Текстурный анализ и радиомика в диагностике рассеянного склероза: обзор
Digital Diagnostics. 2025. Т. 6. №4.C. 618-629. doi: 10.17816/DD656073
Клинические проявления многоочаговых изменений головного мозга, включая рассеянный склероз, могут быть разнообразными и во многом зависят от локализации и размера очагов. Дифференциальная диагностика таких изменений в некоторых случаях представляет сложную задачу. Сосудистые, воспалительные, инфекционные и наследственные заболевания могут иметь сходные признаки магнитно-резонансной томографии, а их оценка ограничена как техническими аспектами, так и возможностями человеческого восприятия. В последние годы в радиологических исследованиях появились новые методики текстурного анализа и радиомики, которые позволяют выявлять информацию, недоступную для глаз рентгенологов. Эти подходы включают первичную статистическую оценку интенсивностей, использование матриц совпадения уровней серого и длины пробега уровня серого, фрактальный и вейвлет-анализ, а также построение прогностических моделей с применением алгоритмов машинного обучения. Изначально радиомику разработали для онкологической визуализации, однако в настоящее время её возможности используют и при диагностике других патологий.
В данной статье представлен обзор современной литературы, посвящённой использованию текстурного анализа и радиомики в контексте дифференциальной диагностики демиелинизирующих заболеваний, в частности рассеянного склероза. Поиск осуществляли в поисковых системах PubMed и eLibrary с использованием ключевых слов: «radiomics», «digital image texture analysis», «multiple sclerosis», «радиомика», «текстурный анализ», «рассеянный склероз». Глубина поиска составила 9 лет. В настоящий обзор включены только оригинальные исследования (n = 17), посвящённые применению радиомики и текстурного анализа цифровых изображений в диагностике демиелинизирующих заболеваний.
Текстурный анализ и радиомика являются многообещающими методами дополнительной оценки многоочаговых изменений головного мозга при демиелинизирующих заболеваниях. Однако для внедрения в клиническую практику необходимо создать оптимальный алгоритм вычисления текстурных показателей, определить наиболее информативные из них, а также стандартизировать и валидировать получаемые биомаркёры.