高分辨率CT 影像組學聯(lián)合傳統(tǒng)影像學征象預測肺腺癌微血管浸潤的價值

苗文杰 楊光杰 聶佩 顏蕾 郭柄州 龔愛迪 趙鈺鋆 崔景景 王振光

1 青 島 大 學 基 礎 醫(yī) 學 院 266071；2 青 島 大 學 附 屬 醫(yī) 院PET/CT 中 心 266000；3 青島大學附屬醫(yī)院放射科 266000；4 哈爾濱師范大學數(shù)學科學學院 150025；5 慧影醫(yī)療科技有限公司，北京 100192

肺癌是在我國發(fā)病率和病死率最高的惡性腫瘤[1]，其中，肺腺癌由于較早發(fā)生局部浸潤和遠處轉移，其預后比肺鱗癌更差[2]。研究結果表明，微血管浸潤狀態(tài)可反映腫瘤的侵襲能力，是影響肺腺癌預后的重要因素，且美國國立綜合癌癥管理網(wǎng)絡（NCCN）指南中也將血管浸潤作為肺腺癌的高危險因素[2-5]。盡管術前鑒別肺腺癌是否發(fā)生微血管浸潤對術后治療策略的制定和預后有重要意義，但在實際臨床工作中，傳統(tǒng)影像學在判斷腫瘤是否發(fā)生微血管浸潤中的價值有限，甚至由于微血管浸潤評估的工作量較大，國內大多數(shù)病理檢查并未將微血管浸潤作為常規(guī)檢測項目。影像組學通過從醫(yī)學圖像中提取海量信息并進行處理，可獲取傳統(tǒng)影像學所不能反映的微觀生物學信息，在疾病的診斷、療效評價及預后評估等方面具有獨特優(yōu)勢[6-9]。因此，有望通過影像組學對肺腺癌微血管浸潤狀態(tài)進行無創(chuàng)性預測。我們基于影像組學聯(lián)合傳統(tǒng)影像學征象建立綜合模型，并驗證該模型預測肺腺癌微血管浸潤的效能。

1 資料與方法

1.1 一般資料

回顧性分析2015 年6 月至2019 年4 月于青島大學附屬醫(yī)院就診的65 例肺腺癌患者的臨床資料，其中，男性33 例、女性32 例，年齡34～83（60.7±10.3）歲；微血管浸潤陽性30 例、陰性35 例。納入標準：（1）術前1 周行胸部高分辨率CT（high resolution CT，HRCT）檢查；（2）術后病理結果證實為肺腺癌，且明確微血管浸潤狀態(tài)（病理組織切片發(fā)現(xiàn)腫瘤細胞存在于微血管內）；（3）術前未行放化療。排除標準：（1）合并其他惡性腫瘤；（2）HRCT圖像質量較差。本研究已獲得青島大學附屬醫(yī)院倫理委員會批準（批準號：QYFY WZLL 25580）。

1.2 CT 掃描

采用德國Siemens 公司Sensation 64 螺旋CT行胸部掃描。掃描條件：管電壓120 kV，管電流150～300 mA，轉速0.7 s/周，矩陣512×512。獲得容積數(shù)據(jù)后，通過AW4.4 工作站系統(tǒng)進行高空間分辨率算法重建，層厚1.25 mm，間隔1.25 mm。

1.3 影像組學特征提取

將HRCT 圖像從圖像存儲與傳輸系統(tǒng)（PACS）中以“DICOM”格式導出。采用3D Slicer 軟件（版本4.11.0，https://www.slicer.org）中的“Growcut”模塊對腫瘤進行半自動勾畫ROI，并進行手工修正（圖1）。采用Radcloud?大數(shù)據(jù)智能分析云平臺（版本2.1.2，慧影醫(yī)療科技有限公司，https://www.huiyihuiying.com）進行影像組學特征提取。影像組學特征包括強度特征、形狀特征、紋理特征、圖像濾波特征4 部分，其中圖像濾波特征使用了包括指數(shù)、平方、平方根及對數(shù)4 種類型的濾波器，共采用8 種小波變換濾波器，即3 維度高通濾波器（H）和低通濾波器（L）的所有組合（wavelet-LLL、wavelet-HHH、wavelet-HLL、wavelet-HHL、wavelet-LLH、wavelet-HLH、wavelet-LHL、wavelet-LHH）。

