Ключевые слова
Как цитировать
Аннотация
В статье представлен обзор мировой литературы, в котором описываются современные методики МРТ в диагностике гепатоцеллюлярного рака, приводится определение понятия «текстурный анализ», рассматриваются предпосылки для его применения, подробно разбирается методика проведения текстурного анализа, что подкрепляется наглядными изображениями из личного архива; перечисляются основные направления применения текстурного анализа в современной онкологии, детально обсуждается роль текстурного анализа МР-изображений в оценке степени гистологической дифференцировки гепатоцеллюлярного рака и прогноза заболевания, в дифференциальной диагностике гепатоцеллюлярного рака с гиперваскулярными образованиями печени (гепатоцеллюлярной аденомой, фокальной нодулярной гиперплазией, гемангиомой), метастазами, регенераторными и диспластическими узлами, а также в прогнозировании микрососудистой инвазии опухоли и в оценкe молекулярно-генетических характеристик опухоли. Авторы также останавливаются на основных ограничениях, трудностях широкого внедрения текстурного анализа в клиническую практику и дальнейших перспективах его применения.
Библиографические ссылки
Allemani C., Matsuda T., Di Carlo V., et al. CONCORD Working Group. Global surveillance of trends in cancer survival 2000-14 (CONCORD-3): analysis of individual records for 37 513 025 patients diagnosed with one of 18 cancers from 322 population-based registries in 71 countries. Lancet. 2018; 391(10125): 1023-1075.-DOI: https://doi.org/10.1016/S0140-6736(17)33326-3.
Hassanipour S., Vali M., Gaffari-Fam S., et al. The survival rate of hepatocellular carcinoma in Asian countries: a systematic review and meta-analysis. EXCLI J. 2020; 19:108-130. -DOI: https://doi.org/10.17179/excli2019-1842.
Кармазановский Г.Г., Шантаревич М.Ю., Сташкив В.И., Ревишвили А.Ш. Воспроизводимость текстурных показателей КТ- и МРТ-изображений гепатоцеллюлярного рака. Медицинская визуализация. 2023; 27(3): 84-93.-DOI: https://doi.org/10.24835/1607-0763-1372.-URL: https://medvis.vidar.ru/jour/article/view/1372?locale%20=%20ru_RU. [Kаrmаzаnovsky G.G., Shantarevich M.Yu., Stashkiv V.I., Revishvili A.Sh. Reproducibility of CT and MRI texture features of hepatocellular carcinoma. Medical Visualization. 2023; 27(3): 84-93.-DOI: https://doi.org/10.24835/1607-0763-1372.-URL: https://medvis.vidar.ru/jour/article/view/1372?locale%20=%20ru_RU (In Rus)].
Состояние онкологической помощи населению России в 2023 году. Под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. М.: МНИОИ им. П.А. Герцена — филиал ФГБУ «НМИЦ радиологии» Минздрава России. 2024; 262.-URL: https://oncology-association.ru/wp-content/uploads/2023/08/sop-2022-el.versiya_compressed.pdf.-ISBN: 978-5-85502-297-1. [The state of oncological care to the population of Russia in 2021. Ed. by Kaprin A.D., Starinsky V.V., Shakhzadova A.O. Moscow: P.A. Herzen Moscow State Medical Research Institute — Branch of the Federal State Budgetary Institution “NMIC of Radiology” of the Ministry of Health of Russia. 2024; 262.-URL: https://oncology-association.ru/wp-content/uploads/2023/08/sop-2022-el.versiya_compressed.pdf.-ISBN: 978-5-85502-297-1 (In Rus)].
Злокачественные новообразования в России в 2023 г. (заболеваемость и смертность). Под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. М.: МНИОИ им. П.А. Герцена — филиал ФГБУ «НМИЦ радиологии» Минздрава России. 2024; 276.-URL: https://www.oncology-association.ru/wp-content/uploads/2024/08/zis-2023-elektronnaya-versiya.pdf.- ISBN: 978-5-85502-298-8. [Malignant neoplasms in Russia in 2021 (morbidity and mortality). Ed. by Kaprin A.D., Starinsky V.V., Shakhzadova A.O. Moscow: P.A. Herzen Moscow State Medical Research Institute — Branch of the Federal State Budgetary Institution “NMIC of Radiology” of the Ministry of Health of Russia. 2024; 276.-URL: https://www.oncology-association.ru/wp-content/uploads/2024/08/zis-2023-elektronnaya-versiya.pdf.-ISBN: 978-5-85502-298-8 (In Rus)].
