基于能譜CT紋理分析在預測胃癌術前淋巴結轉(zhuǎn)移中的價值

王小雷，高玉青，徐 鶴,2，張書海,2，李淑華，趙燦燦，段紹峰，謝宗玉

目前，胃癌是最常見的惡性腫瘤之一，也是全球第二大癌癥相關死亡原因[1]，大約70%的病例發(fā)生在亞洲，僅中國就占了一半以上[2]。淋巴結轉(zhuǎn)移是胃癌預后因素之一，在選擇合適的新輔助化療可行方案中起著關鍵的作用[3-4]。傳統(tǒng)影像學檢查確定淋巴結轉(zhuǎn)移的方式主要是基于淋巴結的大小。然而，反應性或炎癥性淋巴結可以增大、正?；蛘咻p微增大，因此部分病人存在臨床淋巴結分期不準確的風險[6]。計算機斷層成像是術前評估淋巴結狀態(tài)最常用的成像手段，但是據(jù)目前報道來看準確率尚不能令人滿意，僅60%。能譜CT在降低掃描劑量的同時,能獲得高質(zhì)量的影像圖像，而紋理分析通過高通量特征提取，分析并挖掘圖像中的定量特征，從而客觀評估病灶的均質(zhì)性[7]。本研究旨在探討以能譜CT為基礎的紋理分析在胃癌術前淋巴結轉(zhuǎn)移中的評估價值。

1 材料與方法

1.1 一般資料 選擇 2019年1月至2020年1月我院80例經(jīng)病理確診的胃癌病人，男64例，女16例；年齡39～86歲。納入標準：(1)術前經(jīng)過病理證實的胃癌病人；(2)病理證實有明確的淋巴結分期的病人；(3)術前未進行放療或化療治療；(4)術前2周內(nèi)進行上腹部增強檢查且進行能譜序列掃描。排除標準：(1)術前進行放療或化療治療；(2)病人臨床信息欠缺或缺乏明確淋巴結狀態(tài)；(3)影像圖像上病灶顯示不清或者病灶太小。根據(jù)術后病理確認訓練組57例，驗證組23例。

1.2 儀器及方法 所有病人均使用GE 256排Revolution CT進行能譜序列掃描。對膈頂部到雙腎下極水平此范圍實施掃描，所設定的掃描模式是“GSI模式行平掃”聯(lián)合“增強掃描”，由肘靜脈注射碘普羅胺，流率3.5 mL/s，劑量1.0 mL/kg。注射對比劑后對腹主動脈CT值進行智能追蹤，當此參數(shù)值達到120 Hu條件下開始進行動脈期掃描，然后30 s后接著進行靜脈期掃描；行本次掃描時，參數(shù)設定情況為：GSI模式，采用ACTM自動管電流調(diào)制技術，NI=8.0～15.0，管電壓為140/80 kVp，螺距0.992∶1，旋轉(zhuǎn)時間0.5 s。圖像重建為層厚，間距0.625 mm，標準算法，傳至GEAW4.7工作站。

1.3 腫瘤分割及特征提取 使用專用軟件AK進行腫瘤分割，一位年輕放射科醫(yī)生在一位具有5年以上及一位15年以上腹部影像學診斷經(jīng)驗的放射科醫(yī)生A和B共同指導下對所有病人的病變進行分割。在進行分割時，該放射科醫(yī)生已被告知腫瘤的確切位置，從能譜CT 單能量70 keV圖像靜脈期病灶最大層面橫斷面圖像上進行手動勾畫感興趣區(qū)(region of interest,ROI)。在勾畫ROI時，分割范圍盡可能覆蓋病灶，在腫瘤的邊界內(nèi)進行勾畫，同時保持距腫瘤邊緣2～3 mm的距離以避開周圍的空氣或脂肪組織，手動分割示意圖見圖1b。

采用AK軟件(GE Healthcare,China)對預處理后的圖像進行紋理特征提取。最終得到直方圖特征、紋理特征(355個，基于GLCM、RLM、GLSZM)和集合特征三種類型，共計402個紋理特征。為了構建模型，進行了觀察者之間的一致性檢驗，以獲得可重現(xiàn)的特征。

1.4 統(tǒng)計學方法 在建立影像組學模型之前，首先使用Mann-WhitneyU檢驗，正態(tài)分布采用t檢驗，然后經(jīng)logistic分析，再使用MRMR算法進一步挑選10個相關特征和非冗余特征，而后經(jīng)過逐步多變量logistic回歸，構建最終的紋理分析預測模型，最后為了驗證紋理分析結果的可靠性，進行了100次留組交叉驗證(100-fold leave-group-out cross-validation,LGOCV)，并計算Rad-Score。

