0 引言

       全球癌症统计数据显示，2022年全球新发癌症病例接近2000万，全球癌症死亡数约为970万^[1]。恶性肿瘤已经成为严重威胁全球人群健康的主要公共卫生问题之一。2022年中国恶性肿瘤新发病例482.47万人，死亡率96.47/10万，较前几年相比均有所增加，中国面临的恶性肿瘤负担非常沉重^[2]。近年来，影像组学通过结合定量影像分析和机器学习方法，深度挖掘影像定量信息，揭示了恶性肿瘤影像中不易被肉眼察觉的特征，在恶性肿瘤的预后评估取得了很大进步。但仍然面临着许多挑战，如影像组学通常将肿瘤视为内部相对均匀分布的整体，并不足以表达肿瘤异质性。

       恶性肿瘤的异质性是预测预后和治疗反应的主要挑战之一。肿瘤微环境对肿瘤的发生、演变和转移至关重要，精准反映肿瘤微环境有助于肿瘤预后评估。生境成像，通过捕捉肿瘤内部的细微差异，为肿瘤异质性的评估提供了新的视角，无创反映肿瘤内部异质性。它使用多种算法来分割肿瘤及其周围环境，以获得反映肿瘤异质性的亚区域^[3]。基于MRI生境成像能够无创反映肿瘤内部异质性，提高术前肿瘤分级分型、疗效预测及预后评估等方面研究的准确性^{[4, 5]}。本文就目前磁共振生境成像在恶性肿瘤预后评估中的最新研究进展予以综述。

1 肿瘤异质性与MRI生境成像

1.1 肿瘤的异质性

       肿瘤经过多次分裂增殖，肿瘤细胞呈现出分子生物学或组织病理学方面的改变，形成了病理表现及生物学行为不同的细胞亚群。肿瘤异质性是指肿瘤在生长过程中，其细胞在基因型、表型、功能以及对治疗的反应上表现出显著的多样性。肿瘤周围微环境和肿瘤细胞适应能力相互作用推动了肿瘤演变，使得肿瘤产生显著异质性^{[6, 7]}。这种异质性不仅存在于不同患者的肿瘤之间，也存在于同一患者体内的不同肿瘤区域，甚至同一肿瘤内部的不同细胞亚群之间。肿瘤内部的异质性最初发现在组织学方面^{[8, 9, 10]}，指同一肿瘤内部由于肿瘤细胞系不同而造成的肿瘤细胞的差异，后来又扩展至抗原性、免疫性、激素受体等方面^{[11, 12]}。肿瘤异质性包括空间异质性及时间异质性。空间异质性是指肿瘤在空间分布上的不均匀性，这种不均匀性可以体现为细胞类型、基因表达、代谢状态或微环境的差异。例如，肿瘤内部的某些区域可能因缺氧而表现出更强的侵袭性，而其他区域则可能对治疗更敏感。时间异质性是指肿瘤在不同时间点上表现出的生物学特征、基因表达、细胞行为或微环境变化的非均匀性。这种异质性反映了肿瘤在发展过程中随时间动态变化的特性，是肿瘤异质性的重要组成部分。例如，随着时间推移，肿瘤细胞可能因适应缺氧环境而增强侵袭性和血管生成能力^[13]。肿瘤的异质性可能对肿瘤患者的预后产生一定影响。一方面，肿瘤内异质性导致治疗效果不同，不同肿瘤细胞系对治疗的耐受及反应不同，有些甚至产生治疗失效；另一方面，肿瘤细胞分布的空间异质性使不同个体肿瘤的转移及进展不同。

1.2 生境成像

       肿瘤可以被看作是由许多具有独特微环境的亚区域构成的复杂生物系统^[9]。在这个系统中，不同的肿瘤细胞亚群因遗传变异和微环境的选择而表现出类似于生态系统中不同物种占据不同栖息地的行为。这些具有相似环境适应性和细胞演化模式的肿瘤细胞群体，它们聚集在一起形成了“生境”^[14]。生境成像是一种图像分析技术，根据感兴趣区宏观层面和微观层面的差异，将其划分为若干具有相同或相似异质性的亚区域^[4]。基于MRI，利用生境成像技术，结合图像定量信息与肿瘤异质性，反映肿瘤细胞及其分子特性的亚区分布，有助于实现个体化精准诊疗，改善患者预后^[15]。

