基于胸部增強(qiáng)CT掃描的放射組學(xué)方法在胸腺瘤鑒別診斷中的應(yīng)用

莫展豪，隋赫，李雪佳，孫旭，劉景鑫

1. 吉林大學(xué)中日聯(lián)誼醫(yī)院 放射科，吉林 長春 130033；2. 青島市市立醫(yī)院 放射科，山東 青島 266011；3. 吉林大學(xué)第二醫(yī)院 放射科，吉林 長春 130000

引言

前縱隔病變類別廣泛，其鑒別診斷對臨床醫(yī)生具一定挑戰(zhàn)性[1]。胸腺瘤是前縱隔病變的主要組成部分，通常發(fā)生在40～70歲的成年人，罕見發(fā)生于兒童或青少年，胸腺瘤的術(shù)前早期準(zhǔn)確診斷可以影響治療計(jì)劃并改善臨床結(jié)果[2]。因此，對于胸腺瘤的術(shù)前鑒別診斷十分必要。

在臨床診斷過程中，胸部增強(qiáng)CT掃描（Contrast Enhanced CT，CECT）為診斷前縱隔占位性病變的常規(guī)檢查手段[3]，但各類前縱隔病變的CT圖像特征并不特異[4]，從而為病變間的鑒別診斷帶來一定難度。放射組學(xué)是指通過大量圖像特征的高通量提取，將醫(yī)學(xué)圖像轉(zhuǎn)換為可挖掘的高維數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法對高維圖像特征進(jìn)行分析和挖掘，來獲取圖像中的隱藏信息，其后續(xù)定量分析可以為臨床決策提供一定支持[5-7]。近年來，其作為新興領(lǐng)域，已在膠質(zhì)瘤[8-9]、腎癌[10-11]、乳腺癌[12-13]、直腸癌[14-15]和肺腺癌[16-17]等各種腫瘤的診斷及分類中得到一定應(yīng)用。

放射組學(xué)方法還在前縱隔病變中得到一定應(yīng)用，例如對胸腺瘤分級及分期的判斷[18]、區(qū)分前縱隔腫塊的囊實(shí)性[19]以及評估胸腺上皮腫瘤的組織學(xué)亞型[20]。但是以上研究僅使用了定量紋理分析（Quantitative Texture Analysis,QTA），而QTA僅為放射組學(xué)的一個(gè)分支，研究的全面性仍有待提高。本文主要目的是評估靜脈期胸部CECT放射組學(xué)模型是否可以對胸腺瘤及其他前縱隔病變進(jìn)行鑒別。

1 材料和方法

1.1 一般資料

這項(xiàng)回顧性研究獲得了倫理機(jī)構(gòu)審查委員會(huì)的批準(zhǔn)，所有患者均獲得知情同意。選取吉林大學(xué)中日聯(lián)誼醫(yī)院以及吉林大學(xué)第二醫(yī)院2013年2月至2018年3月收治的168例前縱隔病變患者，男72例，女96例；年齡18～86歲；平均（52±11.29）歲。非胸腺瘤患者共85例，包含胸腺囊腫33例，胸腺癌30例，血管瘤2例，淋巴結(jié)8例，胸腺殘留6例，支氣管囊腫5例，結(jié)核1例；平均（50.88±12.61）歲。胸腺瘤共83例，其中WHO A型14例，WHO AB型21例，WHO B1型8例，WHO B2型25例，WHO B3型15例；平均（53.24±9.55）歲。納入標(biāo)準(zhǔn)：① 通過活檢、縱隔鏡檢或手術(shù)獲取的前縱隔病變的組織病理學(xué)診斷；② 具有相同掃描參數(shù)的優(yōu)質(zhì)CECT圖像，用于放射組學(xué)分析；③ 患者檢查前無前縱隔病變放化療史，無手術(shù)或活檢史。

1.2 CT圖像獲取

所行CECT由Toshiba CT掃描儀、GE Healthcare CT掃描儀完成，管電壓均設(shè)為120 kVp，噪音指數(shù)分別設(shè)為13.0、11.6，重建層厚均為0.25 mm，矩陣512×512。掃描范圍由肺尖至后肋膈角下緣，包含兩側(cè)腋窩及胸壁，患者吸氣末掃描。以80 mL/s的速度注射80～100 mL的碘海醇造影劑，注射后60 s進(jìn)行靜脈期掃描。

1.3 病變勾畫與分割

所有CECT圖像加載至Radcloud平臺。由1名具有3年以上臨床經(jīng)驗(yàn)的放射科醫(yī)生在未知臨床和組織學(xué)信息情況下，于各靜脈期CECT圖像中勾畫病灶感興趣的體積（Volume of Interest，VOI），然后由高級放射科醫(yī)生（具有10年以上的臨床經(jīng)驗(yàn)）重新檢查勾畫病變輪廓，如果差異≥5%，則由高級放射科醫(yī)生決定病變邊界，見圖1。

