从放射摄影到放射影像组学——纪念伦琴发现X-射线120周年

庄天戈

上海交通大学(上海， 200030)



从放射摄影到放射影像组学
——纪念伦琴发现X-射线120周年

庄天戈

上海交通大学(上海， 200030)

【摘要】回顾了自1895年伦琴发现X-射线以来，120年间X-线成像的发展轨迹，并概述了在“人类基因组计划”完成后出现的分子影像， 与之平行发展的“放射基因组学”， 以及随后演变出来的“放射影像组学”的特点与它们之间的关系。文章指出： “分子影像”和“放射基因组学”都企图把传统的医学影像模式与微观的分子/细胞的作用相结合， 充分发挥传统的医学影像无创检测模式的优势， 为早期检测和个性化医学服务； 并指出它们的区别在于前者强调在体， 后者强调离体。文章同时指出 “放射影像组学” 是“放射基因组学”的重要部分， 旨在辅助“放射基因组学”的发展。它是近年医学影像研究的一个热点。

【关键词】X-射线; 伦琴； 医学影像； 分子影像； 放射基因组学； 放射影像组学

From Radiograph to Radiomics

——in memory of the 120 anniversary of the discovery of X-ray

ZHUANG Tiange

Shanghai JiaoTong University(Shanghai, 200030)

【Abstract】In this paper, the development of X-ray based imaging since Roentgen's discovery of X-ray in 1895 is briefly reviewed. Then, "Molecular Imaging" and "Radiogenomics", which emerged after the completion of "Human Genome Project" are outlined. Finally， "Radiomics" is discussed as an extention of "Radiogenomics". This paper points out that both "Molecular Imaging" and "Radiogenomics" are trying to combine the traditional medical imaging with the function of molecules and cells at micro-level, in order to fully develop the strength of non-invasive detection of traditional medical imaging for the early diagnosis and personalized medicine. It is differentiated that "Molecular Imaging" focuses on in vivo detection, while "Radiogenomics" emphasizes in vitro detection. In addition, "Radiomics" is an important part of "Radiogenomics", and it is a hot topic of medical imaging in recent years.

【Key word】X-ray, Roentgen, medical imaging, molecular imaging, Radiogenomics, Radiomics

0引言

自从1895年11月8日伦琴发现X-射线并开创医学影像学迄今已走过120个年头。在这120年中医学影像技术发展经受了种种挑战， 也获得了诸多新的发展和机遇。毋庸违言， 医学影像技术一直是人体信息获取和疾病诊断的重要手段。进入21世纪后， 随着人类基因组计划项目的完成， 对人体的结构、 功能从微观的分子/细胞层次到宏观的组织器官层次， 有了更全面与深入的了解;分子诊断、 分子影像在促进诊疗水平， 延长人们的预期寿命、 提高生命质量做出贡献的同时， 也给传统的医学影像技术带来了冲击与挑战。1990年开始实施《人类基因组计划》(HGP)， 随后出现各种芯片包括基因芯片， 为高通量研究基因表达及肿瘤分类、 治疗评估等方面提供了强大的工具， 出现了基因组学(Genomics)、 蛋白质组学(Proteomics)等一系列组学(-omics)， 与传统医学影像平行发展。2000年第一张基因组测序图的完成， 预示了后基因组时代的到来， 出现了 “分子影像(Molecular Imaging) ”[1]。可以认为， 这是HGP成果与传统医学影像学的第一次结合。2003年出现的 “放射基因组学(Radiogenomics)” 与随后演变成的 “放射影像组学(Radiomics)”， 可以认为是基因组学与传统影像学的又一次结合。本文的目的在于梳理这些关系， 特别是介绍放射影像组学， 的概念与实施步骤以及带来的启示。

1放射摄影与传统医学影像[2]

