初探基于腫瘤全域ADC圖的灰度共生矩陣紋理分析與子宮內膜癌Ki-67表達的相關性

田士峰，劉愛連*，劉靜紅，王學東，黃侃，郭妍，李昕

作者單位：1. 大連醫(yī)科大學附屬第一醫(yī)院放射科，大連 116011 2. 通用電氣醫(yī)療，上海 200000 3. 通用電氣醫(yī)療集團轉化醫(yī)學部門，上海 200000

子宮內膜癌(endometrial cancer，EC)細胞增殖核抗原Ki-67可間接反映腫瘤細胞的增殖活性與惡性程度，其表達程度越高提示EC生長及侵襲能力越強，深肌層浸潤、局部侵犯與轉移的發(fā)生概率也隨之增高[1-2]。但Ki-67的表達情況多在術后經免疫組織化學分析獲得，若術前能對其表達情況進行評估，以判斷EC細胞增殖情況，對指導治療方案的制定及患者預后的預估都具有積極意義。既往研究認為DWI序列的ADC圖可用于評價子宮惡性腫瘤 Ki-67的表達情況[3-4]?；叶裙采仃?gray level co-occurrence matrix，GLCM)屬于二階紋理分類方法，通過研究圖像灰度分布與變化規(guī)律、圖像像素灰度值的局部特征，以多參數反映肉眼無法感觀的圖像紋理特征[5-6]。筆者旨在探討基于腫瘤全域ADC圖的GLCM紋理分析與EC增值抗原Ki-67表達的相關性，以期實現術前定量、無創(chuàng)評估EC的細胞增殖能力。

1 材料與方法

1.1 研究對象

回顧性分析2016年1月至2019年3月間我院符合以下標準的患者資料。納入標準：(1)手術病理證實為原發(fā)性子宮內膜癌，病例資料完整，免疫組織化學分析指標包括Ki-67；(2)無MR檢查禁忌證，術前一周內行1.5 T MR檢查，掃描序列包括DWI；(3)病灶直徑(厚度)大于1.0 cm。最終37例患者納入研究，年齡34～82歲，平均(58.9±10.0)歲。絕經前11例，主要臨床癥狀為月經不規(guī)律，經量增多；絕經后26例，主要臨床癥狀為不規(guī)則陰道流血。

1.2 檢查方法

采用美國GE Signa HDxt 1.5 T MR超導型掃描儀，體部8通道相控陣線圈。檢查前禁食4～6 h減輕腸道蠕動，并于檢查前1 h飲水約500 ml使膀胱適度充盈。掃描序列及相關參數見表1，DWI序列b值取0，600 s/mm2。

1.3 圖像分析與數據測量

將DWI序列圖像傳輸至GE ADW 4.6工作站，經Functool軟件重建后獲得ADC圖。而后將ADC原始圖像導入GE Omni-Kinetics軟件，得到未經濾過的原始細紋理圖像，由2名盆腔MRI影像診斷經驗7年以上的主治醫(yī)師參考MR平掃及增強掃描圖像，共同協商在包含腫瘤實質的ADC圖像上沿腫瘤邊緣逐層勾畫ROI (圖1)，后經融合獲得腫瘤全域GLCM紋理參數，包括能量、熵、慣性矩、相關性、逆差距，取二者平均值進行分析。最后詳細記錄EC病理類型、病理分級、分期、生長方式(彌漫或局限腫塊)、免疫組織化學分析等信息。

1.4 Ki-67表達的測定方法

由專業(yè)病理科醫(yī)生進行。免疫組織化學染色采用鏈霉菌抗生物素蛋白-過氧化物酶連結法(streptavidinperosidase，SP法)，當腫瘤細胞的胞漿內出現清晰的棕黃色顆粒，且著色強度高于非特異染色背景時判定為Ki-67表達陽性。在200倍視野下隨機取10個視野，以各視野腫瘤陽性百分比的平均值作為表達指數。按照Peiró等[7]的標準，Ki-67表達指數＜50%為低表達，≥50%則為高表達。

1.5 統計學方法

應用SPSS 22.0統計學軟件進行數據分析。按照Ki-67表達指數的高、低分組，進行單樣本Kolmogorov-Smirnov檢驗，符合正態(tài)分布的者用±s表示，符合偏態(tài)分布者用中位數(上、下四分位數)表示。采用獨立樣本t檢驗(正態(tài)分布)或Mann-Whitney秩和檢驗(偏態(tài)分布)比較兩組病例GLCM紋理參數的差異。采用受試者工作特征曲線(receiver operator characteristic curve，ROC曲線)評估有統計學差異的參數對Ki-67低、高表達組的鑒別診斷效能，計算曲線下面積(Area Under Curve，AUC)，并根據最大約登指數確定界值、敏感度、特異度。采用Pearson相關對各參數值與Ki-67表達指數進行相關性分析(相關系數r取值在-1～1間，0≤|r|＜0.20為無相關性或相關性極弱，0.20≤|r|＜0.40為相關性弱，0.40≤|r|＜0.60為相關性中等，0.60≤|r|＜0.80為相關性強，0.80≤|r|≤1為相關性極強)。P＜0.05為差異有統計學意義。

