0 引言

       泌尿系肿瘤是一组高度复杂和异质性的肿瘤。其中前列腺癌（prostate cancer, PCa）是老年男性常见的泌尿系恶性肿瘤，美国癌症协会统计数据显示，2023年PCa位居男性癌症发病率的第一位，死亡率的第二位^[1]。肾癌和膀胱癌（bladder cancer, BCa）的发病率也在日益升高，其均已成为威胁中老年人健康的重要因素。考虑到泌尿系肿瘤的生物多样性，对它们进行精准和长期的监测显得尤为重要。因此，迫切需要具有应用于泌尿系肿瘤表征的描述和诊断、风险分层、治疗监测和预后评估潜力的无创生物标志物。传统的基因分析方法依赖于侵入性活检或术后病理组织检查，存在一定风险和潜在并发症^[2]。影像组学的发展为肿瘤的表征描述及分期和用于检测早期诊断和预后的分子生物标志物开辟了新的途径，但在基因表达和突变状态的评估方面存在障碍^[3]。而影像基因组学研究了影像学特征和肿瘤疾病的基因表达，解决了上述缺点；它旨在无创地检测疾病的突变状态，并在影像学分析的基础上补充基因组分析，为泌尿系肿瘤的诊断过程、治疗反应评估和预后预测提新的视角和手段^[4]。

       尽管影像基因组学领域取得了显著进展，但仍面临诸多挑战，如解析复杂的影像-基因关联，以及开发高效的评估模型。目前，该领域的研究者通过先进影像技术和高通量基因组分析，已经能够对泌尿系统肿瘤的基因表达、蛋白质功能和代谢途径进行深入分析，为临床提供重要依据。本研究旨在推进影像基因组学在泌尿系统肿瘤评估中的应用，期望研究成果能促进早期诊断和治疗，为肿瘤防治提供新的科学支持。

1 肾癌

       肾癌的发病率以每年1.5%的速度增加^[5]。在各种亚型中，肾透明细胞癌（clear cell renal cell carcinoma, ccRCC）占主导地位，约占肾癌病例的70%~80%^[6]。在诊断时，30%的ccRCC患者已发生转移，即便已经完成了根治性手术，剩余患者的30%~50%仍在随访期间发生转移^[7]。ccRCC是一组化疗耐药肿瘤，占所有成人恶性肿瘤的2%~3%，是PCa和BCa之后第三大常见泌尿系统癌症^[5]。ccRCC的遗传基础比许多其他恶性肿瘤更明确，这使其成为影像基因组分析的理想靶点。

       ccRCC的显著特征在于，肿瘤内部存在显著的分子异质性，这种异质性引发了细胞增殖、死亡、代谢活性以及肿瘤微环境的改变。这一现象表明，传统的诊断手段，如分期、分级、形态学和组织学评估，可能不足以对肿瘤进行全面而精确地刻画和分类。因此，在预测疾病的进展、治疗的反应以及患者的生存率方面，我们面临着不小的挑战。在ccRCC中观察到最多的基因突变是希佩尔·林道综合征（Von Hippel-Lindau disease, VHL）抑癌基因。RCC基因组测序已发现几种具有预后意义且与影像学特征相关的突变。体细胞VHL突变见于30%~60%的ccRCC，占散发性ccRCC的绝大多数^[8]。LI等^[9]的研究表明大多数亚型鉴别影像学特征与VHL突变显著相关（AUC为0.949）这可能是影像组学特征的分子基础。