1.3 实现生境成像

1.3.1 成像生物标记物

       成像生物标志物在生境成像中发挥关键作用。生物标志物是一种机体正常生理、病理、体内外干预等过程的生物学反应指标^[16]。成像生物标记物可以来源于医学影像，例如MRI。之前有很多研究广泛应用结构性MRI生物标志物，如T1WI和T2WI的信号强度。目前定量MRI生物标志物受到越来越多的关注，如动态磁敏感对比灌注成像（dynamic susceptibility contrast perfusion-weighted imaging, DSC-PWI）、动态对比增强（dynamic contrast enhancement, DCE）等^{[17, 18]}。生境成像基于成像生物标志物，通过将具有相似生物和物理特性的像素归类，来描绘肿瘤内不同的子区域，正确选择生物标志物是进行生境成像分析的关键步骤。

1.3.2 划分生境

       实现肿瘤生境成像的常用方法包括自动聚类方法和人工手动分割的方法。生境成像自动聚类方法主要包括两种不同的方法。一种方法是基于机器学习的聚类算法作为“一步”方法，目前应用最广泛，以K均值聚类技术为例（图1），将像素点分成K个簇，每个簇代表了MRI图像中的一个特定区域，形成若干个具有不同特征的子生境^[19]。另一种方法包括两个步骤：先基于单个生物标志物划分体素，随后使用来自多个生物标志物的这些聚类的组合来辨别不同的生境，如大津阈值法^[20]；人工手动分割方法通过人工选择特定的子区域来生成生境，如在胶质瘤中手动勾画瘤周水肿、肿瘤坏死等区域^[21]。目前尚无不同方法之间效率和准确性的比较研究。

点击查看大图

图1  MRI生境分析示例。包括收集图像、图像预处理、划分生境。将K均值聚类法应用于表观弥散系数（ADC）和弥散加权成像（DWI）图像来构建生境。最终将图像划分为两个不同子区域（两种颜色）。
Fig. 1  Example of MRI habitat analysis. Including image collection, image preprocessing, and habitat segmentation. K-means clustering was applied to apparent diffusion coefficient (ADC) and diffusion weighted image (DWI) images to construct habitats. Finally, the image is divided into two different sub-regions (two colors).

2 中枢神经系统恶性肿瘤

2.1 脑胶质瘤

       脑胶质瘤是最常见的原发性恶性颅内肿瘤，约占所有恶性脑肿瘤的80％^[22]。2021年世界卫生组织（world health organization, WHO）中枢神经系统肿瘤分类将脑胶质瘤分为1~4级，1、2级为低级别脑胶质瘤（low-grade glioma, LGG），3、4级为高级别脑胶质瘤（high-grade glioma, HGG）^[23]。其中胶质母细胞瘤（glioblastoma, GBM）约占所有胶质瘤的57%。GBM预后很差，尽管先进的治疗改善了患者的预后，其中位生存期延长至15个月以上，短期生存率不断提高，但其5年生存率仍<10%^[24]。

       QIAO等^[17]基于MRI常规、T1加权对比增强图像（T1-weighted contrast-enhanced images, T1-CE）、DSC-PWI及多体素化学位移成像（multivoxel chemical shift imaging, CSI）构建了4个子生境，其中高血管生成增强肿瘤生境（high-angiogenic enhancing tumor habitats, HAT）的Cho/Cr比值和低血管生成增强肿瘤生境（low-angiogenic enhancing tumor habitats, LAT）的Cho/NAA比值可以较好地预测HGG的中位无进展生存期（progression-free survival, PFS）。有研究将T1-CE和T2液体衰减反转恢复图像（fluid-attenuated inversion recovery images, FLAIR）聚类为4种生境，发现水肿生境可以显著改善GBM生存预测模型的性能，提示肿瘤水肿区域可能存在GBM相关生存信息^[25]。VERMA等^[21]使用多中心GBM患者MRI常规图像生成生境，并提取生境特征中稳定且能够识别GBM患者预后状况的放射组学特征，发现相比于单中心生境特征，多中心生境特征能够更好地鉴别GBM患者的PFS。

       O6-甲基鸟嘌呤-DNA甲基转移酶（O6-methylguanine-DNA methyltransferase, MGMT）启动子甲基化状态的检测对于GBM患者的预后评估具有重要意义。研究表明，MGMT启动子甲基化阳性的GBM患者在接受化疗药物烷化剂替莫唑胺（temozolomide, TMZ）治疗后，其生存期可能更长^[26]。焦凯剑等^[27]基于T1-CE、T2-FLAIR序列和弥散张量成像（diffusion tensor imaging, DTI）的各向异性分数（fractional anisotropy, FA）参数图将GBM划分为三个肿瘤生境亚区（增强区域、坏死区域和水肿区域）并分别提取影像组学特征，构建预测模型。结果显示，该模型可以有效预测GBM患者MGMT基因启动子甲基化状态，为术前无创预测GBM患者的MGMT启动子甲基化状态提供了一种新的方法，有助于GBM的预后预测，为TMZ使用决策提供重要信息，从而改善患者的生存期。