1.4 統(tǒng)計學方法

采用R 軟件（版本3.5.3，https://www.r-project.org）及MedCalc 軟件（版本19，https://www.medcalc.org）進行統(tǒng)計學分析。符合正態(tài)分布的數(shù)據(jù)采用±s表示。Lasso-Logistic回歸分析及列線圖繪制采用R 軟件的“glmnet”包和“rms”包；ROC 曲線分析采用MedCalc 軟件。其他統(tǒng)計學方法見1.5～1.7 節(jié)。P<0.05 為差異有統(tǒng)計學意義。

1.5 影像組學特征篩選及影像組 學得分計算

以患者HRCT 檢查時間為編號，通過系統(tǒng)隨機抽樣方法將患者按約3∶1 等距抽樣分為2 組：訓練組46 例，驗證組19 例。訓練組用于模型的建立，驗證組用于模型的效能評價。對所獲得的訓練組影像組學特征首先進行數(shù)據(jù)標準化處理，采用單因素方差分析對組學數(shù)據(jù)進行初次降維，篩選微血管浸潤陽性與陰性患者間差異有統(tǒng)計學意義的特征，采用Lasso-Logistic 回歸分析進一步對組學特征數(shù)據(jù)降維，得到最優(yōu)影像組學特征，利用所得到的影像組學特征與Lasso-Logistic 回歸系數(shù)進行線性擬合計算影像組學得分（Radscore），計算公式見2.2 節(jié)中公式（1），并根據(jù)影像組學得分繪制影像組學得分圖。

1.6 傳統(tǒng)影像學征象分析及統(tǒng)計學分析

由2 名具有5 年以上胸部HRCT 診斷經(jīng)驗的醫(yī)師對病灶進行傳統(tǒng)影像學征象分析，意見不一致時協(xié)商取得一致意見。結合患者的臨床資料，共記錄以下13 條信息：（1）性別；（2）年齡；（3）腫瘤最大徑；（4）腫瘤所在肺；（5）腫瘤所在肺葉；（6）腫瘤形狀；（7）腫瘤成分（實性密度、磨玻璃密度及混雜密度）；（8）分葉征；（9）毛刺征；（10）空洞；（11）支氣管充氣征；（12）胸膜凹陷征；（13）血管集束征。對符合方差齊性的定量資料采用兩獨立樣本t檢驗，計數(shù)資料采用χ2檢驗或Fisher 確切概率法，篩選訓練組中微血管浸潤陽性與陰性患者間差異有統(tǒng)計學意義的傳統(tǒng)影像學征象。

圖1 肺腺癌（患者男性，50 歲）HRCT 圖像上病灶區(qū)域ROI 勾畫圖 圖中，A～C：橫斷面、冠狀位、矢狀位ROI 勾畫；D：ROI 的三維展示。HRCT：高分辨率CT；ROI：感興趣區(qū)Fig. 1 Region of interest segmentation of lung adenocarcinoma（male，50 years old）

1.7 列線圖繪制及其效能驗證

將影像組學得分聯(lián)合有鑒別意義的傳統(tǒng)影像學征象，采用Logistic 多元回歸分析構建綜合模型，繪制列線圖，并通過ROC 曲線評估模型的效能。

2 結果

2.1 傳統(tǒng)影像學征象

患者基本信息及傳統(tǒng)影像學征象見表1。其中，訓練組中僅腫瘤最大徑在微血管浸潤陽性與陰性患者間的差異有統(tǒng)計學意義（t=5.580，P=0.035），其余的組間比較差異均無統(tǒng)計學意義。