放射摄影通常指的是X-射线摄影。1895年伦琴给出了第一幅X-射线图像。它开创了以图像形式无创探测人体内部组织/脏器的先河。在医学影像发展的初始阶段(1895年～1972年)， 只有X-射线放射摄影(或迳称放射摄影)这一原始模式。由于影像重叠， 影像的空间分辨力与密度分辨力均不够理想， 这一阶段中涌现了影像增强、 X-线电视以及经典断层成像等技术。但总的讲来， 进展不大， 只有静电放射摄影， 可算一个亮点。1972年X-CT 这一计算机断层成像模式的发明， 从理论上解决了X-射线影像的空间分辨力与密度分辨力欠佳的问题。1972年～1980年， 这一时期X-CT无限风光， 独步放射界。1980年～1989年期间， CT发展缓慢， 相反MRI、 PET、 SPECT问世， 特别是MRI， 由于其有力地提高软组织的成像分辨力， 颇得放射界青睐， 并有挤兑CT之势。那时流传一种说法： 把NMR 戏称为No More Roentgen， 意思是 X-线风光不再。需要指出的是， 无论X-CT 或 MRI， 由于在早期只偏向于揭示组织包括肿瘤的解剖(形态)结构， 不易做到或基本上做不到对肿瘤的早期诊断。实际上， 当肿瘤在形态上可以辨别时， 已属中晚期了。1973年正电子发射CT-PET的问世， 1976年单光子发射CT-SPECT的出现， 为功能成像破冰。嗣后功能磁共振fMRI的出现， 以及超声成像、 光学成像的发展， 使医学成像模式得到极大的补充， 其所提供的人体信息更全面更丰富， 为提高肿瘤早期诊断的灵敏度和特异性带来曙光。1989年后螺旋CT问世， 随后， 多元螺旋CT、 PET-CT， PET-MRI等开创了多模融合的新模式。2000年后， 后基因组时代开始， 为医学影像带来新的挑战与机遇。

2分子影像 与传统诊断影像[1]

尽管医学成像模式在上世纪已有较大发展， 但如何利用传统医学成像模式， 完成疾病的早期诊断和药物筛选？在上世纪， 仍属难题。直到2001年后， 出现了“分子影像”， 那些传统成像模式才在形形色色分子探针的帮助下， 在分子影像领域发挥作用。什么是分子影像?综合哈佛医学院麻省总医院放射系分子成像研究中心Weissleder R[3]和华盛顿大学(St.Louis， Mo.)Lucker 以及Piwnica-Worms[4]的观点， 本文所指的分子影像定义为： 利用体外成像检测器在细胞与分子层次上对活体动物及人体的生物学过程进行定征与测量。这里强调的是无创、 活体。分子影像有助于肿瘤的早期诊断， 因为肿瘤是由于细胞基因变化包括正常基因的过表达、 欠表达或基因突变所致。这些变异将影响细胞内的某些分子(多为蛋白分子)， 影响细胞膜或癌细胞的环境。分子的变化引起靶组织内生物特性或化学特性的改变。如用相应的分子探针在体内感知这些改变， 将之转变为光学信号、 放射信号或磁敏信号等， 再经过体内化学放大或生物放大等环节将放大后的信号作用到体外的成像检测器予以成像， 则所有这些生物、 化学的变化在肿瘤细胞出现恶化之初即可探知， 不必等形成一定形态体积后再显示出来。分子影像的关键在分子探针， 分子影像的挑战也在于分子探针。粗浅地讲， 分子影像是分子探针加传统的医学成像模式的组合。设计分子探针第一步是确定活体分子靶， 它对感兴趣的生理及病理情况来讲具有特异性， 且必须能大量表达。

对分子探针的要求： 1) 探针应该对靶生物分子具有高度特异性与亲和力， 以便识别和确认活体靶分子， 而对非靶分子则有较小的亲和力； 2)它还应有合理的药物动力学特性， 如合适的半衰期， 并能从血液或非特异性组织中快速清除， 以便降低背景噪声(也是难点)， 获得清晰的图像； 3) 此外， 还应有合适的载体以运送这些探针克服生物屏障(如血管、 细胞膜和间质等)进入目标区等等。分子探针直接作用到所选的分子。它可以是受体配体、 酶的底物、 放射性药物等。顺便说明， 常常用造影剂来放大或增强信号， 所以有时把造影剂也归于分子探针一类。不同的成像模式如PET、 MRI、 超声等有各自适用的造影剂。