Roberts L.R., Sirlin C.B., Zaiem F., et al. Imaging for the diagnosis of hepatocellular carcinoma: A systematic review and meta-analysis. Hepatology. 2018; 67(1):401-421.-DOI: https://doi.org/10.1002/hep.29487.
Кармазановский Г.Г., Кондратьев Е.В., Груздев И.С., et al. Современная лучевая диагностика и интеллектуальные персонализированные технологии в гепатопанкреатологии. Вестник РАМН. 2022; 77(4): 245-253.-DOI: https://doi.org/10.15690/vramn2053.-URL: https://www.cyberleninka.ru/article/n/sovremennaya-luchevaya-diagnostika-i-intellektualnye-personalizirovannye-tehnologii-v-gepatopankreatologii. [Karmazanovsky G.G., Kondratyev E.V., Gruzdev I.S., et al. Modern radiation diagnostics and intelligent personalized technologies in hepatopancreatology. Annals of the Russian Academy of Medical Sciences. 2022; 77(4): 245-253.-DOI: https://doi.org/10.15690/vramn2053.-URL: https://www.cyberleninka.ru/article/n/sovremennaya-luchevaya-diagnostika-i-intellektualnye-personalizirovannye-tehnologii-v-gepatopankreatologii (In Rus)].
Медведева Б.М., Даренская А.Д., Молостова Ю.В., Лаптева М.Г. МРТ с гепатотропным контрастным препаратом в дифференциальной диагностике редко встречающейся формы гепатоцеллюлярной карциномы и фокальной нодулярной гиперплазии. Материалы VIII Всероссийского научно-образовательного конгресса с международным участием «Онкорадиология, лучевая диагностика и терапия»: тезисы. М. 2025; 16-17.-URL: https://istina.msu.ru/publications/article/742815407. [Medvedeva B.M., Darenskaya A.D., Molostova Yu.V., Lapteva M.G. MRI with a hepatotropic contrast agent in the differential diagnosis of a rare form of hepatocellular carcinoma and focal nodular hyperplasia. Proceedings of the VIII All-Russian Scientific and Educational Congress with International Participation "Oncoradiology, radiation diagnostics, and therapy": Abstracts. Moscow: 2025; 16-17.-URL: https://istina.msu.ru/publications/article/742815407 (In Rus)].
Vreugdenburg T.D., Ma N., Duncan J.K., et al. Comparative diagnostic accuracy of hepatocyte-specific gadoxetic acid (Gd-EOB-DTPA) enhanced MR imaging and contrast enhanced CT for the detection of liver metastases: a systematic review and meta-analysis. Int J Colorectal Dis. 2016; 31(11): 1739-1749.- DOI: https://doi.org/10.1007/s00384-016-2664-9.
McInnes M.D., Hibbert R.M., Inácio J.R., Schieda N. Focal nodular hyperplasia and hepatocellular adenoma: accuracy of gadoxetic acid-enhanced MR imaging--a systematic review. Radiology. 2015; 277(2): 413-423.-DOI: https://doi.org/10.1148/radiol.2015142986. Erratum in: Radiology. 2015; 277(3): 927.-DOI: https://doi.org/10.1148/radiol.2015154033.
Ломовцева К.Х., Кармазановский Г.Г. Диффузионно-взвешенные изображения при очаговой патологии печени: обзор литературы. Медицинская визуализация. 2015; (6): 50-60.-URL: https://medvis.vidar.ru/jour/article/view/163/164?locale%20=%20ru_RU. [Lomovtseva K.Kh., Karmazanovsky G.G. Diffusion-weighted imaging of focal liver lesions: Literature review. Medical Visualization. 2015; (6): 50-60.-URL: https://medvis.vidar.ru/jour/article/view/163/164?locale%20=%20ru_RU (In Rus)].