2 結果

進行能譜掃描的80位胃癌術前病人，其中發(fā)生淋巴結轉(zhuǎn)移的病人有49例(其中男40例，女9例)，年齡39～80歲,而未發(fā)生淋巴結轉(zhuǎn)移的病人有31例(其中男24例，女7例)，年齡46～86歲。在所選影像組學特征中，398個經(jīng)Mann-Whitney U檢驗評估具有統(tǒng)計學意義(P<0.05)。經(jīng)單因素logistic分析篩選出10個特征具有統(tǒng)計學意義(P<0.05)，然后經(jīng)過MRMR方法選擇要素子集，保留了10個相關紋理特征，這10個紋理特征的性能見表1，在經(jīng)過多元logistics分析及似然比檢驗選擇后，最終保留了4個紋理特征，其紋理特征性能見表2，并構建了預測模型，最終模型顯示出了良好的預測性能，AUC值約為0.79(0.69～0.89)。將選取的4個紋理特征構建預測模型，用組學評分計算公式表示：Rad-score=0.577 107 400 004 795×(Intercept)-2.053 355 886 945 71×Correlation_angle45_offset1-0.695 288 789 630 599×Correlation_angle0_offset4+1.209 241 722 435 82×Inertia_AllDirection_offset1_SD-1.208 985 369 906 08×Inertia_angle90_offset1。

表1 降維后篩選的10個紋理特征的性能

表2 經(jīng)過多元logistics分析及似然比檢驗選擇后最終保留4個紋理特征的置信區(qū)間(CI)及P值

經(jīng)過多重交叉驗證得出準確性、靈敏度及特異性，訓練組準確性、靈敏度及特異性分別為0.79、0.82及0.77；實驗組準確性、靈敏度及特異性分別為0.69、0.69及0.68。

3 討論

目前對于臨床而言，有效的評估胃癌術前淋巴結轉(zhuǎn)移情況對于臨床手術前規(guī)劃以及術后輔助治療至關重要。目前，臨床醫(yī)生對相關淋巴結的分析主要依賴于CT或MRI，然而這些技術的結果并不能很好地滿足臨床的需要，特別是在評估腫瘤的浸潤深度及淋巴結轉(zhuǎn)移程度[8]。

能譜CT對人體解剖結構及病灶特征顯示得更加清晰，在提高組織對比度的同時增加病灶的檢出率。能譜CT在疾病的鑒別診斷、病理分級、淋巴結轉(zhuǎn)移及腫瘤復發(fā)等[9-12]方面具有一定的優(yōu)勢。影像組學是一種新興的領域，它通過一種非侵入性的方法從醫(yī)學影像圖像中提取定量特征[13-14]。它在未來腫瘤學實踐中顯示出巨大的潛力，包括鑒別診斷、組織學分類預測、淋巴結轉(zhuǎn)移、治療效果及預后等方面[15-16]。影像組學在鑒別肺結節(jié)良惡性、肝細胞癌的微血管浸潤及晚期結腸癌的術前評估[17-19]等方面具有很好的輔助效果。WANG等[20]回顧性研究247例經(jīng)手術證實的胃癌病人，在術前動脈期圖像上繪制感興趣區(qū)并提取影像學特征，通過隨機森林算法，構建了一個影像組學模型用于預測胃癌淋巴結轉(zhuǎn)移。結果顯示，該模型具有良好的區(qū)分能力，訓練集曲線下面積(AUC)為0.844，試驗集的AUC為0.837，準確度達到80%～84%，而常規(guī)CT檢查的淋巴結轉(zhuǎn)移準確度為61%～64%，MA等[21]研究納入282例胃癌病人，探討CT征象對胃癌淋巴血管侵犯的預測價值，結果顯示靜脈期CT值具有較好的預測價值。LI等[22]回顧性收集了204例胃腺癌病人，分別在動脈期和靜脈期圖像中提取影像組學特征用于預測淋巴結轉(zhuǎn)移的效能，結果發(fā)現(xiàn)靜脈期AUC值為0.76，高于動脈期AUC值0.71。本研究采用能譜掃描模式，在靜脈期圖像上進行病灶分割及特征提取，最終紋理分析結果AUC為0.79，較LI等結果有所提高，分析其原因可能是能譜CT在時間、空間方面的分辨率均得到顯著的提高，避免常規(guī)CT掃描過程中的硬化偽影及容積效應[23]，有利于紋理特征的提取及分析。

在靜脈期模型構建中，本研究最終篩選出4個相關性較高的紋理特征，其中全方位慣性偏離量1-SD與胃癌發(fā)生淋巴結轉(zhuǎn)移呈正相關關系，45°相關偏離量1、0°相關偏離量4及90°慣性偏離量1呈負相關關系，參考這4個紋理特征值的高低，有助于預測胃癌是否發(fā)生淋巴結轉(zhuǎn)移。

本研究局限性在于：(1)僅在單張CT圖像選擇病灶最大層面進行紋理分析，未來可以構建病灶的三維模型分析病灶的紋理特征；(2)病灶ROI是通過手動勾畫，處理過程中可能存在一定的誤差；(3)僅使用了CT靜脈期圖像，CT動靜脈雙期對比分析是否獲得更高的預測準確性；(4)樣本量相對較小，后續(xù)研究中可以繼續(xù)收集更多的能譜數(shù)據(jù)進行相關驗證。

綜上所述，基于能譜CT的紋理分析在未來有望成為胃癌病人術前淋巴結轉(zhuǎn)移預測的非侵入性工具，有助于臨床確定手術方式及術后輔助治療方式。