基于MR T2WI的影像組學(xué)對直腸癌新輔助治療療效的評估

劉明璐， 沈浮， 陸建平

直腸癌(rectal cancer，RC)是世界范圍內(nèi)最常見的消化道惡性腫瘤之一，得益于早期篩查和對確診患者的規(guī)范性治療，全球范圍內(nèi)直腸癌的發(fā)病率、死亡率近20年來有不斷下降的趨勢，但在我國卻呈升高趨勢，多數(shù)患者發(fā)現(xiàn)時已經(jīng)為局部進(jìn)展期直腸癌(locally advanced rectal cancer，LARC)[1-2]。新輔助放化療(neoadjuvant chemoradiotherapy，nCRT)后手術(shù)治療可以降低LARC術(shù)后局部復(fù)發(fā)率，并提高長期生存率及保肛率，是目前的主流治療方式。病理的腫瘤退縮分級(tumor regression grade，TRG)通過對腫瘤組織中纖維化及殘存腫瘤比例的評判，對新輔助治療療效進(jìn)行術(shù)后評估。目前傳統(tǒng)影像學(xué)主要依靠高分辨T2WI序列對新輔助治療的療效進(jìn)行術(shù)前mrTRG分級，僅在形態(tài)學(xué)上評估療效，與病理TRG缺乏對應(yīng)，無法滿足精準(zhǔn)醫(yī)學(xué)的要求[3]。影像組學(xué)(radiomics)是將影像數(shù)據(jù)定量分析并與機(jī)器學(xué)習(xí)(machine learning，ML)方法相結(jié)合，篩選出具有診斷價值的影像組學(xué)特征，建立診斷模型，為影像診斷及治療決策提供更精準(zhǔn)的信息。

本研究采用影像組學(xué)的方法，在磁共振高分辨T2WI圖像上分別提取治療前基線檢查的組學(xué)特征及治療前和治療后改變的組學(xué)特征，探討基于這兩種特征提取方法的影像組學(xué)模型對LARC新輔助治療的療效評估價值。

材料與方法

1.患者資料

回顧性分析2018年1月-2018年12月在本院經(jīng)手術(shù)病理證實，行新輔助放化療的80例LARC患者(cT3/T4N0M0或cTxN+M0)，男60例，女20例，年齡28～74歲，平均56.2±9.9歲。納入標(biāo)準(zhǔn)：①術(shù)后病理類型為直腸腺癌；②直腸單發(fā)病灶；③基線檢查及nCRT后術(shù)前評估均行直腸高分辨T2WI序列掃描；④術(shù)前檢查后行根治性手術(shù)治療，有TRG分級的詳細(xì)病理報告結(jié)果。排除標(biāo)準(zhǔn)：①圖像質(zhì)量欠佳，如明顯偽影導(dǎo)致無法對圖像進(jìn)行分割及提取影像組學(xué)特征；②術(shù)前MRI檢查距手術(shù)間隔時間超過12周[4-5]；③病程中另外接受其他局部治療、靶向治療或免疫治療。

2.MR檢查方法

采用Siemens 3.0T Skyra MR成像系統(tǒng)，腹部相控陣線圈。所有患者檢查前禁食4 h。檢查前使用一支開塞露(20 mL甘油)清潔患者腸道。直腸MR掃描主要序列包括：脂肪抑制T2WI(矢狀面)，T1WI(橫軸面)、高分辨T2WI(斜橫軸面)、DWI及增強(qiáng)掃描。高分辨T2WI平面垂直于病灶處腸管的長軸。掃描參數(shù)：TR 4000 ms，TE 108 ms，F(xiàn)OV 180 mm，矩陣320×320，層厚3 mm，無層間距，層數(shù)28，翻轉(zhuǎn)角150°，帶寬108 Hz/像素，無脂肪抑制技術(shù)，GRAPPA并行采集模式，加速因子為3，采集時間為4 min 10 s。

3.治療方案及病理標(biāo)準(zhǔn)