Semaan S., Vietti Violi N., Lewis S., et al. Hepatocellular carcinoma detection in liver cirrhosis: diagnostic performance of contrast-enhanced CT vs. MRI with extracellular contrast vs. gadoxetic acid. Eur Radiol. 2020; 30(2): 1020-1030.-DOI: https://doi.org/10.1007/s00330-019-06458-4.
An C., Lee C.H., Byun J.H., et al. Intraindividual comparison between gadoxetate-enhanced magnetic resonance imaging and dynamic computed tomography for characterizing focal hepatic lesions: A multicenter, multireader study. Korean J Radiol. 2019; 20(12): 1616-1626.-DOI: https://doi.org/10.3348/kjr.2019.0363.
Vernuccio F., Gagliano D.S., Cannella R., et al. Spectrum of liver lesions hyperintense on hepatobiliary phase: an approach by clinical setting. Insights Imaging. 2021; 12(1): 8.-DOI: https://doi.org/10.1186/s13244-020-00928-w.
Kitao A., Matsui O., Yoneda N., et al. The uptake transporter OATP8 expression decreases during multistep hepatocarcinogenesis: correlation with gadoxetic acid enhanced MR imaging. Eur Radiol. 2011; 21(10): 2056-2066.-DOI: https://doi.org/10.1007/s00330-011-2165-8.
Ba-Ssalamah A., Antunes C., Feier D., et al. Morphologic and molecular features of hepatocellular adenoma with gadoxetic acid-enhanced mr imaging. Radiology. 2015; 277(1): 104-113.-DOI: https://doi.org/10.1148/radiol.2015142366.
Holzapfel K., Bruegel M., Eiber M., et al. Characterization of small (≤10 mm) focal liver lesions: value of respiratory-triggered echo-planar diffusion-weighted MR imaging. Eur J Radiol. 2010; 76(1): 89-95.-DOI: https://doi.org/10.1016/j.ejrad.2009.05.014.
Haralick R.M., Shanmugam K., Dinstein I. Textural features for image classification in IEEE transactions on systems, man and cybernetics. 1973; SMC-3(6): 610–21.-DOI: https://doi.org/10.1109/tsmc.1973.4309314.-URL: https://www.haralick.org/journals/TexturalFeatures.pdf.
Kumar V., Gu Y., Basu S., et al. Radiomics: the process and the challenges. Magn Reson Imaging. 2012; 30(9): 1234-1248.-DOI: https://doi.org/10.1016/j.mri.2012.06.010.
Шантаревич М.Ю., Кармазановский Г.Г. Применение текстурного анализа КТ и МР-изображений для определения степени дифференцировки гепатоцеллюлярного рака и его дифференциальной диагностики: обзор литературы. Исследования и практика в медицине. 2022; 9(3): 129-144.-DOI: https://doi.org/10.17709/2410-1893-2022-9-3-10.-URL: https://www.rpmj.ru/rpmj/article/view/783/501. [Shantarevich M.Yu., Karmazanovsky G.G. Application of texture analysis of CT and MR images to determine the histologic grade of hepatocellular cancer and it’s differential diagnosis: a review. Research and Practical Medicine Journal (Issled Prakt Med). 2022; 9(3): 129-144.-DOI: https://doi.org/10.17709/2410-1893-2022-9-3-10.-URL: https://www.rpmj.ru/rpmj/article/view/783/501 (In Rus)].
Parekh V., Jacobs M.A. Radiomics: a new application from established techniques. Expert Rev Precis Med Drug Dev. 2016; 1(2):207-226.-DOI: https://doi.org/10.1080/23808993.2016.1164013.
Nailon W.H. Texture analysis methods for medical image characterisation. Biomedical Imaging. 2010; 75-100.-DOI: https://doi.org/10.5772/8912.-URL: https://www.intechopen.com/chapters/10175.-ISBN 978-953-307-071-1.
van Timmeren J.E., Cester D., Tanadini-Lang S., et al. Radiomics in medical imaging-"how-to" guide and critical reflection. Insights Imaging. 2020; 11(1): 91.-DOI: https://doi.org/10.1186/s13244-020-00887-2.