       GBM中的瘤内异质性对治疗反应不同，并且空间异质性与不良临床预后相关^{[28, 29]}。KIM等^[30]对治疗前后表观弥散系数（apparent diffusion coefficient, ADC）和脑血容量（cerebral blood volume, CBV）值聚类划分生境，发现高血管细胞生境和低血管细胞生境体积的增加与肿瘤进展有关。PARK等^[31]使用电特性断层成像（electrical properties tomography, EPT）、ADC及动态磁敏感对比（dynamic susceptibility contrast, DSC）成像划分生境，他们发现高血管细胞生境（高CBV值，无论ADC或EPT值），低血管低电导率生境（低CBV值及低EPT值）和低血管中间生境（低CBV值及中等EPT、ADC值）体积增加与疾病进展显著相关。以上研究表明多参数MRI时空生境在区分治疗后GBM肿瘤进展和治疗相关变化有一定诊断价值。

       尽管以上研究证实基于MRI生境成像可以有效评估胶质瘤预后，但生境成像与病理生理、分子特征之间的关联研究不足，还需要加强这些领域的研究。现有的生境分析模型算法无法充分解释胶质瘤复杂的空间异质性，确定一种或几种适用于胶质瘤生境的图像分割规范刻不容缓。

2.2 原发性中枢系统淋巴瘤

       原发性中枢系统淋巴瘤（primary central nervous system lymphoma, PCNSL）是一种罕见且具有侵袭性的结外非霍奇金淋巴瘤，其发病率占新诊断中枢神经系统肿瘤的3%~4％^[32]。PCNSL进展快、预后差，中位总生存时间为1.3年，5年预估总生存率为30.5%^[33]。PCNSL易复发，研究显示，15%~25%患者对大剂量甲氨蝶呤化疗无应答，25%~50%患者在初始应答后复发^[34]。JEONG等^[35]基于ADC和CBV值使用K-means方法聚类生成3种生境，发现低血管性细胞肿瘤生境与肿瘤的治疗抵抗相关。这项研究表明，通过识别与治疗抵抗相关的特定肿瘤区域，有助于个性化治疗策略的制订，有望改善患者预后，但是目前仍缺乏对其他化疗方案的研究。

2.3 脑转移瘤

       脑转移瘤是成人颅脑内常见的恶性肿瘤，随着总体癌症生存率的提高，其发生率逐渐增加^{[36, 37]}。放射治疗是颅内转移的主要治疗手段^{[38, 39]}，主要的治疗方式有全脑放疗（whole brain radiotherapy, WBRT），立体定向放射外科（stereotacticradiosurgery, SRS）等。在放射治疗早期，放射性坏死与肿瘤复发往往同时存在，根据临床症状及影像表现难以鉴别。

       LEE等^[40]使用T1-CE和T2WI构建结构MRI生境，使用ADC和CBV值构建生理生境。结果显示结构生境中的实性低增强生境体积增加和无活力组织生境体积减小与肿瘤进展有关，且实性低增强生境及非活性组织生境的融合预测模型可以有效区分SRS术后肿瘤进展和放射性坏死。之后他们纵向分析观察MRI^[41]，发现生理生境中的低血管细胞生境体积增加与SRS治疗脑转移后的复发风险相关，并且可以指示复发部位，这表明肿瘤生境分析可能有助于指导未来脑转移患者的治疗。目前基于图像将体素划分为不同亚区缺乏严格的病理确认，需要进一步的研究来证实放射学和病理学之间的相关性。

3 乳腺癌

       乳腺癌是全球女性最常见的恶性肿瘤，全球乳腺癌粗发病率为54.1/10万^[1]。与正常组织相似，肿瘤需要接近循环系统才能生长和生存。早在20世纪50年代中期，病理学家就注意到肿瘤优先生长在血管周围。肿瘤内复杂的血管系统会产生瘤内血管异质性。导致高渗透性，以及不同程度的灌注和氧合，并导致不同的微环境^[42]，从而影响肿瘤的治疗及预后。CHO等^[18]从DCE-MRI中的早期和延迟期确定了五种具有不同灌注模式的生境，建立生境风险模型预测患者无病生存期（disease-free survival, DFS）。结果表明生境风险模型是预测DFS不良结果的独立风险因素，并且证明生境风险模型比放射组学模型具有更好的性能。

