胰腺癌的发病率和死亡率在全球范围内呈逐步上升趋势，中国国家癌症中心2021年的统计数据显示，胰腺癌在我国男性恶性肿瘤中的发病率居第7位，女性第11位，占恶性肿瘤死亡率第6位^［1］。由于常规影像检查在评估胰腺癌的诊治等方面存在一定局限性，Lambin等^［2］在2012年提出了影像组学的概念。目前胰腺癌影像组学研究主要基于CT和MRI，研究方法包括常规影像组学、Delta影像组学及多组学联合等，研究方向包括胰腺癌的诊断及鉴别、肿瘤分级或分期、生存期预测、病理预测等方面。本文将综述影像组学在胰腺癌中的临床应用，总结其研究进展。

胰腺癌早期症状缺乏特异性，大部分患者发病时已处于中晚期。Kanno等^［3］报道日本多中心200例0~Ⅰ期胰腺癌患者仅占同期胰腺癌病例的3.7%，其中25%因腹痛、恶心等症状主动就诊，其余为机会性查体时发现胰腺病变。

胰腺癌早期手术并辅助化疗的5年生存率可达32%以上，Han等^［4］报道T1~2期胰腺癌行根治性切除（R₀）后的5年生存率可达66.7%，早期诊断胰腺癌对患者的预后有重要临床意义。Korn等^［5］提取确诊胰腺癌患者发病前的CT图像，应用影像组学分析发现胰尾部脂肪含量和胰腺组织直方图频率曲线不对称性是胰腺癌发展的重要特征，这有助于早期发现胰腺癌。Mukherjee等^［6］筛选了胰腺癌患者和对照组的CT特征，并通过影像组学机器学习模型检测，支持向量机在将CT分为诊断前和正常组方面具有最高的灵敏度、特异度、曲线下面积（AUC）等，认为影像组学机器学习模型可以在临床诊断前较长时间的正常胰腺中检测到胰腺癌。Weisberg等^［7］提出将影像学、肿瘤学、病理学和计算机科学围绕人工智能联合起来，提高胰腺癌的早期诊断。

目前增强CT是胰腺癌最佳的无创检查方法。由于部分胰腺良性疾病在影像学上与胰腺癌具有一定相似性^［8］，而其治疗及预后存在较大差异，因此准确鉴别胰腺癌具有重要的临床意义。

Gai等^［9］基于胰腺肿瘤的CT影像开发了影像组学计算机辅助诊断系统，这为后续开发更准确、优化的计算机辅助诊断系统奠定了基础。Qu等^［10］通过可切除胰腺癌和肿块型胰腺炎患者的影像特征建立了LASSO算法和PCA算法预测模型，发现影像组学在区分可切除胰腺癌和肿块型胰腺炎方面有效，其中PCA算法预测模型显示出与细针穿刺活检相当的性能。Ma等^［11］基于胰腺癌和慢性胰腺炎患者CT图像选择的影像组学特征建立了多变量逻辑回归模型，发现影像组学结合临床特征模型可作为区分胰腺癌和慢性胰腺炎的潜在工具，有助于临床正确决策。Li等^［12］基于胰腺癌和自身免疫性胰腺炎患者的临床特征及CT影像开发了鉴别两者的影像组学评分，其中门静脉期影像组学评分可以准确、无创地鉴别两者。Ziegelmayer等^［13］分析了胰腺癌和自身免疫性胰腺炎患者门静脉期CT的影像组学特征，并使用卷积神经网络提取深层特征，发现深层特征的影像组学在鉴别胰腺癌与自身免疫性胰腺炎方面更具优势，能够提高无创鉴别诊断的准确性。

目前文献中缺乏影像组学在鉴别沟槽性胰腺炎等极易误诊为胰腺癌的疾病方面的应用^［14］，当临床上胰腺癌无创检测指标呈阴性时，需考虑存在沟槽性胰腺炎等疾病的可能^［15］。

临床对0~Ⅱ级胰腺癌建议早期行R₀切除，Ⅲ~Ⅳ级因发生区域多发转移或远处转移建议行放化疗治疗^［16］。对于临界可切除胰腺癌因缺乏足够高级别循证医学证据，目前提倡新辅助治疗，必要时行R₁切除，但不推荐除挽救生命外的姑息性R₂切除^［1］。因此在术前准确评估胰腺癌分期及可切除性对治疗方案的选择及预后有重要意义。