所有患者術(shù)前均行長程適形調(diào)強(qiáng)盆腔放療，處方劑量為45～50 Gy，共25～28次，5周到5周半完成?；熡诘谝淮闻枨环暖熼_展時口服卡培他濱或靜滴5-氟尿嘧啶(5-fluorouracil，5-FU)[4-5]。新輔助放化療結(jié)束后間隔5～12周行直腸癌根治性切除術(shù)[6]。術(shù)后病理判斷腫瘤退縮分級(tumor regression grade，TRG)，根據(jù)美國癌癥聯(lián)合委員會(American Joint Committee on Cancer，AJCC)第八版的分類標(biāo)準(zhǔn)[7]分為0～3級共4類。TRG 0級(完全消退)：鏡下無腫瘤細(xì)胞殘留；TRG 1級(中等退縮)：鏡下僅見單個或小灶性腫瘤細(xì)胞殘留；TRG 2級(輕微退縮)：可見腫瘤細(xì)胞殘留但少于纖維化間質(zhì)；TRG 3級(無退縮)：無或僅少量腫瘤細(xì)胞壞死，可見廣泛的腫瘤細(xì)胞殘留。據(jù)此將TRG 0和TRG 1級歸類為療效良好組，將TRG 2和TRG 3級歸類為療效不良組。

4.圖像VOI選取和特征提取

分別將nCRT前、后采集到的DICOM圖像導(dǎo)入后處理平臺(大數(shù)據(jù)智能分析云平臺，慧影醫(yī)療科技有限公司，北京)，由兩名具有5年以上經(jīng)驗的放射科醫(yī)師采用手動方式在T2WI圖像上分別沿病變邊緣逐層勾畫興趣區(qū)(region of interest，ROI)，自動生成病灶的三維容積興趣區(qū)(volume of interest，VOI)，見圖1。分為兩種模型提取特征，Model 1：僅提取基線影像組學(xué)特征；Model 2：提取治療前基線和治療后改變的影像組學(xué)特征，代表nCRT后的組學(xué)變化。分為以下兩類特征：①基于特征類：一階統(tǒng)計量特征(first order statistic)，形狀特征(shape-based)，紋理特征(texture)，包括：灰度級共生矩陣(gray level co-occurrence matrix，GLCM)、灰度級長度矩陣(gray level run length matrix，GLRLM)、灰度級形狀矩陣(gray level size zone matrix，GLSZM)和領(lǐng)域灰度差分矩陣(neighborhood gray-tone difference matrix，NGTDM)；②基于過濾器類：小波分析(wavelets)、拉普拉斯轉(zhuǎn)換(laplacian transforms)、對數(shù)特征(logarithm)、指數(shù)特征(exponential)、明可夫斯基函數(shù)(minkowski functionals)、分形維數(shù)(fractal dimensions)等方式處理后再提取的高階特征，共1409組，Model 1：1409個特征，Model 2：2818個特征。

圖1 直腸癌病灶分割示意圖。a)基線高分辨T2WI，逐層勾畫ROI；b)治療前病灶重建VOI；c)治療后復(fù)查高分辨T2WI，逐層勾畫ROI；d)治療后病灶重建VOI。

5.模型構(gòu)建及統(tǒng)計學(xué)分析

首先將上述獲取到的兩種方法的所有特征分別進(jìn)行組內(nèi)相關(guān)系數(shù)(intraclass correlation coefficient，ICC)分析，選擇ICC>0.8的特征，最后采用最小絕對收縮算子算法(least absolute shrinkage and selection operator，LASSO)進(jìn)行降維，分別選擇對TRG分級最有價值的特征。隨機(jī)選取70%的病例作為訓(xùn)練集構(gòu)建隨機(jī)森林(random forests，RF)模型，剩余30%的病例作為測試集，兩種方法分別進(jìn)行驗證。兩種模型分別繪制受試者操作特征(receiver operating characteristic，ROC)曲線，計算曲線下面積(area under curve，AUC)、敏感度、特異度、95%置信區(qū)間(95% CI)、符合率、陽性似然比、陰性似然比、陽性預(yù)測值、陰性預(yù)測值。采用Delong檢驗比較組間差異。采用決策曲線分析(decision curve analysis，DCA)評估不同風(fēng)險閾值下的臨床獲益。