Park H.J., Park B., Lee S.S. Radiomics and deep learning: Hepatic applications. Korean J Radiol. 2020; 21(4): 387-401.-DOI: https://doi.org/10.3348/kjr.2019.0752.
Jeong W.K., Jamshidi N., Felker E.R., et al. Radiomics and radiogenomics of primary liver cancers. Clin Mol Hepatol. 2019; 25(1): 21-29.- DOI: https://doi.org/10.3350/cmh.2018.1007.
Nioche C., Orlhac F., Boughdad S., et al. LIFEx: A Freeware for radiomic feature calculation in multimodality imaging to accelerate advances in the characterization of tumor heterogeneity. Cancer Res. 2018; 78(16): 4786-4789.-DOI: https://doi.org/10.1158/0008-5472.CAN-18-0125.
Гайдель А.В., Зельтер П.М., Капишников А.В., Храмов А.Г. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструктивной болезни. Компьютерная оптика. 2014; 38(4): 843-850.-URL: https://www.computeroptics.ru/KO/PDF/KO38-4/380439.pdf. [Gaidel A.V., Zelter P.M., Kapishnikov A.V., Khramov A.G. Computed tomography texture analysis capabilities in diagnosing a chronic obstructive pulmonary disease. Computer Optics. 2014; 38(4): 843-850.-URL: https://www.computeroptics.ru/KO/PDF/KO38-4/380439.pdf (In Rus)].
Гайдель А.В., Первушкин С.С. Исследование текстурных признаков для диагностики заболеваний костной ткани по рентгеновским изображениям. Компьютерная оптика. 2013; 37(1): 113-119.-DOI: https://doi.org/10.18287/0134-2452-2013-37-1-113-119.-URL: https://www.computeroptics.ru/KO/PDF/KO37-1/16.pdf. [Gaidel A.V., Pervushkin S.S. Research of the textural features for the bony tissue diseases diagnostics using the roentgenograms. Computer Optics. 2013; 37(1): 113-119.-DOI: https://doi.org/10.18287/0134-2452-2013-37-1-113-119.-URL: https://www.computeroptics.ru/KO/PDF/KO37-1/16.pdf (In Rus)].
Mayerhoefer M.E., Materka A., Langs G., et al. Introduction to radiomics. J Nucl Med. 2020; 61(4): 488-495.-DOI: https://doi.org/10.2967/jnumed.118.222893.
Lin G., Keshari K.R., Park J.M. Cancer metabolism and tumor heterogeneity: Imaging perspectives using MR imaging and spectroscopy. Contrast Media Mol Imaging. 2017; 2017: 6053879.-DOI: https://doi.org/10.1155/2017/6053879.
Martins-Filho S.N., Paiva C., Azevedo R.S., Alves V.A.F. Histological grading of hepatocellular carcinoma-A systematic review of literature. Front Med (Lausanne). 2017; 4:193.-DOI: https://doi.org/10.3389/fmed.2017.00193.
Okusaka T., Okada S., Ueno H., et al. Satellite lesions in patients with small hepatocellular carcinoma with reference to clinicopathologic features. Cancer. 2002; 95(9): 1931-1937.-DOI: https://doi.org/10.1002/cncr.10892.
Geng Z., Zhang Y., Wang S., et al. Radiomics analysis of susceptibility weighted imaging for hepatocellular carcinoma: exploring the correlation between histopathology and radiomics features. Magn Reson Med Sci. 2021; 20(3): 253-263.-DOI: https://doi.org/10.2463/mrms.mp.2020-0060.
Chen W., DelProposto Z., Liu W., et al. Susceptibility-weighted imaging for the noncontrast evaluation of hepatocellular carcinoma: a prospective study with histopathologic correlation. PLoS One. 2014; 9(5): e98303.-DOI: https://doi.org/10.1371/journal.pone.0098303.
Yang S., Lin J., Lu F., et al. Use of ultrasmall superparamagnetic iron oxide enhanced susceptibility weighted imaging and mean vessel density imaging to monitor antiangiogenic effects of sorafenib on experimental hepatocellular carcinoma. Contrast Media Mol Imaging. 2017; 2017: 9265098.-DOI: https://doi.org/10.1155/2017/9265098.