圖1 靜脈期CECT圖像

1.4 放射組學(xué)特征值提取

利用Radcloud平臺，從靜脈期CECT圖像中提取共1029個(gè)定量成像特征，并將其分為四組：第1組（一階統(tǒng)計(jì)量）包括95個(gè)特征值，這些特征用于在灰度層面描述圖像；第2組（基于形狀和大小的特征）由15個(gè)三維特征組成，這些特征反映了目標(biāo)區(qū)域的形狀和大小；第3組（紋理特征），根據(jù)灰度游程長度和灰度共現(xiàn)紋理矩陣計(jì)算，可以量化區(qū)域異質(zhì)性差異，共包含295個(gè)特征值；第4組（高階統(tǒng)計(jì)特征）包括從原始圖像的小波變換得出的強(qiáng)度和紋理特征。最后，應(yīng)用五種類型的濾波器：指數(shù)、平方、平方根、對數(shù)和小波變換（Wavelet-LLL，Wavelet-HHH，Wavelet-HLL，Wavelet-HHL，Wavelet-LLH，Wavelet-HLH，Wavelet-LHL，Wavelet-LHH）對以上特征進(jìn)行進(jìn)一步處理變換。

1.5 放射學(xué)特征的統(tǒng)計(jì)分析

所有統(tǒng)計(jì)分析均在Radcloud平臺上進(jìn)行。使用方差閾值（方差閾值=0.8），依次選擇最佳K值和最小絕對收縮和選擇算子（Lasso）算法以減少特征維數(shù)，選擇最佳特征。隨機(jī)將80%的VOI分配給訓(xùn)練數(shù)據(jù)集，將另外20%的VOI分配給驗(yàn)證數(shù)據(jù)集。研究中，使用一種監(jiān)督學(xué)習(xí)分類器邏輯回歸進(jìn)行分類。接受者操作特性曲線（ROC曲線）分析用于評估放射組學(xué)特征的預(yù)測能力，選取靈敏性及特異性最大值作為最優(yōu)閾值，并在訓(xùn)練和驗(yàn)證集中都進(jìn)行特征值預(yù)測準(zhǔn)確性的驗(yàn)證。工作流程如圖2所示。

2 結(jié)果

2.1 放射組學(xué)特征值選擇及模型構(gòu)建

在使用方差閾值后，依次選擇最佳K值、Lasso算法，將定量成像特征數(shù)從1029減少至646至150，最后，僅篩選出19個(gè)在胸腺瘤鑒別診斷中有顯著差異的特征，包括5個(gè)一階特征、1個(gè)形狀特征，4個(gè)紋理特征和9個(gè)高階特征。見圖3～4。而后，我們使用LR作為歸一化數(shù)據(jù)的特征選擇分類器，構(gòu)建由19個(gè)放射組學(xué)特征構(gòu)成的預(yù)測模型。

圖2 靜脈期胸部CT增強(qiáng)掃描放射組學(xué)模型建立及分析流程

圖3 應(yīng)用LASSO算法進(jìn)行放射組學(xué)特征選取

圖4 Lasso法降維后19個(gè)與最佳a(bǔ)lpha值相對應(yīng)的特征

使用Lasso法對放射組學(xué)特征進(jìn)行降維，應(yīng)用5折交叉驗(yàn)證方法確定最優(yōu)化處選取的log（α）值為1.92，在生成的系數(shù)分布圖中，在log（α）=1.92處繪制垂直線，其中最佳α得到19個(gè)非零特征值。

2.2 放射組學(xué)模型診斷性能評估

在使用LR分類器進(jìn)行訓(xùn)練之后，圖4中訓(xùn)練集和圖6中驗(yàn)證集顯示了19個(gè)特征模型的ROC曲線分析結(jié)果。訓(xùn)練集的 AUC 為 0.89（95%CI：0.69～0.94；敏感性：0.76，特異性：0.82），驗(yàn)證集的 AUC 為 0.85（95%CI：0.73～0.94；敏感性：0.88，特異性：0.82），顯示出很好的預(yù)測能力，見表1。

圖5 訓(xùn)練集ROC曲線分析結(jié)果

圖6 驗(yàn)證集ROC曲線分析結(jié)果

表1 放射組學(xué)模型預(yù)測結(jié)果

3 討論

可此研究中，我們提出了一種可以使用的基于靜脈期胸部CECT圖像放射組學(xué)特征模型來鑒別胸腺瘤的方法。在對量化放射組學(xué)特征進(jìn)行分位數(shù)標(biāo)準(zhǔn)化之后，我們使用Logistic回歸作為歸一化數(shù)據(jù)的特征選擇分類器，構(gòu)建出由19個(gè)放射組學(xué)特征構(gòu)成的預(yù)測模型。該模型具有將胸腺瘤與其他前縱隔占位性病變區(qū)分開的良好預(yù)測性能，可在一定程度上幫助建立臨床治療策略。

