卵巢癌（OC）是世界上第八大最流行和第五大最致命的女性恶性肿瘤。每年有30多万妇女被诊断患有卵巢囊肿，导致每年约有15.2万人死于卵巢囊肿，突出表明这种疾病对妇女的健康和生命构成重大威胁。OC不是一种单一的疾病；根据世界卫生组织（WHO） 2020年女性生殖器官恶性肿瘤分类，它可以被分为至少6种不同的组织学亚型。其中大多数属于上皮-间质肿瘤。在这些类型中，高级别浆液性卵巢癌（HGSOC）是最常见的组织学亚型，约占卵巢癌的90%，与低级别浆液性卵巢癌（LGSOC）相比，预后最差。新诊断的卵巢癌的标准治疗通常包括细胞减少手术，然后是铂基化疗；然而，预后结果仍然不令人满意。这种缺乏改善的原因是肿瘤间和肿瘤内的异质性阻碍了对肿瘤行为的全面研究，并导致不精确的诊断和对疾病进展的不充分预测。此外，一项研究揭示了卵巢癌早期和晚期生存率的显著差异，强调了开发有效的早期诊断和预后预测方法的重要性。
影像学在卵巢癌的评估和治疗中起着举足轻重的作用。超声、计算机断层扫描（CT）、正电子发射断层扫描/CT （PET/CT）、磁共振成像（MRI）等传统成像方法因其方便、无创等特点，已广泛应用于卵巢肿瘤的诊断和评价。此外，血清生物标志物提供了一种具有成本效益的预测OC的方法。目前，对卵巢癌诊断研究最深入、应用最广泛的血清生物标志物是癌抗原125 （CA125）。其他生物标志物，如人附睾蛋白4 (HE4)，与单独CA125相比，显示出更高的诊断性能。然而，这些方法的灵敏度和特异性都不够。此外，现有的成像技术不能充分解决肿瘤间或肿瘤内的异质性，并且过度依赖于放射科医生的主观判断。
放射组学和放射基因组学在卵巢癌中的应用（图源自Military Medical Research ）
放射组学作为一个新兴的、充满活力的研究领域，最近出现了一个有希望的解决方案，通过定量评估病变的特征，并通过高通量分析从多个医学图像中收集的高维定量特征来提取潜在的信息，特别是在肿瘤学领域。此外，放射组学与基因组学的结合导致了一种被称为放射基因组学的新技术的发展。这种创新的方法可以用来预测或阐明隐藏的遗传和分子属性，从而使肿瘤生物学特性的评估更加全面、精确和个性化。随着人工智能（AI）技术的快速发展和实施，放射组学和放射基因组学近年来在卵巢肿瘤的临床应用有了显著的发展，从而有助于解决更复杂的决策任务，如肿瘤分类和分型、预后预测、疾病进展评估、异常遗传改变的识别。
虽然之前已经对OC的放射组学和放射基因组学进行了综述，但所包含的文章不够全面，摘要缺乏细节。在对放射组学在OC中的初步回顾中，有研究介绍了纹理分析（一种放射组学方法）在OC预后预测中的作用。随后，发表了另一篇综述，讨论了OC中的放射组学和放射基因组学，但纳入的文章数量有限，并按时间顺序排列。在该领域最近的一项研究中，有研究小组仅关注卵巢癌的转移、基因突变、复发和化疗反应的预测，而忽略了放射组学在卵巢良恶性肿瘤分类和分型中的应用。与以往的研究不同，综述综合了最新的文献，并根据放射组学和放射基因组学在诊断和预测卵巢肿瘤中的作用提出了一个更连贯的框架。为了更好地了解放射组学和放射基因组学的应用，综述详细描述了它们的发展和工作流程。此外，还全面总结了它们在OC中的应用，以提高其全面性。最后，综述总结了当前的挑战以及潜在的解决方案，同时提出了旨在推进临床实践的建议，并讨论了该领域的未来方向。
参考消息：
https://mmrjournal.biomedcentral.com/articles/10.1186/s40779-024-00580-1
—END—
内容为【iNature】公众号原创，
转载请写明来源于【iNature】
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（love_iNature），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
投稿、合作、转载授权事宜
请联系微信ID：13701829856 或邮箱：iNature2020@163.com
觉得本文好看，请点这里！