Zhou W., Zhang L., Wang K., et al. Malignancy characterization of hepatocellular carcinomas based on texture analysis of contrast-enhanced MR images. J Magn Reson Imaging. 2017; 45(5): 1476-1484.-DOI: https://doi.org/10.1002/jmri.25454.
Feng M., Zhang M., Liu Y., et al. Texture analysis of MR images to identify the differentiated degree in hepatocellular carcinoma: a retrospective study. BMC Cancer. 2020; 20(1): 611.-DOI: https://doi.org/10.1186/s12885-020-07094-8.
Wu M., Tan H., Gao F., et al. Predicting the grade of hepatocellular carcinoma based on non-contrast-enhanced MRI radiomics signature. Eur Radiol. 2019; 29(6): 2802-2811.-DOI: https://doi.org/10.1007/s00330-018-5787-2.
Yang X., Yuan C., Zhang Y., Wang Z. Magnetic resonance radiomics signatures for predicting poorly differentiated hepatocellular carcinoma: A SQUIRE-compliant study. Medicine (Baltimore). 2021; 100(19): e25838.-DOI: https://doi.org/10.1097/MD.0000000000025838.
Zhong X., Tang H., Lu B., et al. Differentiation of small hepatocellular carcinoma from dysplastic nodules in cirrhotic liver: Texture analysis based on MRI improved performance in comparison over gadoxetic acid-enhanced MR and diffusion-weighted imaging. Front Oncol. 2020; 9: 1382.-DOI: https://doi.org/10.3389/fonc.2019.01382.
Zhong X., Guan T., Tang D., et al. Differentiation of small (≤ 3 cm) hepatocellular carcinomas from benign nodules in cirrhotic liver: the added additive value of MRI-based radiomics analysis to LI-RADS version 2018 algorithm. BMC Gastroenterol. 2021; 21(1): 155.-DOI: https://doi.org/10.1186/s12876-021-01710-y.
Stocker D., Marquez H.P., Wagner M.W., et al. MRI texture analysis for differentiation of malignant and benign hepatocellular tumors in the non-cirrhotic liver. Heliyon. 2018; 4(11): e00987.-DOI: https://doi.org/10.1016/j.heliyon.2018.e00987.
Wu J., Liu A., Cui J., et al. Radiomics-based classification of hepatocellular carcinoma and hepatic haemangioma on precontrast magnetic resonance images. BMC Med Imaging. 2019; 19(1):23.-DOI: https://doi.org/10.1186/s12880-019-0321-9.
Oyama A., Hiraoka Y., Obayashi I., et al. Hepatic tumor classification using texture and topology analysis of non-contrast-enhanced three-dimensional T1-weighted MR images with a radiomics approach. Sci Rep. 2019; 9(1): 8764. -DOI: https://doi.org/10.1038/s41598-019-45283-z.
Li Z., Mao Y., Huang W., et al. Texture-based classification of different single liver lesion based on SPAIR T2W MRI images. BMC Med Imaging. 2017; 17(1): 42.-DOI: https://doi.org/10.1186/s12880-017-0212-x.
Liu X., Khalvati F., Namdar K., et al. Can machine learning radiomics provide pre-operative differentiation of combined hepatocellular cholangiocarcinoma from hepatocellular carcinoma and cholangiocarcinoma to inform optimal treatment planning? Eur Radiol. 2021; 31(1):244-255.-DOI: https://doi.org/10.1007/s00330-020-07119-7.
Chong H.H., Yang L., Sheng R.F., et al. Multi-scale and multi-parametric radiomics of gadoxetate disodium-enhanced MRI predicts microvascular invasion and outcome in patients with solitary hepatocellular carcinoma ≤ 5 cm. Eur Radiol. 2021; 31(7): 4824-4838.-DOI: https://doi.org/10.1007/s00330-020-07601-2.
Meng X.P., Wang Y.C., Zhou J.Y., et al. Comparison of MRI and CT for the prediction of microvascular invasion in solitary hepatocellular carcinoma based on a non-radiomics and radiomics method: Which imaging modality is better? J Magn Reson Imaging. 2021; 54(2): 526-536.-DOI: https://doi.org/10.1002/jmri.27575.