前縱隔病變種類多樣、復(fù)雜，包括腫瘤性病變（例如胸腺瘤、胸腺癌、胸腺類癌、淋巴瘤、胸腺脂肪瘤、生殖細(xì)胞腫瘤、肺轉(zhuǎn)移瘤等）或類瘤樣病變（例如胸骨后甲狀腺腫、胸腺囊腫、淋巴管瘤、主動(dòng)脈瘤等）[21-22]等，因不同病變所采取治療方法不同，故治療前對胸腺瘤及其他前縱隔病變（如淋巴瘤，胸腺囊腫，胸腺癌等）進(jìn)行鑒別診斷顯得十分必要[2,23-24]，本文僅對胸腺瘤單一疾病進(jìn)行鑒別，后續(xù)將繼續(xù)完善各類預(yù)測模型，如胸腺瘤不同WHO分型間的鑒別、不同前縱隔疾病間鑒別、胸腺瘤與血清學(xué)指標(biāo)間關(guān)系等，以有效幫助手術(shù)方式及治療方法的確定。在日常臨床診療過程中，胸腺瘤通常通過胸部增強(qiáng)CT掃描進(jìn)行診斷，如CT圖像所示病變大小、形狀（圓形、橢圓形、不規(guī)則形）、病變密度（鈣化、出血、壞死、囊變）、增強(qiáng)后病變強(qiáng)化方式（明顯、輕微、均勻、不均勻）、病變與周圍組織（心包、肺、心臟、大血管）的關(guān)系等，還應(yīng)考慮患者年齡、性別、臨床癥狀等[25-26]。但此種鑒別方式缺乏特異性，并受到診斷醫(yī)生專業(yè)水平和觀察能力的限制，主觀性較強(qiáng)，很難設(shè)定客觀診斷標(biāo)準(zhǔn)。而我們提出的基于靜脈期胸部CECT放射組學(xué)特征的胸腺瘤預(yù)測模型是一種客觀的評估方法，有望在臨床工作中廣泛使用。

在臨床診斷中，通常采取前縱隔病變活檢、縱隔鏡檢查或外科手術(shù)等方法對胸腺瘤進(jìn)行診斷，而這些侵入性方法難免對患者造成一定損害，此外活檢僅采取部分病變標(biāo)本，可能會(huì)造成診斷結(jié)果偏差[27]。隨訪也常用于區(qū)分胸腺瘤與前縱隔其他病變，但是對于B2型或B3型胸腺瘤等高危病變患者，不確定的隨訪間隔可能會(huì)導(dǎo)致治療延遲[28]。通過使用本研究中介紹的放射組學(xué)預(yù)測方法，可以及時(shí)對胸腺瘤進(jìn)行鑒別診斷而無需進(jìn)行隨訪，并且避免了侵入性檢查對患者的損傷。

在一些研究中，放射組學(xué)特征被分為多種特征類別[29-30]。以往研究中對前縱隔病變的研究均基于定量紋理分析，而QTA僅為放射組學(xué)分析的一個(gè)分類，在我們的研究中，不僅包括QTA分析，還包括另外三組特征（一階統(tǒng)計(jì)量、基于形狀和大小的特征以及高階統(tǒng)計(jì)量特征）。在我們最終獲得的19個(gè)最優(yōu)放射組學(xué)特征預(yù)測模型中，QTA組中只包含4個(gè)放射組學(xué)特征，在此基礎(chǔ)上將5個(gè)一階特征、1個(gè)形狀特征和9個(gè)高階特征相融合后，所得預(yù)測模型更加完善、全面，預(yù)測結(jié)果也更加準(zhǔn)確、客觀。

我們的研究仍存在一些局限性。首先，盡管有兩個(gè)醫(yī)療中心參與了這項(xiàng)研究，但病例數(shù)相對較少，仍需多中心協(xié)作研究，增加案例入組以減少樣本選擇偏差以及地區(qū)差異。其次，手動(dòng)病變勾畫可能會(huì)導(dǎo)致錯(cuò)誤誤差形成，從而丟失部分圖像信息，因此需要應(yīng)用半自動(dòng)分割等更精確的病變輪廓勾畫方式進(jìn)行病變特征值提取。

4 結(jié)論

綜上所述，本文提出的包含19個(gè)特征的靜脈期胸部CECT放射組學(xué)模型可將胸腺瘤與其他前縱隔占位性病變區(qū)分開來，并具有較高準(zhǔn)確性。這種客觀、非侵入性鑒別方法可以早期診斷胸腺瘤，并具有出色的診斷性能。