步筛选，最后共有14篇发表于2003-2018年的文献被纳入到该综述中，并对如下数据进行提取：例数，非小细胞肺癌分期，治疗，随访时间，影像形式，量化特征，治疗应答终点以及性能指标。同时根据影像组学质量评分(radiomics quality score，RQS)对这些文献进行了系统的质量评价。RQS是影像组学专用的研究质量评价工具，包括了16个成分，该评价工具在TRIPOD(Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis)研究中有详细介绍[2]。

        影像组学预测病理学应答

        病理学完全应答是指在所有病理标本中都没有发现肿瘤细胞，是局部进展期非小细胞肺癌的重要预后指标;获得病理学完全应答的患者存活率更高，局部或远处复发的概率更低。在本综述纳入的14项研究中，有3项探索了影像组学预测病理学应答的价值。

        影像组学预测影像学应答

        在纳入综述的14项研究中共有10项评估影像组学与影像学应答的关系。影像学应答的评估目前较为常用的有RECIST(Response evaluation criteria in solid tumours)标准(该评估标准只包括肿瘤大小一个维度的数据)和肿瘤体积变化。

        我们的观点

        该综述概括了目前为止较有代表性的影像组学在非小细胞肺癌治疗应答预测中的研究，提供了大量影像组学研究的新信息。然而由于每项研究之间存在大量的异质性，例如患者群体的差异、治疗方案的差异、影像学形式的差异等等，因此未能进行荟萃分析。

        值得注意的是，所纳入的研究质量普遍不高，RQS评分在-5～9分之间(理论最高分可达36分)。这也是目前影像组学研究存在的普遍问题。同时，并没有研究进行研究中心外的验证，以及在经济效益方面的研究，因此影像组学真正应用于临床实践还需更多的研究。

        参考文献

        1. Madhurima R. Chetan ,Fergus V. Gleeson. Radiomics in predicting treatment response in non-small-cell lung cancer: current status, challenges and future perspectives. Eur Radiol 2020 Aug 18. doi: 10.1007/s00330-020-07141-9

        2. Collins GS, Reitsma JB, Altman DG, et　al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. Ann Intern Med　2015;162(1)：55–63