2.2 影像組學得分

每例患者共提取到1308 個影像組學特征，通過單因素方差分析對組學數(shù)據(jù)進行初次降維，得到微血管浸潤陽性與陰性患者間差異有統(tǒng)計學意義的影像組學特征共142 個，通過Lasso-Logistic 回歸分析進一步降維，最終得到6 個最優(yōu)影像組學特征。影像組學得分計算公式見公式（1）。繪制的影像組學得分圖見圖2。

表1 65 例肺腺癌患者的臨床資料及HRCT 的傳統(tǒng)影像學征象Table 1 Basic information and traditional imaging features of 65 patients with lung adenocarcinoma

圖2 65 例肺腺癌患者的HRCT 影像組學得分圖 圖中，A：訓練組；B：驗證組。HRCT：高分辨率CTFig. 2 Radiomic scores histogram of 65 patients with lung adenocarcinoma

2.3 綜合模型的構建及其效能評估

聯(lián)合訓練組中6 個最優(yōu)影像組學特征和傳統(tǒng)影像學征象得到綜合模型，繪制的列線圖見圖3。通過ROC 曲線（圖4）評估綜合模型預測肺腺癌微血管浸潤的效能，結果見表2。綜合模型在訓練組中的AUC 為0.880（95%CI：0.750～0.957）、靈敏度為90.5%、特異度為72.0%；在驗證組中的AUC 為0.811（95%CI：0.568～0.951）、靈敏度為88.9%、特異度為80.0%。與傳統(tǒng)影像學征象及影像組學得分相比，綜合模型具有更好的診斷效能。

3 討論

圖3 基于影像組學聯(lián)合HRCT 的傳統(tǒng)影像學征象的綜合模型列線圖 圖中，HRCT：高分辨率CTFig. 3 Comprehensive nomogram based on radiomic scores combined with traditional imaging features

圖4 基于影像組學聯(lián)合HRCT 的傳統(tǒng)影像學征象的綜合模型預測肺腺癌微血管浸潤的受試者工作特征曲線 圖中，A：訓練組；B：驗證組。HRCT：高分辨率CTFig. 4 Receiver operating characteristic curve for prediction model of microvascular invasion of lung adenocarcinoma based on radiomic scores combined with traditional imaging features

表2 肺腺癌微血管浸潤預測模型的受試者工作特征曲線分析結果Table 2 Receiver operating characteristic curve analysis results of microvascular invasion prediction model for lung adenocarcinoma

肺腺癌容易發(fā)生局部浸潤和遠處轉移，其預后較差[2]，尋找轉移及預后相關的生物標志物一直是臨床研究的熱點[3]。肺腺癌微血管浸潤是指腫瘤細胞突破血管壁浸潤至管腔內，如果管腔內的癌灶隨血液循環(huán)到達靶器官則形成轉移灶。因此，微血管浸潤被認為是肺癌的亞臨床轉移。研究結果證實肺腺癌微血管浸潤是影響患者預后的重要因素[4-5,10-11]。Hishida 等[12]對1039 例非小細胞肺癌患者進行回顧性分析后發(fā)現(xiàn)，微血管浸潤是影響肺腺癌手術預后的獨立因素。Wang 等[13]同樣證明了這個觀點。Hamanaka 等[14]的研究結果證實血管侵犯是無淋巴結轉移的Ⅰ期肺腺癌的重要預后因素，且血管浸潤可增加腫瘤術后復發(fā)的概率。Usui 等[2]對255 例肺腺癌的分析結果顯示，血管浸潤陽性的患者的預后明顯差于陰性的患者。美國國立綜合癌癥管理網(wǎng)絡（NCCN）指南也指出，伴有血管浸潤的Ⅱb 期肺腺癌患者術后應采取更積極的治療措施[15]。由此可見，鑒別肺腺癌微血管浸潤的意義重大，可以提示臨床是否進行術后化療等輔助治療，但目前臨床仍缺乏有效的肺腺癌的微血管浸潤預測方法。