       三阴性乳腺癌（triple negative breast cancer, TNBC）是乳腺癌的一种分子亚型，其特征是雌、孕激素受体以及人表皮生长因子受体2低表达^[43]。与非TNBC亚型相比，TNBC更具侵袭性，预后较差，复发率较高^[44]。ZHANG等^[45]基于ADC值直方图分层构建生境：增殖性肿瘤核心生境（<25%）、混乱生境（25%~75%）及坏死/囊变生境（>75%），之后构建分层ADC模型，发现分层ADC模型在区分TNBC和非TNBC方面表现出良好的性能，并且揭示TNBC和非TNBC之间存在显著不同的肿瘤生境。XU等^[46]基于弥散加权成像（diffusion weighted imaging, DWI）和DCE-MRI构建了多血管细胞生境（低ADC、高wash-in/wash-out）、少血管细胞生境（低ADC和低wash-in/wash-out）和非存活生境（高ADC和wash-in/wash-out），并计算各肿瘤亚区的分形维数，发现与非TNBC组相比，TNBC组的高血管细胞生境比例较低，且多血管细胞生境分形维数较高。

       新辅助化疗（neoadjuvant chemotherapy, NAC）是TNBC患者常用的治疗手段。病理完全缓解（pathological complete response, pCR）是指新辅助化疗后，手术标本中无残留的肿瘤细胞，是预测患者长期生存的重要指标^[47]。XU等^[48]将NAC前乳腺癌患者的多b值DWI聚类为3种生境，并构建DWI生境成像模型（ModelHabitats）。发现ModelHabitats可以有效预测pCR，并且ModelHabitats与常规MRI特征（ModelCF）的组合模型ModelHabitats+CF的AUC值在训练集和测试集中分别达到0.756和0.824，显著优于全肿瘤放射组学模型（ModelWH），表明ModelHabitats+CF在预测pCR方面具有更好的性能。该研究为三阴性乳腺癌的个体化治疗和预后评估提供了重要信息，有助于改善患者的生存期预测和治疗策略。先前有研究表明，乳腺癌淋巴管侵犯（lymphovascular invasion, LVI）是患者临床治疗及长期预后的重要影响因素^[49]。LVI与肿瘤局部复发、远处转移和预后不良有关^{[50, 51, 52]}。GE等^[53]在T1WI、T2WI及DCE-MRI图像得到肿瘤总体积加瘤周体积（gross tumor volume plus peritumoral volume, GPTV），将GPTV划分为6种生境，建立GPTV_habitats模型。结果显示GPTV_habitats结合MRI形态特征综合预测模型可以有效预测患者的LVI。

       以上的研究证实，在乳腺癌预后评估领域，MRI生境成像展现出了巨大的潜力，但仍存在一些挑战和问题。目前，生境成像技术尚缺乏标准化。其内复杂的瘤内血管异质性，也增加了研究难度。针对乳腺癌分子亚型的生境成像研究还不够全面，未来应继续挖掘生境成像与乳腺癌分子特征之间的关联。

4 肝细胞癌

       肝细胞癌（hepatocellular carcinoma, HCC）约占原发性肝癌的75%~80%，是全球最常见的癌症之一，癌症相关死亡率较高^{[1, 54]}。目前，外科根治性治疗仍然是治疗的首选方法。然而，肝癌术后复发率较高，5年内总复发率可达70%^[55]。ZHANG等^[56]基于DCE-MRI将HCC（<5 cm）患者瘤体及瘤周3 mm和瘤周4 mm的组织分别聚类为4种生境。发现瘤周4 mm生境3的体素分数是预测复发的独立的危险因素。

       微血管浸润（microvascular invasion, MVI）是HCC手术治疗后复发的重要预测因素^[57]。有研究表明，与MVI阴性HCC患者相比，MVI阳性HCC患者预后不良的风险更高^[58]。WANG等^[59]基于钆塞酸二钠（gadolinium ethoxybenzyl-diethylene-triamine-pentaacetic acid, Gd-EOB-DTPA）增强MRI，分别在瘤体、瘤周5 mm和10 mm区域划分生境。结果表明，生境数量与MVI概率呈正相关。并且在瘤体中，生境1的体积比例越大，MVI阳性概率越大；在瘤周5 mm及10 mm区域中，生境2的体积比例越大，MVI阳性的概率越大。ZHANG等^[60]将多b值DWI图像划分为4个生境，结果表明MVI阳性HCC中生境4体积比例显著高于MVI阴性患者，生境2体积比例显著低于MVI阴性患者。以上研究证明基于MRI生境成像可以非侵入性地识别HCC中的微血管浸润，可能在预后预测等方面潜在获益。