2 結果

2.1 一般資料結果

37例患者中Ki-67低表達17例，高表達20例，相關資料見表2。

2.2 Ki-67低、高表達組GLCM紋理參數比較

Ki-67低表達組的能量、慣性矩大于高表達組，熵、相關性、逆差距小于高表達組，差異具有統計學意義(P＜0.05)，具體結果見表3。

2.3 GLCM紋理參數診斷效能

GLCM紋理參數診斷Ki-67高表達的AUC、閾值、敏感度及特異度見表4、圖2。

表1 掃描序列及相關參數Tab.1 Scanning sequence and related parameters

表2 患者一般資料Tab. 2 General information of patients

表3 Ki-67低、高表達組GLCM紋理參數比較結果Tab. 3 Comparison of texture parameters of GLCM in low and high expression groups of Ki-67

表4 GLCM紋理參數的鑒別效能Tab. 4 Discriminant еfficiеncy оf tеxturе paramеtеrs in GLСM

2.4 GLCM紋理參數值與Ki-67表達指數相關性分析

能量、慣性矩與EC的Ki-67表達指數負相關，熵、相關性、逆差距與Ki-67表達指數正相關，熵的相關系數最大。具體結果見表5。

表5 GLCM紋理參數值與Ki-67表達指數相關性分析結果Tab. 5 Relevance analysis between GLCM texture parameters and Ki-67 expression index

圖1 EC的ROI勾畫示意圖，紅色區(qū)域為腫瘤實質覆蓋區(qū) Fig. 1 ROI sketch of EC, the red area is the parenchymal coverage of the tumor.

圖2 GLCM紋理參數鑒別Ki-67低、高表達的ROC曲線，熵的鑒別效能最高 Fig. 2 GLCM texture parameters can identify low and high expression ROC curvеs оf Ki-67. Entrоpy has thе highеst discriminant еfficiеncy.

3 討論

紋理分析作為新興的圖像后處理技術，可以通過軟件對圖像中細微的紋理特征進行定量提取，顯示病變內在異質性。GLCM反映圖像灰度的空間相關特性，是最常用的二階紋理分類方法[8]，具有多個紋理參數，提供圖像的客觀信息。其中，能量反映了圖像紋理的粗細程度以及圖像分布的均勻性，其值越大表明圖像越均一；熵與能量相反，其值越大表明圖像紋理的非均勻性越大，圖像紋理越復雜；相關性反映了圖像的細致程度，具體解釋為像素在空間行或列分布的相似度，其值越大表明圖像紋理約細致；逆差距反映圖像紋理局部的變化程度，其值越大表明圖像越均勻規(guī)則；慣性矩反映了圖像紋理的粗細程度，可將圖像灰度的空間分布拉開以揭示灰度空間分布的復雜程度[8-10]。

隨著臨床醫(yī)學對腫瘤發(fā)病機制方面研究的不斷進展，各種參與細胞增殖及周期調控的因子已逐步涉獵，其中存在于增殖細胞核基質內的抗原—Ki-67就是研究熱點之一。Ki-67的半衰期短，在腫瘤細胞完成增殖周期后迅速降解，而且不易受到其他因素的影響，因此可作為反映腫瘤細胞惡性程度及增殖活性的可靠指標，對于評估腫瘤生長與侵襲能力也可提供有效參考，同時對于評價腫瘤預后、指導術后放化療等也具有一定積極意義[11-12]。對EC而言，當Ki-67表達指數增高時，意味著腫瘤細胞增殖活躍度增加，腫瘤生長旺盛，細胞密度增加，細胞排列更為緊密，細胞外間隙減小，腫瘤組織新生血管豐富，這些因素均增加了水分子擴散微環(huán)境的復雜性，會引起ADC圖的紋理發(fā)生改變。本研究中ROI勾畫時選取了腫瘤全域，保證了包含相關紋理信息的完整性。本研究結果顯示，Ki-67低表達組的能量、慣性矩大于高表達組，熵、相關性、逆差距小于高表達組，這些結果提示了Ki-67高表達組的圖像紋理較低表達組更為復雜，不均一不規(guī)則性更強。其中熵鑒別兩組的AUC最高(0.865)，與Ki-67表達指數的相關性最強。

本研究具有一定局限性，首先，部分EC病灶與正常組織分界不清，逐層勾畫ROI時，部分層面病灶邊緣區(qū)可能未被包含；其次，樣本量相對較少，可能會導致研究結果的偏差；再次，未考慮年齡、EC臨床分期等因素的影像。

綜上所述，基于腫瘤全域ADC圖的GLCM紋理分析有助于術前評估EC的Ki-67表達情況，具有一定臨床應用價值，熵為最佳參數。

利益沖突：無。