影像組學可以顯示更多的傳統(tǒng)影像學不能判斷的生物學信息，并且可以定量地將這些信息通過組學特征提取出來，進而對腫瘤的異質性進行表征[6-8]，應用影像組學評價及預測腫瘤的生物學特征的價值已得到證實[9]。本研究通過HRCT 影像組學聯(lián)合傳統(tǒng)影像學征象建立了預測肺腺癌微血管浸潤的綜合模型，結果證實該模型具有較高的預測價值，在訓練組和驗證組中的靈敏度均高于85%。

本研究中傳統(tǒng)影像學征象分析結果顯示，腫瘤最大徑是預測肺腺癌微血管浸潤的獨立因素（P=0.035），這與Patel 等[5]的研究結論相同，該研究綜合12 篇文獻進行分析，結果表明肺腺癌微血管浸潤狀態(tài)與腫瘤大小相關?？赡艿脑蚴?，隨著腫瘤的生長，腫瘤長徑增加，更容易侵犯周圍組織，造成微血管浸潤。但本研究中腫瘤最大徑對肺腺癌微血管浸潤的鑒別效能較低（訓練組AUC：0.648，驗證組AUC：0.783），聯(lián)合影像組學得分后，綜合模型的鑒別效能明顯提高（訓練組AUC：0.880，驗證組AUC：0.811），這表明影像組學對于鑒別肺腺癌微血管浸潤具有重要的增益價值；而綜合模型的鑒別效能略高于影像組學（訓練組AUC：0.870，驗證組AUC：0.800），這也提示腫瘤最大徑在綜合模型中對微血管浸潤鑒別的價值權重較小。

另外，我們選用的胸部HRCT 對于部分肺部病變，尤其是較小的肺結節(jié)，能夠顯示更為豐富的細節(jié)，提供更全面的影像學信息。HRCT 由于層厚較薄，手工勾畫ROI 需要投入更多的時間及人力，且由于腫瘤的異質性，部分患者腫瘤與周圍鄰近組織分界不清，導致勾畫腫瘤ROI 存在偏差。有文獻證實基于“Growcut”模塊的肺病灶半自動ROI 勾畫具有較高的精準度及可重復性[16-17]。本研究選用此種方法進行半自動ROI 勾畫，既大大節(jié)省了時間和勞力，也從一定程度上避免了個人主觀因素對腫瘤ROI 的勾畫。

本研究和Wu 等[18]均采用三維ROI 進行影像學特征的提取，能夠更充分地反映腫瘤整體的異質性。且本研究中提取了更多的影像組學參數(shù)，能夠對腫瘤特點進行更高維度的表征。Wu 等[18]采用了樸素貝葉斯、隨機森林、K-鄰近3 種建模方法，其鑒別肺腺癌與肺鱗癌的AUC 略有差異，分別為0.64、0.63、0.60，故建模方法會對研究結果造成影響。但本研究只采用了Lasso-Logistic 回歸分析的方法，統(tǒng)一了建模方法，并取得了良好的鑒別效能。

本研究為單中心研究，病例數(shù)較少，無法對其他的分層因素進行統(tǒng)計學分析，有待后續(xù)進行多中心的大樣本量研究，納入分化程度和分期等預后因素，研究基于影像組學的綜合模型在不同亞組患者的微血管浸潤中的預測價值。

綜上，本研究基于HRCT 影像組學聯(lián)合傳統(tǒng)影像學征象成功構建了預測肺腺癌微血管浸潤的綜合模型，并證實了其具有較高的鑒別效能，有助于肺腺癌患者的術前評估。

利益沖突 本研究由署名作者按以下貢獻聲明獨立開展，不涉及任何利益沖突。

作者貢獻聲明 苗文杰負責研究過程的實施、數(shù)據(jù)的收集與分析、論文的撰寫；楊光杰負責研究命題的提出與設計、數(shù)據(jù)的分析、論文的指導與修訂；聶佩、顏蕾負責論文的指導與修訂；郭柄州、崔景景負責數(shù)據(jù)的分析；龔愛迪、趙鈺鋆負責數(shù)據(jù)的收集；王振光負責命題的提出與設計、論文的指導與審閱。