       目前，尽管基于MRI生境成像的影像模型在预测HCC复发方面显示出潜力，但这些模型的准确性和泛化能力仍需通过多中心、前瞻性研究进一步验证。

5 生殖系统恶性肿瘤

5.1 宫颈癌

       宫颈癌是全球最常见的妇科恶性肿瘤之一，位居女性生殖系统恶性肿瘤之首，在全球女性癌症发病率中排名第四^[61]。中国子宫颈癌的年龄标化死亡率为4.54/10万，死亡率及死亡人数仍高居女性生殖道恶性肿瘤首位^[1]。宫颈癌淋巴管间隙浸润（lymphovascular space invasion, LVSI）是宫颈癌预后的独立风险因素^[62]。推荐LVSI阳性患者接受辅助放化疗或额外的根治性切除和淋巴结清扫手术，有助于改善患者预后^[63]。WANG等^[64]在TI-CE图像上将肿瘤区域划分为3种生境并建立生境影像组学模型，发现生境影像组学模型预测性能优于整个肿瘤的影像组学模型。这表明基于MRI生境分析有作为预测宫颈癌LVSI非侵入性生物标志物的潜力。目前宫颈癌瘤周区域异质性方面的研究仍不完善，还需加强这方面领域的研究。

5.2 子宫内膜癌

       子宫内膜癌（endometrial carcinoma, EC）是最常见的妇科恶性肿瘤之一，发病率仅次于宫颈癌，发病率和死亡率呈上升趋势。2022年全球子宫内膜癌新发病例420 242例，死亡病例97 704例^{[1, 54]}。宫颈间质浸润（cervical stromal invasion, CSI）是局部肿瘤浸润的标志，可增加淋巴结转移和LVSI的风险，可导致EC预后不良^{[65, 66]}。WANG等^[67]基于T2WI及T1-CE图像构建结构生境，基于ADC及T1-CE构建功能生境。在肿瘤及瘤周感兴趣体积分别划分生境，结果表明，肿瘤及瘤周感兴趣体积的结构生境模型和功能生境模型的预测性能均高于临床模型。该研究为早期EC患者的CSI提供了一种非侵入性的预测方法。然而，在不同的成像序列之间可能存在分辨率的差异和失真，不同序列MRI的图像如何配准需要进一步的研究。

5.3 前列腺癌

       前列腺癌是我国男性泌尿生殖系统中发病率最高的肿瘤，其发病率和死亡率分别位列全球男性恶性肿瘤发病和死亡率的第2位和第5位，且逐年递增^[1]。高危前列腺癌是一种具有至少一种高危因素，存在较高转移风险和较差预后的前列腺癌类型^[68]。HUANG等^[69]根据T2WI压脂序列、DWI和ADC图像将肿瘤划分为3个亚区域，建立MRI生境影像组学模型。又基于对比增强超声（contrast-enhanced ultrasound, CEUS）建立CEUS组学特征模型。结果显示MRI-CEUS组合模型可以有效预测高危前列腺癌。该研究提供了一种非侵入性的高危前列腺癌预测方法，有望改善前列腺癌的诊疗过程，提高患者的生存率和生活质量。但组合模型的效能提升不够显著，未来可采用多种机器算法构建模型，以进一步提高预测精度。

6 小结与展望

       作为一种非侵入性的肿瘤异质性测量工具，生境成像被广泛用于肿瘤预后评估。MRI生境成像技术通过将肿瘤整体聚类分割为具有不同异质性的亚区域，能够反映肿瘤异质性，有助于评估患者预后及制订治疗决策，对个体化精准医疗具有重要意义。目前生境成像存在一些技术挑战。生境分析需要先将不同MRI图像精确配准，但是配准过程可能会扭曲体素值，不能精准反映肿瘤内部及瘤周的分子生物信息。仍需要继续研究找到尽量减少或者消除配准影响的方法。生境成像通过聚类等方法生成不同异质性亚区域，可以反映肿瘤内部异质性，但是常常缺乏病理学有力证明。还需要更进一步探讨肿瘤亚区域与病理组织学上的对应关系。总之，生境成像有望在恶性肿瘤预后研究领域提供更多、更优手段，为个体化治疗、精确医疗作出贡献。