分子影像的最后一个环节“体外检测器”， 原则上可用现有的传统诊断影像系统， 但有新的挑战。Cherry SR强调， 分子影像促使医学成像的重点从现在医院中普遍使用的非特异的诊断成像模式转到针对特定基因与蛋白质的成像方法上来[5]。实际上， 分子影像的提出使一些成像模式的地位发生改变， 例如以前， 由于要配置加速器， PET的应用和发展相对迟缓。分子影像问世后， PET高灵敏度的优点得到发挥， 成为分子影像的首选。它与其它模式如CT、 MRI的结合产生了PET/CT和PET/MRI， 有效地提高PET图像的定位精度与空间分辨率。另外， 由于鼠类与人类的基因有相似性， 鼠类模型为人类疾病的起源、 诊断、 治疗提供重要的线索， 因此小动物成像一时成为分子影像的代名词。医院中临床的CT、 MRI、 PET、 SPECT、 PET-CT等都有相应的用于小动物的系统。由于小动物在物理尺寸与生理条件(例如鼠类心跳大约120 次/min)上的特点， 对成像系统的空间分辨力和成像速度提出更高的要求和挑战。相对于传统的活检， 分子影像的优点是： 1)无创检测在活体情况下反映肿瘤分子的真实状态； 2)动态采集活检结果属于某一时刻的静态数据， 而分子影像可获得治疗过程中药物作用的动态数据； 3)全面反映， 不只限于某一局部组织。这里讲的分子影像， 其探针与靶组织都在体内， 称为“体内分子影像”[4]。下面提到的内容也属分子影像， 但探针与靶组织都在体外， 姑且称为 “体外式分子影像”。

3DNA芯片、 基因组学与放射基因组学

上面定义的分子影像属于活体并无创。近年， 另一类将基因检测与传统医学影像相结合的研究正在兴起。它就是放射基因组学(Radiogenomics)。要理解这一新的发展方向， 先简要介绍DNA芯片技术和基因组学。

3.1DNA芯片与基因组学(Genomics)[6-8，19]

基因组学可以简单地定义为研究基因组的科学[6]。具体地说， 是指对所有基因进行作图， 核苷酸序列分析、 基因定位、 分析基因结构与功能的关系以及研究基因间相互作用的一门科学[19]， 内容非常广泛。本文涉及的基因组学实际上是研究利用DNA芯片高通量获取基因组的表达数据， 高效地分析、 计算、 整理这些数据， 并直观地以二维图像表示出来， 从而形成基因表达谱的方法。众所周知， 每种肿瘤类型的表征， 涉及成千上万个基因。借助于DNA基因芯片技术， 可同步、 定量地测量从正常状态到严重病态的样品中包含的海量基因的mRNA表达水平， 获得所关心样本的基因表达谱。其所以要研究基因表达谱， 从肿瘤学角度讲， 主要有两个目的： 1)基础研究的需要它有助于了解疾病特别是癌的发病、 发展的分子学机制以及了解抗癌治疗的敏感性的分子机理， 从而针对特定的致病分子的变化进行治疗方案设计； 2)临床应用的需要利用全面的肿瘤基因表达谱， 开发更精确的肿瘤分类系统， 以便从临床看来那些形态相似的肿瘤群体中识别新的截然不同的分子亚群， 还有助于评估药物的生理反应和治疗效果等。

3.1.1DNA芯片的基本原理

DNA芯片于1991年发明， 其简单原理如图1所示(见封3)。首先进行芯片置备： 将成千上万的已知序列的寡核苷酸分子(针对某RNA的单链互补DNA: cDNA， 或其它DNA序列)片段以矩阵形式固定在玻璃、 尼龙等固相载体上， 这就是前面所说的探针， 或称为分子探针。注意:不同于先前的探针作用在体内， 现在作用在体外。其次进行样品制备： 以合适的方式， 例如活检(注意是有创)， 提取待测样品(靶组织)， 例如癌细胞或组织中的RNA， 将其反转录(RT)并予标记。常用荧光标记， 也可用生物素标记。最后将标记的待测样品(靶标)的各种核酸片段与芯片上的探针进行杂交(图1)。所谓杂交是将一定互补序列的不同来源的单链核酸分子通过碱基配对原则结合而形成双链的过程。探针与样品完全正常配对时所产生的荧光信号强度相对于碱基探针错配时的信号强度差别要大很多(数倍至数十倍)。另外， 荧光信号的强度还与样品中靶分子(如mRNA)的含量呈线性关系。杂交反应后的芯片上各个反应点的荧光强弱， 它们的位置， 经过芯片扫描仪例如激光共聚焦荧光检测仪扫描和分析处理后， 即可获得待测样品中mRNA的表达水平。