强化CT是胰腺癌准确分期的重要工具，对规范化治疗有重要作用。Cen等^［17］提取胰腺癌患者增强CT的影像学特征，将动脉期+门静脉期影像组学特征与临床特征结合的组合列线图模型显示出最佳的辨别性能，可用于无创性评估胰腺癌分期。Tikhonova等^［18］分析了胰腺癌患者术前强化CT的纹理特征，其中最准确的预测因子是门静脉期DISCRETIZED HU标准、DISCRETIZED HUQ3、GLCM相关性、GLZLM LZLGE和延迟期CONVENTIONAL_HUQ3，在此基础上建立的诊断模型显示不同级别胰腺癌的影像组学特征各不相同，这提高了CT在术前分期中的准确性。Gao等^［19］通过正电子发射断层扫描（PET-CT）和MRI联合的影像组学评估胰腺癌发生同步远处转移的风险，其中影像组学列线图的预测性能比临床模型和影像组学特征更好，该方法可有效预测胰腺癌患者术前发生同步远处转移的风险。

对部分发生区域淋巴结转移的可切除胰腺癌或局部进展期胰腺癌患者可转化治疗后再手术治疗^{［20, 21］}，因此术前准确识别淋巴结状态对治疗策略的制定至关重要。An等^［22］建立双能CT的深度学习影像组学模型，其中基于100+150 keV 双能CT的模型在预测淋巴结转移状态方面性能优异。Zeng等^［23］基于胰腺癌患者的多相CT和多参数MRI建立了影像组学模型，其中多参数MRI影像组学模型可作为术前评估淋巴结转移的潜在工具。

胰瘘是胰腺癌术后最常见的并发症之一，中国胰腺数据中心2022年的数据显示胰腺癌术后A级胰瘘的发生率为58.0%，B、C级胰瘘发生率为28%^［24］。能否在术前预测术后胰瘘的发生是近些年临床的研究重点，随着影像组学的发展，开发一种预测术后胰瘘发生的影像组学模型成为研究的热点。

Zhang等^［25］通过提取胰腺癌患者术前门静脉期CT影像中的影像组学特征构建了Rad评分系统，并使用标准胰瘘风险评分进行验证，Rad评分的AUC在统计学上优于标准胰瘘风险评分系统，这为识别术后胰瘘的发生风险提供了新的方法。Bhasker等^［26］基于CT影像组学和术前临床数据构建了多个术后胰瘘风险模型，其中影像组学联合临床特征的模型表现最好，与结果显著相关的特征包括2个与胰腺和合并节段相关的影像学形态学特征、1个与胰腺节段有关的影像学纹理特征、1种与胰腺节区有关的基于影像学强度体积直方图的特征和体质指数（BMI），这一模型可与临床相关术后胰瘘风险模型媲美。Pacella等^［27］筛选了2018年以后关于影像组学预测术后胰瘘风险的模型，认为这些模型缺乏前瞻性和多中心队列的进一步验证，其有效性和应用前景还有待进一步完善。

目前临床上对有明显高危复发因素或短期内不适宜接受手术的可切除胰腺癌患者建议行新辅助治疗^［28］，而临床医师主要依靠实体肿瘤疗效评价标准1.1版（RECIST1.1）和肿瘤标记物评估胰腺癌的治疗效果，但是肿瘤区域在治疗后的出血、坏死、纤维化等使得很难在影像图像上区别残余的肿瘤组织，且有研究发现RECIST1.1评估结果与病理评估指标肿瘤退缩分级结果无显著相关性^［29］，而肿瘤标记物的敏感性和特异性不足^［30］，不能满足临床的需要。近几年有学者将影像组学用于胰腺癌患者放化疗疗效的评估，尤其是Delta影像组学。

Nasief等^［31］发现在评估接受CT引导放化疗（CRT）的胰腺癌患者中，Cox多变量分析显示与治疗相关的糖类抗原（CA）19-9水平下降和Delta影像组学是治疗效果的预测因素，联合CA19-9和Delta影像组学的危险比（HR）明显降低，CA19-9和Delta影像组学联合能增加对治疗有效性的预测。Tomaszewski等^［32］基于MRI扫描的Delta影像组学评估胰腺癌患者接受磁共振引导立体定向放射治疗（MRgRT）的效果，发现治疗期间直方图偏度变化显示与无进展生存期显著相关，为胰腺癌放疗反应评估提供了潜在的预测指标。

除Delta影像组学外，部分学者采用区域影像组学对胰腺癌的治疗效果进行评估。Liang等^［33］基于术后行替吉奥（S-1）化疗的胰腺癌患者增强MRI提取区域影像组学特征，使用多变量Cox回归模型进行分析，发现T1WI_NGTDM_强度的全肿瘤影像组学特征和肿瘤位置是精确选择S-1作为辅助化疗方案的潜在预测指标。Cozzi等^［34］基于胰腺癌患者放疗前CT图像建立预测模型，模型中与总生存率相关的临床影像学特征均显著，预测放疗效果有显著相关性，认为基于CT的影像组学特征与胰腺癌立体定向放疗后的总生存率和预测治疗效果相关。

