第六节　动态对比增强磁共振成像在肿瘤异质性分析中的应用

随着计算机自动分析和人工智能技术的发展，越来越多的方法被应用于影像学的数据分析，其中就包括利用DCE-MRI方法来进行肿瘤良恶性判别以及预后评估，即肿瘤的异质性分析，它是因为DCE-MRI数据能量化地反映组织灌注和毛细血管通透性等病理特征，因此DCE-MRI数据结合数据的高维特征分析可用于临床病例的判断。研究显示，定量DCEMRI结果与分子分型、病理等方面也有很强的相关性，提示基于影像学的定量分析方法是精准医疗的“基石”^[35，36]。

肿瘤异质性的出现体现了肿瘤的动态发展过程：肿瘤在初期常是均匀的，但是随着分化程度的提高肿瘤会变得越来越不均匀；与评价肿瘤整体情况的参数不同，肿瘤异质性分析方法能更好地表达肿瘤的生理病理特点，从而对临床具有更好的指导意义。

肿瘤异质性分析在临床上的应用，主要包括肿瘤的良恶性判断、肿瘤分级以及肿瘤的预后评估等。目前比较成熟的方法是通过在肿瘤区域勾画感兴趣区来提取异质性指标进行分析，数据源可以包括多种影像资料，例如多种序列MRI图像，也可以利用定量分析的结果，例如DCE-MRI的参数结果图像，K^trans、v_e等都可作为异质性分析的数据源，通常勾画肿瘤整个区域来提取异质性指标。

肿瘤的异质性分析方法很多，可以是基于形状体积等的直方图分析；也可以是采用灰阶矩阵法（GTSDM）、邻域灰阶差值法（NGTSDM）以及变长矩阵法（RLM）等基于空间灰度级的纹理分析方法。由于某些不同性质的肿瘤也可能会有相同的直方图分布特点，通常认为纹理分析方法可以更好地描述肿瘤的病理学特点。近年来，又出现了基于异质性分析的放射组学方法，全面揭示影像中的病灶生理和病理特征，为临床提供更多的诊断依据。