有一种双色DNA芯片， 用来检测两种不同的生物样品中基因表达水平的差异。如图2 所示(见封3)。图2中实验组(Test)与参照组(Reference)的样品mRNA同时作为靶组织， 先反转录(RT)为cDNA， 并用不同的荧光染料例如Cy3和Cy5进行标记， 等量混合， 再与芯片中的探针进行杂交(Hybridize)得到红色(实验组的mRNA数量占优)、 绿色(实验组的mRNA数量相对较少)混杂的点阵图[9]。

例如要研究酵母细胞在有氧参照组与无氧实验组环境中生长时表达水平的差异。此时先分别提取各自的mRNA， 经过反转录(RT)， 得到相应的cDNA， 再用不同颜色的荧光分子(绿色的Cy3 和红色的Cy5)进行标记。如以绿色标记参照组， 红色标记实验组。这两种不同颜色的cDNA等量混合在一起， 与DNA芯片进行杂交(一个晚上)。染了色的cDNA会同探针上PCR产物的单链结合在一起， 这个单链代表了某个基因。未能同任何样点结合的cDNA 被清理掉(可有效地减小噪声)。再在两组不同波长的荧光下检测， 获得相应样品的杂交信号， 稍加处理即可获得它们的表达强度(用数据或颜色表达)。

3.1.2基因表达谱

基因表达谱是大量基因表达数据的可视化。为便于可视化， 作一些规定： 如果两种mRNA的比值(Cy5/Cy3)相同(转录水平或表达水平相同)， 这种基因点的颜色被标为黑色(也有用黄色表示的)； 如果基因在实验条件下受到诱导， 即实验(转录)组mRNA的数量更多， Cy5/Cy3大于1， 相应点将会标为红色， 转录的mRNA越多， 颜色越红； 如果基因在实验条件下受到抑制， 转录的mRNA较少， 这些点被标记为绿色， mRNA越少， 颜色越绿。图3(见封3)是一个例子。它是从微阵列(microarray) 上截取的一个二维物理点阵。有时， 为了研究基因表达随时间的变化， 在不同时间读取一幅数据。把基因的二维阵列用一维表示(例如沿y-轴)， 另一维(x-轴)表示时间， 即行代表一个基因， 列代表一个时间点或一个时段， 就得到图4(见封3)的基因-时间表达谱； 如把x-轴改为表示疾病种类， 即列代表疾病类别， 行仍代表基因或一组基因， 就得到基因疾病表达谱， 如图5所示(见封3)。图5的表达谱看起来杂乱无章， 很难看出规律。为克服这一缺点， 自然想到的是将它们归类(聚类)， 把数据相近者归为一组。为此， 先选择两基因间(或样本间)的 “距离” 或 “相似度”作为度量指标。例如采用欧氏距离：

(1)

或曼哈顿距离：

(2)

式(1)与式(2)中x，y代表两个基因，xi， yi分别是这两个基因在观察条件i(例如样本i)情况下得到的数据；N表示样本总数。常用Pearson相关系数来表达两者的相似性。Pearson相关系数S(x，y)的求法如下式所示[6，10]：

(3)

聚类方法中常用的是层次聚类法(hierarchical clustering)， 也有用其它方法如K-means法等。层次聚类法的大致过程如下： 1)先按相似系数(例如公式(3))的计算公式， 算出所有两两基因间的相似系数， 构成一相似系数矩阵； 2)审视这一矩阵， 从中找到系数最大者。其对应的两个基因例如LG， 显然， L、 G属于所有基因中最相似的两个基因； 3)把它们归于初始的第一类[LG]， 连接LG， 得到一个节点， 作为一个新的元素代替原来的L、 G； 4)算出L、 G的平均表达模式， 作为新元素的表达谱， 参与下续的比较和归类； 最后得出树状图， 详见参考文献[7]。由于相似基因比邻排列， 相似颜色成片连接， 表达图谱不会杂乱无章。根据表达谱的相似性对基因进行聚类后， 再根据对基因聚类后得到的表达谱的相似性， 在另一维(例如样本)上进行聚类得到最后的系统树图， 如图4和图5(b)所示， 图5(a)是未经聚类的表达谱)。这类表达方式是Eisen提出的， 称Eisen图， 有人称之为热图， 因为它同红外线检测仪测得的人体热图相仿。

