卵巢癌是来源于卵巢上皮的一种恶性肿瘤，致死率居妇科癌症首位。根据发病机制和组织起源，可分为I型和II型卵巢癌，I型卵巢癌生长缓慢，就诊时多属早期，预后较好；而II型卵巢癌通常侵袭性生长，进展迅速，诊断时多属晚期，预后较差。术前无创精准鉴别二者对未来治疗方案的选择及卵巢癌患者预后的改善意义重大。
由于I型和II型卵巢癌形态学复杂，其临床特征具有较高相似性，仅凭临床医生肉眼鉴别主观性强，诊断精度低。近些年来，基于量化图像分析和人工智能技术的影像组学发展迅速，它能够很好地建立肿瘤影像与肿瘤组织病理之间的联系，广泛应用于肿瘤术前无创评估，这为I型和II型卵巢癌术前精准无创鉴别提供了一种新思路。
近日，中国科学院苏州生物医学工程技术研究所高欣团队与复旦大学附属金山医院强金伟团队合作，联合华东、华南、华北等八家三甲医院，首次开展基于MRI影像组学的卵巢癌多中心大样本研究，建立了可在术前对I型和II型卵巢癌进行无创鉴别的机器学习模型，同时在影像组学中首次使用可视化技术来对重点区域进行标识。该研究共入组294例卵巢癌患者（包括I型患者143例，II型患者151例），收集患者多参数MRI影像数据（包括T2WI-FS、DWI、ADC、CE-TIWI四个影像序列），研究团队从患者肿瘤区域提取高通量影像特征，通过影像组学方法筛选特征并构建模型。研究结果显示，所构建的影像组学模型能够有效鉴别I型和II型卵巢癌，平均准确度达到83%（图1）。
鉴于CE-T1WI扫描需要注射造影剂，而部分患者对造影剂过敏，我们仅使用T2WI-FS、DWI和ADC三个序列构建了一个轻量模型，所构建的轻量模型平均准确度也达到了81%，诊断性能无显著下降，这提示临床检查中非必要情况下，患者无需进行CE-T1WI扫描。此外，可视化结果表明，鉴别 I型和II型卵巢癌患者的重点区域位于组织疏松区或实性与囊性的交界区域（图2），该发现有望辅助术中冰冻病理切片的定位，从而减少采样误差。该成果是在前期卵巢肿瘤良恶性鉴别工作的基础上近一步实现了卵巢恶性肿瘤的亚型区分，极大地推动了卵巢肿瘤全自动诊断进程。
该研究受国家自然科学基金委等机构资助，相关成果发表于放射学权威期刊European Radiology (DOI: 10.1007/s00330-020-07091-2)，其中简俊明与李勇爱是并列第一作者。
论文标题：MR image-based radiomics to differentiate type Ι and type ΙΙ epithelial ovarian cancers