       虽然在ccRCC中VHL最常见，然而，一项meta分析显示，VHL基因突变对于ccRCC患者的预后或预测并没有显著影响^[10]。研究发现BRCA1相关蛋白1（BRCA1-Associated Protein 1, BAP1）突变与ccRCC患者较差的生存率之间的关联；并且与较高的WHO/ISUP分级、较高的计算机断层扫描（computed tomography, CT）分期、边界不清、边缘多刺、肾静脉侵犯和肾盂侵犯显著相关^[11]。KOCAK等^[12]研究表明，基于非增强CT扫描的纹理分析在预测ccRCC中BAP1突变状态方面具有显著的潜力。该方法显示出高特异度、敏感度和精确度（90.4%、78.8%和81.0%），为ccRCC的诊断和管理提供了重要的帮助。微小RNA（MicroRNA）是一类小的非编码RNA，参与几乎所有生物途径的调控。microRNA表达模式的改变与包括癌症在内的多种疾病的发生和发展有关^[13]。MARIGLIANO等^[14]发现在ccRCC中microRNA与计算机断层扫描纹理分析之间有很好的相关性。DNA甲基化是癌症形成的重要因素，作为诊断和预后的生物标志物已受到越来越多的关注。runt相关转录因子-3（the runt-related transcription factors3, RUNX3）基因属于runt结构域转录因子家族，在主要发育途径中起着基因表达的主调控作用。RUNX3基因在不同水平上参与肿瘤的发生和转移，如上皮-间质转化、黏附、迁移和侵袭^[15]。CEN等^[15]发现通过CT特征可以预测RUNX甲基化水平，在ccRCC患者中，RUNX3基因的甲基化程度与总生存率呈现负相关，该研究进一步证实了肿瘤内存在血管、边缘模糊以及左侧肿瘤位置是预测RUNX3基因高甲基化水平的显著独立因素。这可能是CT特征可以预测RUNX3基因甲基化水平的影像学基础。GAO等^[16]希望构建一种基于缺氧基因亚群的新型影像基因组学生物标志物，用于ccRCC的准确预后预测。他们通过使用GSEA数据库进行分析来筛选所需的缺氧基因亚群，发现了五个基因（IFT57、PABPN1、RNF10、RNF19B和UBE2T）组成的缺氧相关基因组学特征被证明与ccRCC患者的生存率显著相关。通过对比增强CT影像组学预测缺氧基因特征构建了缺氧基因相关的影像基因组学生物标志物，该生物标志物由13个影像组学特征组成，这些特征是每个患者缺氧基因特征表达水平（低风险或高风险）的最佳预测因子，在训练组和验证组中显示AUC值分别为0.91和0.91。通过验证发现影像基因组学生物标志物与ccRCC患者的预后显著相关（P=0.0059）。

       近年来，人们发现脯氨酰-4-羟化酶（prolyl-4- hydroxylases, P4Hs）家族在几种肿瘤中表达上调，并与患者预后不良相关^[17]。GRECO等^[18]对196例ccRCC患者进行回顾性研究，使用静脉注射碘基对比剂前后获得的CT图像，并采用Horos v.4.0.0 RC2软件评估成像特征；发现ccRCC的CT影像特征与脯氨酰4-羟化酶亚基-α3（prolyl 4-hydroxylase subunit alpha 3, P4HA3）表达之间的关系，P4HA3与原发肿瘤较大（P=0.033）、肿瘤浸润（P=0.023）、肿瘤边缘不清（P=0.025）和肿瘤分期晚期（P=0.025）的具有显著相关性。此结果可以帮助我们通过无创方法获得P4HA3基因状态的信息，并刺激ccRCC靶向治疗的开发或改进。HE等^[19]对584例ccRCC患者的实质期CT扫描中提取影像组学特征，为了精确识别肿瘤区域，其使用了3D Slicer version软件勾画。筛选了与ccRCC患者生存相关的脂质代谢基因（lipid metabolism-related genes, LMRGs），证实了基因标记的可靠性。整合影像组学和LMRGs基因组学进行了影像基因组学分析，并建立了可以识别两个基因组亚克隆的影像基因组学特征。K-M生存曲线显示影像基因组学标记可以有效地对ccRCC患者的预后风险进行分层。最近，在细胞增殖、迁移、侵袭、肿瘤进展、转移和不良预后方面检测到金属蛋白酶结构域的蛋白12（a disintegrin and metalloprotease 12, ADAM12）在ccRCC中的表达与肿瘤侵袭性之间存在相关性，表明ADAM12是ccRCC的预后标志物和治疗靶点^[20]。GRECO等^[21]对202名ccRCC进行回顾性研究，评估了ADAM12在ccRCC患者中的表达的CT特征；与原发肿瘤大小（P=0.020）、边界不清（P=0.044）、肿瘤坏死（P=0.011）和集合系统侵犯（P=0.014）有显著相关性。这些结果表明影像基因组学特征与ADAM12表达的分子表现相关，可能与ccRCC侵袭性增加有关。

       影像基因组学在评估众多的生物学途径方面仍然有很大的潜力，诸如包括细胞外基质受体相互作用、黏附、蛋白消化吸收和磷脂酰肌醇-3-激酶/蛋白激酶B途径等，值得开展深入的研究。目前研究同样存在一些局限性，包括难以匹配不同的数据集、影像评估中的观察者变异，尤其是在ccRCC中肿瘤异质性，以及获取组织和遗传信息的困难。随着人工智能及深度学习方法的不断应用，其评估效能将不断提高，在一定程度上有望代替传统的基因检测技术，以一种无创、廉价、简单的方式对肾癌患者进行评估，这将有助于肾癌患者靶向治疗药物的选择及预后的准确预测。