癌症是由于基因不稳定引起， 直接地与细胞的生长、 增殖、 分化、 成活与凋亡有关基因关联； 间接地与参与细胞信号通路的基因联系。虽然单个基因的变异是一个重要因素， 但业界认为大部分癌症是由于其相关基因(多个基因)的表达发生变化所致。利用DNA芯片从不同病人得到全局基因谱， 并与正常组织比较， 由此得出的全局基因表达图案可以用来分析病理学上相似肿瘤固有的分子异质性； 也可用来诊断或找出该癌组织的特定分子亚型、 相关预后， 以及对个体病人及其肿瘤进行最优化治疗。这一方向的开创性工作当属Perou CM。1999年， Perou[11]率先研究了乳腺上皮细胞和乳腺癌特有的基因表达模式， 阐述利用cDNA微阵列和聚类算法， 确定人类乳腺上皮细胞(取自培养皿和原发乳腺肿瘤)的基因表达图案。由体外乳腺上皮细胞确定的共表达基因的聚类， 与乳腺肿瘤不同样本间的基因表达有相吻合的图案。利用免疫组织化学， 由聚类中一个特定基因对蛋白抗体进行编码， 可以确定所述基因表达图案的肿瘤样品内细胞的类型。那些在细胞培养皿中和在乳腺肿瘤样品中具有相干表达图案的基因， 其聚类与样品中生物学变化的若干特征有关。他们发现有两种聚类其图案分别与细胞的增殖速率的变化以及与干扰素调节的信号转导通路的激活有关。Perou的方法也可确定由乳腺肿瘤中的基质干细胞和淋巴细胞表达的基因聚类。这一方法说明， 可以用癌的基因表达图案的变化来对实体肿瘤进行分类与分析。

图6为人类上皮细胞不同干扰条件下的基因表达谱(见封3)， 其中每一列表示对在体外生长的HMEC(人类乳腺上皮细胞)， 施加不同干扰进行不同的实验类别： 例如施加转化生长因子TGF-β1 24 h； 撤去表皮生长因子EGF 2 d； 先撤去EGF 2 d再加90 min； 加干扰素IFN-α24 h； 加II型干扰素IFN-γ1 d等。行表示不同的基因。图中表示的是相对于标准条件下生长的控制样品的基因表达的比值。

3.2放射基因组学(Radiogenomics)

基因表达谱有一系列优点， 但其致命缺点是： 准备组织样本时要借助外科手术， 如活检等。这些手段是有创伤性的， 并有危险性， 也可能引起并发症。对所有患癌症病人做这种创伤性手术是不现实的。同时， 穿刺只能采集到组织在冻结时刻个别点的样品， 时间上空间上均有局限性。与此相反， 医学影像属无创伤手段， 能提供大面积的解剖和形态信息， 只是人们还不理解它隐藏着丰富的重要的分子学细节。于是开创了“放射基因组学”(Radiogenomics)。它的定义是 “ 建立基因表达谱数据同放射影像学特征间的关联”。 Radiogenomics这一名词首见于2003年ESTRO(欧洲治疗放射学与肿瘤学学会)提出的“Towards genetic prediction of radiation response: ESTRO's GENEPI project”的文章中[12]。当时该Project的目的只是研究放疗效果与基因的关系， 或正确地说是 “定量研究基因因素对正常组织与肿瘤组织的临床放疗敏感度的影响”。嗣后， 2007年～2009年， 以色列学者Segal E[13]， UCSD 的Kuo MD[14]和Rutman AM[15]等发表了一系列文章， 强调这是一种新兴技术， 把研究范围进一步扩大， 它将基因表达谱与医学影像的特征结合起来。这样， 不需要用有创的活检手术， 而是通过无创的常规临床诊断影像， 即可了解基因表达谱。具体实施可用图7(见封3)说明。

