编辑推荐：
为解决 3D-Slicer 软件在肺癌影像组学特征提取中缺乏标准化操作的问题，研究人员开展了关于影像选择与分割对肺癌影像组学特征提取影响的研究。结果发现增强对提取影响较小，影像分割窗的选择影响较大，且不同病理类型对影像特征影响显著，为后续研究提供了依据。
肺癌，作为全球范围内严重威胁人类健康的重大疾病，其发病率在恶性肿瘤中位居第二，死亡率更是高居榜首。传统的诊断和治疗手段已难以满足当下肺癌患者的需求，为了提升患者的生活质量和生存率，寻找更有效的诊断、治疗方法以及预测治疗效果的手段迫在眉睫。影像组学技术在此背景下应运而生，它能够从医学影像中提取大量定量特征，在辅助肺癌诊断、治疗决策以及预后预测等方面展现出巨大潜力。
然而，在实际应用中，3D Slicer 软件作为目前应用最广泛的影像组学特征提取工具，却存在诸多不规范之处。例如，在进行影像分割时，对于 CT 影像的选择（增强或平扫）没有统一标准，而且在选择肺窗还是纵隔窗进行分割方面也缺乏明确规范。这些差异可能会对影像组学特征数据产生影响，进而干扰后续的分析和应用。
为了解决这些问题，河北医科大学第二医院的研究人员 Chunmei Liu、Yuzheng He、Jianmin Luo 开展了相关研究。他们的研究成果发表在《BMC Cancer》上，为该领域的发展提供了重要参考。
研究人员主要采用了以下关键技术方法：首先，从癌症影像存档库（The Cancer Imaging Archive，TCIA）下载了 22 例肺癌患者的影像数据，这些患者包括 11 例腺癌和 11 例鳞癌。然后，利用 3D Slicer 软件对影像进行处理，分别在平扫影像的肺窗和纵隔窗、增强影像的肺窗和纵隔窗进行肿瘤影像分割。手动在肺窗绘制感兴趣区域（GTV），在纵隔窗自动绘制并手动修正。最后，使用 Python 的 radiomics 功能提取影像组学特征，并对数据进行统计分析。
研究结果如下：
- 特征差异分析：共提取了 88 组影像特征，每组包含 851 个特征，经筛选后对 107 个特征进行分析。结果发现，33 个特征在不同组间存在显著差异。进一步两两比较发现，增强肺窗和平扫肺窗有 2 个特征差异显著；增强肺窗和平扫纵隔窗有 12 个特征差异显著；平扫纵隔窗和增强纵隔窗有 1 个特征差异显著；平扫肺窗和增强纵隔窗有 14 个特征差异显著；平扫肺窗和纵隔窗有 14 个特征差异显著；增强肺窗和纵隔窗有 13 个特征差异显著。
- 病理分组差异：根据病理分组检测，发现鳞癌和腺癌之间有 54 个影像特征存在显著差异。
- 组间优势分析：通过对影像特征的绘制分析，发现平扫 CT 影像提取特征的组（即平扫肺窗组和平扫纵隔窗组）在区分鳞癌和腺癌方面比增强 CT 影像提取特征的组（即增强肺窗组和增强纵隔窗组）更具优势。
研究结论和讨论部分指出，肺 CT 增强对影像特征提取的影响相对较小，而影像分割时选择肺窗或纵隔窗对提取影像特征的灰度变化影响较大。这表明在进行特征提取时，肺窗或纵隔窗的选择需要谨慎考虑，因为影像分割范围的大小对影像特征有较大影响，肿瘤边缘区域可能包含更丰富的影像特征变化。同时，肺鳞癌和腺癌对影像特征的影响显著，这意味着基于影像组学区分鳞癌和腺癌具有较高的可能性。然而，该研究也存在一定的局限性，如纳入研究的 CT 影像来自不同医院、品牌、批次且扫描参数不同，可能影响研究结论；患者数量较少，可能导致研究结果存在偏差；此外，影像分割所提取的具有显著差异的影像组学数据对鉴别诊断和预后的影响仍需进一步研究。
尽管如此，这项研究为影像特征研究中的影像选择和分割提供了重要依据，有助于减少影像特征提取数据中的潜在偏差，推动未来影像特征提取的同质化进程，对肺癌的精准诊断和治疗具有重要的意义。