2 BCa

       BCa在全球估计有50万例新病例和20万人死亡，仅在美国，每年就有超过8万例新病例和1.7万人死亡^[22]。BCa作为一种高度恶性的泌尿生殖系统肿瘤，严重地影响中老年群的健康，因此对其进行更加准确的评估具有重要的意义。

       在12个T细胞毒性通路相关基因中，重组蛋白8A（Recombinant Cluster Of Differentiation 8a, CD8A）作为一种新的保护基因，与BCa中T细胞和巨噬细胞M1的相关性最高，CD8A的表达与肿瘤突变负担、关键免疫检查点基因和多种肿瘤浸润性免疫细胞高度相关，可预测对免疫治疗的有效应答^[23]。ZHENG等^[24]手动在111名BCa患者术前MRI的T2WI图像和动态对比增强（dynamic contrast-enhanced, DCE）图像的延迟阶段上，逐层勾画出病变的感兴趣区域（region of interest, ROI）。随后，利用Python包从这些ROI中提取了影像组学特征。结合这些影像组学特征和RNA序列数据建立了一个影像基因组学模型，该模型在训练集和验证集中预测CD8A表达方面都取得了良好的表现（AUC分别为0.857和0.844），这有助于术前预测BCa的预后和免疫治疗易感性。m6-甲基腺苷（N6-methyladenosine, m6A）是真核生物转录组中最常见的表观遗传修饰，影响了RNA代谢的几乎所有过程，包括翻译、折叠、剪接、降解和输出^[25]；越来越多的研究发现，m6A修饰参与了多种生物过程，包括胚胎发育障碍、肿瘤发育和免疫细胞浸润^{[26, 27, 28]}。然而，m6A修饰的非编码RNA（ncRNA）在BCa中的作用和机制在很大程度上仍然未知^[29]。YE等^[30]构建了7个特征性的影像基因组学模型来揭示m6A的甲基化状态（AUC为0.887），该研究为BCa的生存结果预测及治疗反应评估提供了新思路，有助于临床医生制订个体化治疗方案，值得继续深入挖掘。Ki-67蛋白被广泛用作反映肿瘤中细胞数量的增殖标志物。既往研究表明，在BCa中，Ki-67的高表达与较高的T分期、较高的肿瘤分级、淋巴结浸润、淋巴血管浸润和较差的预后相关^[31]。ZHENG等^[32]回顾性地收集了179名有Ki-67表达和术前MRI的BCa患者，并从T2WI和DCE图像中提取了影像组学特征，其构建的SMOTE-LASSO模型可以预测Ki-67的表达状态，训练集（AUC为0.859；准确率为80.3%）和验证集（AUC为0.819；准确率为81.5%），且其与BCa患者的生存结果相关，从而可能有助于临床决策。此外LIN等^[33]利用62例膀胱尿路上皮癌（bladder cancer, BLCA）患者的RNA测序数据、影像组学特征和临床参数，构建了整合列线图，该预测模型改进对BLCA患者无进展间隔期的预测，为肿瘤精准医学提供了切实可行和实用的参考。BCa是所有肿瘤中复发率最高的，如果早期诊断为T0/T1病灶甚至T2病灶，则手术切除的治愈率很高，5年生存率为分别为>94%和>50%^[34]。因此BCa的早期发现准确分期至关重要，膀胱MRI在疾病分期方面优于CT，特别是在区分T1和T2疾病方面，并且可能导致浸润性肿瘤高风险患者改变治疗方法。QURESHI等^[35]通过收集多个BCa患者的基因表达和MRI扫描的回顾性数据，通过人工智能整合复杂基因组数据及影像组学数据，建立训练集及验证模型，该模型在区分膀胱内癌和膀胱外癌方面的平均敏感度、特异度和准确度分别为94%、88%和92%；与单独基于基因组学和影像组学的模型相比，分别提高了17%、33%和25%。BCa的影像基因组学提供了对BCa进行准确分期的鉴别特征的见解。XU等^[36]对血管生成相关基因（angiogenesis-related genes, ARGs）进行了全面评估，以确定它们与BCa免疫细胞浸润、转录模式和临床结果的关联。并对98张CT图像进行分割，提取感兴趣区域，按1∶1的比例进行分割，并建了一个包含11个成像特征的影像基因组学模型，训练集的AUC为0.938，测试集的AUC为0.805。证明了ARGs作为治疗反应生物标志物的有效性。但其样本量欠缺，仍需要大量样本去验证补充。