Segal E[13]等提出三步策略来建立影像特征与基因表达谱之间的“关联图”。他们以“3期对比增强CT 扫描”获得的影像特征与28个人肝细胞瘤(HCC)的基因表达为例来说明其三步策略： 第一步， 定义出现在一个或多个HCC中的若干个(例如138个)各不相同的影像特征， 并予量化。根据它们在数据中出现的频度、 重要性以及和其它特征的不相关程度， 并经两个放射师的一致同意， 从中挑出信息量最大的几个特征。例如， 提取出32个满足上述要求的特征， 从中再选择28个最有信息含量的特征， 包括“内动脉”(指许多肿瘤在扫描动脉期显示的不透辐射的信号通路)、 “内动脉级别(内动脉相对数目， 分6级)”、 “低密度晕”、 “造影前纹理异质性(打分)”、 “肿瘤最大横截面面积”、 “肿瘤与肝组织衰减系数最大差异(打分)”、 “肿瘤与肝组织衰减系数最小差异(打分)” 等。第二步， 调整模块网络算法， 系统地寻找由基因芯片测得的6 732个基因的表达水平与影像特征的组合之间的关联性。该算法找出那些基因团组， 它们在多个样本中有相干的表达变化。这种基因团组称为“模块”。该算法还可确定那些能阐明某个基因模块的表达水平的影像特征的组合。第三步， 通过在一组独立的肿瘤组中测试其预测能力， 以验证关联图的统计学意义。这里， 特征定义和特征选择以及基因模块的选取是研究的关键。

影像特征与基因表达的关联图表明： 可用少量的影像特征重建大部分的基因表达方案。

图8(见封3)表示影像特征与全局基因表达的关联图。图8(a)为关联图的概貌。每一列代表一个原发性肿瘤样本， 共28个样本； 每一行代表一个基因模块， 共有116个基因模块， 按表达水平的变化， 代表6 732个基因。每个肿瘤样本均含有若干个影像特征。据此可解出影像特征与基因表达的关联性， 如树状图所示。图8(b)说明能重建的转录表达的百分数与影像特征数目的关系。提示少量影像特征的组合可重建大部分基因表达图案。

“放射基因组学”(Radiogenomics)的实现见图7。该图说明在个性化医学中有创的基因表达特征与无创的影像特征间的映射步骤。图中下面一半框图， 属于与Genomics有关的部分。从有创的活检组织取得样品， 通过基因芯片获得基因表达数据， 再经聚类分类， 检测有关基因， 找到病态情况或预后条件下的基因组签名， 作为个性化医学的诊断治疗之用。图中上面一半框图属于无创的影像学部分， 图像来自临床诊断影像。取得肿瘤检查的影像数据后先对影像进行分割， 提取感兴趣区与有关特征， 包括统计学特征、 纹理特征、 形态等， 选择信息量最大的若干特征， 得到与疾病相关的影像特征。最后， 建立影像特征与基因特征之间的映射。

4放射影像组学(Radiomics)

“Radiomics” 这一名词是荷兰学者Lambin P于2012年首先提出的[16]。他说实体癌在空间与时间上都是异质的。这使得基于有创活检的分子学检测方法受到限制， 但恰给医学影像学以极大的机遇。后者擅长于无创地检测肿瘤内的异质性。然后， 他给出Radiomics的定义为， “高通量地从放射影像中提取大量的影像特征”。关键词是“高通量”和“大量影像特征”。他认为这是一种前景看好的技术。同年， Kumar V[17]把Radiomics定义补充为： “高通量地从CT、 PET、 MRI中提取并分析大量高级的定量影像特征”。增加了“分析”、 “定量”等关键词， 并把影像手段加以拓展。此后， 关注Radiomics的研究人员逐年增加并已在2014年RSNA上引起重视。2015年，Mitra S[18]把该定义进一步扩展为： “高通量、 自动地从放射影像如CT、 PET、 MRI的图像中分析大量定量的影像数据， 提取它们的特征”。强调“自动”。

稍加注意即可发现， Radiomics的研究内容实际上就是图7 Radiogenomics原理图的上面一半框图。也就是说， Radiomics 的研究内容， 隶属于Radiogenomics。其所以另立门户， 关键是引起IT界的重视， 使研究加速。

5结论与启示

本文着重阐明了“放射基因组学”和“放射影像组学”。前者把基因组学的研究成果与传统的医学影像结合起来， 既发挥基因组学可用于早期诊断疾病的优势， 又避免有创等的缺点。后者着重于研究如何高通量、 自动、 快速地从大量的医学影像中提取特征。初步得出如下的结论与启示：