目前临床上主要依靠TNM分期预测胰腺癌的预后，但即使相同TNM分期的患者间又存在诸多不同，其预后存在较大差异^［35］，单纯TNM分期在预后预测中存在较大限制。目前影像组学模型逐渐被用于胰腺癌预后的预测，并取得了一定的进展。

Xie等^［36］通过提取胰腺癌患者CT影像学特征建立了Rad评分，发现Rad评分与胰腺癌患者的无病生存期和总生存期显著相关，将Rad评分纳入影像组学列线图与单纯临床模型和TNM分期系统相比能够表现出更好的生存预测性能。Zhang等^［37］建立了基于卷积神经网络影像组学的生存模型，并在可切除胰腺癌患者的术前CT图像上进行测试，其一致性指数和预测准确性指数方面优于传统的基于Cox比例风险模型的影像组学方法。Saleh等^［38］使用2D分析的TexRad软件和3D分析的MIM软件对胰腺癌患者的影像组学特征进行分析，认为平均肿瘤密度是唯一能够可靠预测总生存期的变量。

Koch等^［39］使用基于双能CT和弥散加权MRI的影像组学纹理特征及Cox回归测试评估了胰腺癌、胰腺炎及对照组，其报道的多参数方法可以准确识别胰腺癌，并显示出提供全因死亡率独立预后信息的巨大潜力。Toyama等^［40］提取胰腺癌患者氟脱氧葡萄糖（FDG）-PET检查中的影像特征，使用Cox-HR回归的多变量分析显示灰度区长度矩阵（GLZLM）-灰度不均匀性（GLNU）是唯一具有统计学意义的参数，而在随机森林模型中GLZLM-GLNU是预测1年生存率的最相关因素，使用FDG-PET的机器学习影像组学可提供有用的预后信息。

胰腺癌的预后与其组织学分级密切相关，其中高级别分化肿瘤比低级别有更高的死亡率和更短的生存期^［41］，但常规影像学检查难以预测胰腺癌的病理分级。随着影像组学的发展，有学者提出可以用影像组学模型预测胰腺癌的病理及组织学分级。

Chang等^［42］基于对比增强CT的影像组学特征在术前预测胰腺癌的病理分级，发现高级别和低级别胰腺癌的影像组学特征有显著差异，基于对比增强CT的影像组学特征可成为术前预测胰腺癌病理分级的无创方法。Xing等^［43］基于“氟［18F］脱氧葡萄糖（18F-FDG）正电子发射计算机断层显像（PET/CT）图像的影像组学特征建立了预测胰腺癌病理分级的机器学习模型，其中基于12个特征组合的影像组学特征预测模型可以将胰腺癌患者分为1级和2/3级组，认为该模型能够根据术前18F-FDG PET/CT影像组学特征预测胰腺癌的病理分化程度。

肿瘤的发生及组织学分级与部分小分子物质的异常表达密切相关。Deng等^［44］分析胰腺癌患者的MRI图像及黏蛋白4（MUC4）表达情况，发现所构建的影像组学组合模型的AUC优于临床模型及单一影像学模型，基于多序列MRI的影像组学模型可以预测胰腺癌中MUC4的表达水平。Meng等^［45］使用XGBoost分类器筛选胰腺癌术前影像图像中的特定特征，并根据患者的成纤维细胞活化蛋白（FAP）分为FAP低组和FAP高组，发现基于门静脉期CT影像组学的XGBoost分类器可以无创地预测FAP的表达。

影像基因组学是联合了影像组学与基因组学的新兴学科，有研究认为它可以发现肿瘤基因突变与影像学特征方面的联系^［46］，为揭示肿瘤的来源、发生及病理分级提供了新的思路。Iwatate等^［47］应用免疫组化的方法研究p53基因突变和程序性死亡配体1（PD-L1）异常表达与胰腺癌病理间的关系，并基于CT影像组学特征创建了p53和PD-L1状态的预测模型，发现p53和PD-L1是胰腺癌显著的独立预后因素，但影像基因组学预测PD-L1异常表达并不显著，认为影像基因组学可以预测胰腺癌患者的p53突变，从而预测其可能的病理类型及预后。

虽然影像组学已用于胰腺癌诊治的相关研究，但仍有许多不足之处需要进一步完善。目前大部分临床研究为单中心回顾性分析，缺乏前瞻性研究及多中心的有效性验证，且不同研究中心采集的图像在参数、对比度、厚度等方面存在差异，制定的相关模型可重复性较差。虽然影像组学能够弥补部分常规影像检查的不足，但临床上基于影像组学的多组学研究较少，难以满足临床的个体化需求。我们希望在将来能够进行多中心、前瞻性、大样本量的胰腺癌影像组学研究，并将影像组学与人工智能、多组学联合，为胰腺癌的精准化诊治而努力。