Hectors S.J., Lewis S., Besa C., et al. MRI radiomics features predict immuno-oncological characteristics of hepatocellular carcinoma. Eur Radiol. 2020; 30(7):3759-3769.-DOI: https://doi.org/10.1007/s00330-020-06675-2.
Ibrahim A., Primakov S., Beuque M., et al. Radiomics for precision medicine: Current challenges, future prospects, and the proposal of a new framework. Methods. 2021; 188:20-29. -DOI: https://doi.org/10.1016/j.ymeth.2020.05.022.
Молостова Ю.В., Медведева Б.М., Геворкян Т.Г., et al. Подбор оптимальных импульсных последовательностей и фаз контрастирования МРТ-исследования для радиомического анализа в диагностике раннего гепатоцеллюлярного рака. Онкологический журнал: лучевая диагностика, лучевая терапия. 2025; 8(1): 57-64.-DOI: https://doi.org/10.37174/2587-7593-2025-8-1-57-64.-URL: https://www.oncoradjournal.ru/jour/article/view/419. [Molostova I.V., Medvedeva B.M., Gevorkyan T.G., et al. Selection of optimal pulse sequences and enhancement phases of MRI study for radiomics analysis in the diagnosis of early hepatocellular carcinoma. Journal of Oncology: Diagnostic Radiology and Radiotherapy. 2025; 8(1): 57-64.-DOI: https://doi.org/10.37174/2587-7593-2025-8-1-57-64.-URL: https://www.oncoradjournal.ru/jour/article/view/419 (In Rus)].
Liu X., Jiang H., Chen J., et al. Gadoxetic acid disodium-enhanced magnetic resonance imaging outperformed multidetector computed tomography in diagnosing small hepatocellular carcinoma: A meta-analysis. Liver Transpl. 2017; 23(12): 1505-1518.-DOI: https://doi.org/10.1002/lt.24867.
Wichtmann B.D., Harder F.N., Weiss K., et al. Influence of image processing on radiomic features from magnetic resonance imaging. Invest Radiol. 2023; 58(3): 199-208.-DOI: https://doi.org/10.1097/RLI.0000000000000921.
Mao B., Zhang L., Ning P., et al. Preoperative prediction for pathological grade of hepatocellular carcinoma via machine learning-based radiomics. Eur Radiol. 2020; 30(12): 6924-6932.-DOI: https://doi.org/10.1007/s00330-020-07056-5.
Park J.E., Park S.Y., Kim H.J., Kim H.S. Reproducibility and generalizability in radiomics modeling: Possible strategies in radiologic and statistical perspectives. Korean J Radiol. 2019; 20(7):1124-1137.-DOI: https://doi.org/10.3348/kjr.2018.0070.
Rogers W., Thulasi Seetha S., Refaee T.A.G., et al. Radiomics: from qualitative to quantitative imaging. Br J Radiol. 2020; 93(1108): 20190948.-DOI: https://doi.org/10.1259/bjr.20190948.
Mokrane F.Z., Lu L., Vavasseur A., et al. Radiomics machine-learning signature for diagnosis of hepatocellular carcinoma in cirrhotic patients with indeterminate liver nodules. Eur Radiol. 2020; 30(1): 558-570.-DOI: https://doi.org/10.1007/s00330-019-06347-w.
Zwanenburg A., Vallières M., Abdalah M.A., et al. The image biomarker standardization initiative: Standardized quantitative radiomics for high-throughput image-based phenotyping. Radiology. 2020; 295(2): 328-338.-DOI: https://doi.org/10.1148/radiol.2020191145.
Aerts H.J. The potential of radiomic-based phenotyping in precision medicine: A review. JAMA Oncol. 2016; 2(12): 1636-1642.-DOI: https://doi.org/10.1001/jamaoncol.2016.2631.
Yip S.S., Aerts H.J. Applications and limitations of radiomics. Phys Med Biol. 2016; 61(13): R150-66.-DOI: https://doi.org/10.1088/0031-9155/61/13/R150.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
© АННМО «Вопросы онкологии», Copyright (c) 2025