(1) Radiogenomics/Radiomics是新兴研究领域， 前景可期； 是医学影像学的又一次发展机遇。现有研究表明， 肿瘤的影像学特征及其组合与基因表达模块之间有确定的对应关系；

(2) 研究表明， 少量影像学特征组合也能重建基因模块；

(3) 影像学特征设计、 大通量快速/自动提取并选择有用特征是研究关键；

(4) 同时、 多模影像及其特征组合有用武之地， 也为Omnitomograph的发展提供应用支撑。

由于这是一个发展中的研究方向， 需要有关科研人员协同研究。本文只是抛砖引玉， 旨在引起业界的关注。

参考文献

[1] 庄天戈. 走近分子成像[J]. 中国医疗器械杂志, 2007,31(2)： 79-85.

[2] 庄天戈. 医用X-线成像历史的追溯， 思考与期盼[J]. 中国医疗器械杂志, 2013,37(6)：391-394.

[3] Weissleder R, Mahmood U.Molecular imaging [J]. Radiology，2001,219(2):316-333.

[4] Lucker GD， Piwnica-Worms D. Molecular imaging in vivo with PET and SPECT[J]. Acad Radiol，2001, 8：4-14.

[5] Cherry SR. In vivo molecular and genomic imaging: new challenges for image physics[J]. Phys Med Biol， 2004，49(3)：R13-48.

[6] Goehlmann H，Talloen W. Gene expression studies using Affymetrix Microarrays[J].北京：科学出版社， 2012.

[7] Campbell AM, Heyer LJ Discovering genomics,proteomics,and bioinformatics[J]. Act Bioquim Clin L，2009，43(1)：159-160.

[8] Bertucci F, Houlgatte R,Nguyen C，et al. Gene expression profiling of cancer by use of DNA arrays: how far from the clinic[J]. Lancet Oncol 2001, 2(11): 674-682.

[9] Karakach TK,Flight RM,Douglas SE,et al. An introduction to DNA micro-arrays for gene expression analysis[J]. Chemometri Intellig Lab Syst 2010, 104(1):28-52.

[10] Eisen MB,Spellman PT,Brown PO， et al. Cluster analysis and display of genome-wide expression patterns [J]. PNAS，1998，95(25)：14863-14868.

[11] Perou CM. Distinctive gene expression patterns in human mammary epithelial cslls and breast cancers[J]. Proc Natl Acad Sci，USA 1999，96：9212-9217() .

[12] Baumann M，Hölscher T，Begg AC.Towards genetic prediction of radiation responses: ESTRO's GENEPI project[J]. Radiother Oncol，2003,69(2):121-125 .

[13] Segal E,Sirlin CB, Ooi C， et al. Decoding global gene expression programs in liver cancer by noninvasive imaging [J]. Nat Biotech， 2007，25(6):675-680.

[14] Kuo MD,Gollub J,Sirlin CB， et al. Radiogenomics analysis to identify imaging phenotypes associated with drug response gene expression programs in hepatocellular carcinoma" [J]. JVIR， 2007， 18(7):821-831.

[15] Rutman AM, Kuo MD.Radiogenomics: Creating a link between molecular diagnostics and diagnostic imaging [J]. Europ J Radiol， 2009,70:232-241.

[16] Lambin P, Rios-Velazquez E, Leijenaar R，et al. Radiomics Extracting more information from medical images using advanced feature analysis[J]. Europ J Canc，2012, 48:441-446.

[17] Kumar V, Gu Y, Basu S，et al.Radiomics: the process and the challenges [J]. Magn Reson Imag，2012,30: 1234-1248.

[18] Mitra S, Uma Shankar B. Integrating radio imaging with gene expressions toward a personalized management of cancer[J]. IEEE Trans Human-Machine Sys, 2014, 44(5):664-677.

[19] 宋方洲. 生物化学与分子生物学[M].北京：科学出版社, 2014.

收稿日期：(2011-11-06)

【中图分类号】R445

【文献标志码】A

文章编号：1674-1242(2015)04-0189-07

作者简介：庄天戈，教授，E-mail: tgzhuang@sjtu.edu.cn

doi:10.3969/j.issn.1674-1242.2015.04.001