       目前的临床研究存在局限性，主要是因为研究对象人数较少，而且大多数研究是回顾性的，只有少数研究采用前瞻性方法评估结果。大部分数据都是通过数据库门户网站获取，这大大降低了模型过拟合的可能性，并且限制了外部验证的范围。虽然影像基因组学在BCa方面的研究较少，但是综合既往研究，我们可以看出相较于传统的基因测序技术，其拥有简单、廉价的优势，目前虽然不能完全代替基因测序，但是可以作为一种很好的筛查手段，帮助临床医生制订诊疗方案，同时减轻患者的医疗费用负担。

3 PCa

       PCa是老年男性最常见的泌尿系恶性肿瘤，欧美国家PCa发病率位列男性恶性肿瘤第一位，死亡率位于第二位，我国PCa发病率虽低于欧美国家，但近年来呈显著上升趋势，现已居于泌尿系肿瘤发病率第一位^[37]。相较于其他工具，MRI在PCa的评估中更有优势，同时其在影像基因组学中同样表现出不俗的性能。

       磷酸酶和张力蛋白同源物（phosphatase and tensin homolog, PTEN）作为肿瘤抑制因子，其中在肿瘤中经常表达丢失，研究已经表明，PTEN是主要细胞生长和存活信号通路的负调节因子即磷脂酰肌醇-3-激酶（PI3K/AKT）信号通路；同时其在细胞的代谢过程中也有一定的调节作用^[38]。MCCANN等^[39]只关注PTEN的表达，发现与从DCE中提取的药代动力学参数kep有显著相关性，而kep与血管通透性有关。然而，这一结果与后来的一项研究相反，该研究认为PTEN表达仅与平均ADC值相关^[40]。JAMSHIDI等^[41]运用了多参数MRI（mp-MRI）与DNA全外显子组测序这两项前沿技术，对PCa患者的前列腺微环境进行了细致而全面的评估。研究结果表明，通过全外显子组影像基因组学的深度分析，结合mp-MRI的精准成像，得以在前列腺腺癌患者体内发现一种独特的现象：高级别与正常级别之间的区域连续性突变，这些突变不仅跨越了不同的组织区域，而且在组织学评估中得到了明确验证。HECTORS等^[42]对64名患者的队列进行了回顾性分析，以评估最终病理Gleason分级的预测因素。发现基于T2w和DWI序列的多个MRI影像组学特征与病理Gleason分级、预后基因表达特征（包括Decipher）以及698个与PCa相关的基因表达水平显著相关。机器学习预测模型在预测Gleason分数达到8分或更高时展现了较好的性能，其曲线下面积（AUC）为0.72；而在预测Decipher分数至少为0.6时则表现出卓越的性能，相应的AUC达到了0.84。WIBMER等^[43]同样发现PCa的MRI特征与细胞周期基因的表达水平有一定的关联。

       在PCa的治疗中手术和放疗都显示出了很高的生化控制率；然而，约25%的患者最终发展为局部或远端进展性疾病^[44]。有研究表明部分癌症放疗期间靶向缺氧的策略已被证明可以改善局部控制。已知PCa中存在缺氧，但体内缺氧成像的评估比较有限^[45]。SUN等^[46]试图研究mp-MRI影像学特征与PCa缺氧相关基因表达的相关性。通过相关分析确定了34个影像学特征，其中28个来自T2WI纹理特征，6个来自mpMRI数据。最后，28个T2WI纹理特征中有16个与缺氧基因表达相关。这一发现有助于低氧相关治疗的选择。KESCH等^[47]尝试用染色体拷贝数改变（copy number alteration, CNAs）作为肿瘤侵袭性与mp-MRI和PSMA PET-CT影像学特征相关的标志物来定义基因组指数病变。结果显示，影像学特征与基因组指数病变之间存在很强的相关性。FISCHER等^[48]研究了298例PCa患者的影像基因组模型，包括临床、影像学和基因组（基因和miRNA表达）数据集，发现四种生物标志物（Alanyl膜氨基肽酶、microRNA-mir-217、mir-592、mir-6715b）能够区分T2c和T3b PCa分期，它们与相关影像组学成像特征的侵袭性高度相关（平均r=±0.75）。但是，由于成像样本数量不足，无法将成像特征与临床和分子特征结合起来，后续相关研究应该增加样本量，以增强对PCa分期的预测。FERNANDES等^[49]通过机器学习确定最能预测侵袭性PCa的影像学和基因组学特征，然后分析它们之间的相关性。确定了来自mpMRI的影像组学特征，这些特征可以预测临床意义显著的PCa，并与一些相应的基因组学特征显著相关。该研究结果显示，mpMRI特征在解码肿瘤表型方面展现出巨大潜力，从而为PCa的非侵入性评估以及制订更加个性化的治疗方案奠定了坚实基础。KU等^[50]对29名患者进行了前瞻性研究，旨在分析接受外照射放疗（external beam radiotherapy, EBRT）和雄激素剥夺治疗（androgen deprivation therapy, ADT）的患者PCa的分子和成像特征，发现前列腺肿瘤活检中的基线MRI病变体积和抑癌基因PTEN/TP53状态与使用通路分析测量的转化生长因子-β（transforming growth factor β, TGF-β）信号传导的激活状态相关。所有三项指标都与确定性放疗后的生化复发（biochemical recurrence, BCR）风险相关，PCa特异性TGF-β特征区分了经历BCR的患者和未经历BCR的患者，该特征在预后方面具有一定的作用。SKINGEN等^[51]通过对85例前列腺患者，通过结合反映耗氧量和供应的弥散加权图像来构建基于MRI的缺氧图像。通过与缺氧标志物吡莫尼达唑染色的匹配活检切片进行比较，验证了在这些图像中区分缺氧水平的能力。最终两种基因特征在不同缺氧水平下被确定，为个体缺氧水平背后的生物学提供了新的认识。异质核糖核蛋白C，已被证明可以促进PCa细胞的增殖、迁移和侵袭^[52]。在PCa患者的五年生存率中显示出显著性差异（P<0.0053）。FU等^[53]通过超声图像特征结合蛋白质组学筛选并鉴定了促进PCa发展的关键基因异质核糖核蛋白C，该基因与四个超声图像特征的相关性最高。该研究揭示了无创超声图像生物标志物及其潜在的生物学意义，为原发性PCa转移的早期诊断、治疗和预后提供了依据。

       随着机器学习、深度学习等众多方法的应用，影像基因组学在PCa的治疗策略的选择、预后预测方面的性能将不断提升。但是当前对于PCa影像基因组学仍存在一定的局限性：如实质性研究仍然较少，需要大量的时间用于人工勾画，在阅读和分割感兴趣区域时观察者之间的高度变异性、缺乏可重复性、再现性和标准化等。基于此，需要广大的临床及科研人员继续设计并开展相关研究进行补充及改进，为PCa的临床治疗及管理提供更准确、具体的帮助。

4 小结与展望

       基于大数据分析的影像组学与基因组学是当前肿瘤研究的热点，近年来该类研究数量增多，研究方法不断改进。影像组学具有简单、廉价、非侵入的特点，而基因检测的结果对于肿瘤患者的管理具有重要意义。影像基因组学作为二者交叉的学科为患者的诊疗方案的选择带来了新思路，其在泌尿系统肿瘤的诊断、靶向药物选择、治疗反应的评估、生存期预测展现出巨大的潜力。尽管影像基因组学在肾癌、BCa、PCa已有部分研究，但是实质性研究依然较少，且尚缺乏睾丸及阴茎肿瘤等方面的研究，值得继续深入挖掘。关于影像基因组学仍有几个问题需要我们关注：影像基因组学旨在将影像学数据与具有临床意义的基因组数据联系起来，一些影像基因组学研究虽建立了基因组数据和成像特征之间的关系，但其中一些与预后结果无关，而且考虑到基因表达和信号通路的复杂机制，将影像学特征与基因组数据直接联系起来可能会产生偏差；影像基因组学研究容易出现统计上的过拟合问题，因为将成像数据与大量基因组数据相匹配仍然很困难，且目前的研究主要是在小样本量上进行的，选择既具有足够肿瘤样本进行基因组分析又具有足够图像进行图像分析的患者仍旧比较困难。但我们不能忽视的是，影像基因组学不仅提升了影像学检查工具的应用潜力，而且有望在不久的将来作为基因检测前的筛查工具，在一定程度上可以帮助临床医生制订诊疗方案，减轻患者的经济负担，为患者带来更大的获益。因此，在未来影像基因组学具有广阔的发展及应用前景。