結(jié) 果

1.病理結(jié)果

最終共納入80例LARC直腸癌患者(臨床分期T3-4，N0，M0或任何T，N1-2，M0)，nCRT后臨床評估49例患者降期(61.25%)。根據(jù)術(shù)后病理報告：TRG 0級15例(圖2)，TRG 1級14例，TRG 2級32例(圖3)，TRG 3級19例。療效良好組29例(36.25%)，療效不良組51例(63.75%)。療效良好組男、女性別比為21：8，平均年齡55.6±9.3歲；療效不良組男、女性別比為39：12，平均年齡56.8±10.1歲，兩組間性別及年齡差異無統(tǒng)計學(xué)意義(χ2=0.162，P=0.790；t=0.525，P=0.601)。

2.影像組學(xué)特征

Model 1初始1409個組學(xué)特征，其中121個特征ICC<0.8；Model 2初始2818個特征，272個特征ICC<0.8，兩種方法差異無統(tǒng)計學(xué)意義(χ2=1.262，P=0.286)。去除ICC<0.8的特征后Model 1降維得到28個相關(guān)特征；Model 2降維得到3個相關(guān)特征(圖4)。

3.隨機(jī)森林分類器模型的建立及診斷效能評價

降維后的兩組影像組學(xué)特征與TRG分級建立隨機(jī)森林(RF)分類器模型。Model 1和Model 2的訓(xùn)練集AUC分別為0.698、0.708，Model 1和Model 2的測試集AUC分別為0.943、0.950，組間比較Delong檢驗P值為0.848(表1，圖5)。決策曲線顯示總體上兩種預(yù)測模型均有臨床獲益(圖6)。

討 論

1.傳統(tǒng)影像學(xué)對直腸癌nCRT療效評估的局限性

TRG作為新輔助治療后的一個預(yù)后獨立因子，廣泛應(yīng)用于評估直腸癌新輔助治療的療效[6]。但是，TRG作為金標(biāo)準(zhǔn)依靠術(shù)后病理進(jìn)行分級，因此如何應(yīng)用影像學(xué)方法來術(shù)前準(zhǔn)確評估直腸癌新輔助治療的療效便成了一個非常迫切的問題。目前利用MR腫瘤消退分級(MR imaging tumor regression grade，mrTRG)進(jìn)行術(shù)前療效評估受到廣泛關(guān)注，但是mrTRG分級系統(tǒng)基于高分辨T2WI，對腫瘤大小及信號變化進(jìn)行評價，根據(jù)主觀判斷分為五個等級(mrTRG1-5)，而病理TRG分為0～3共4個等級(NCCN指南推薦根據(jù)Ryan R等的分級系統(tǒng))[3]，兩種分級系統(tǒng)無法對應(yīng)。因此本研究希望引入影像組學(xué)的方法來分析組學(xué)特征與病理TRG的關(guān)系。

表1 兩種模型測試集ROC曲線分析

圖2 男，64歲，大便帶血1年余。a)基線高分辨T2WI示直腸前壁不均勻增厚占管腔3/4圈(箭)；b)nCRT后復(fù)查高分辨T2WI示直腸前壁見低信號疤痕殘留，提示病灶明顯退縮(箭)；c)病理示(直腸)新輔助治療后，未見癌組織，符合直腸癌新輔助放化療后腫瘤完全退縮，TRG 0級(HE，×1)。 圖3 男，38歲，無明顯原因大便次數(shù)增多6個月余。a)基線高分辨T2WI示腸壁增厚占管腔1/4圈(箭)；b)nCRT后復(fù)查高分辨T2WI示病灶體積較前縮小(箭)；c)病理示(直腸)中分化腺癌，新輔助治療后輕微退縮，TRG 2級(HE，×20)。

影像組學(xué)是應(yīng)用高通量運算提取并整合醫(yī)學(xué)影像中海量的肉眼無法識別的數(shù)字化信息，規(guī)避了觀察者本身對于影像特征解讀的主觀偏向，從而擁有了能夠量化分析腫瘤異質(zhì)性的能力[8]，輔助醫(yī)師做出治療決策[9-11]，有望成為精準(zhǔn)影像醫(yī)學(xué)的重要基石[12]。目前，一些國內(nèi)外學(xué)者已開始進(jìn)行影像組學(xué)對結(jié)直腸腫瘤nCRT后療效評價的相關(guān)研究[13-17]。本研究采用RF分類器，屬于監(jiān)督式學(xué)習(xí)，是一種包含多棵決策樹的集成學(xué)習(xí)方法，每棵分類樹通過Boot strapping算法(自助法)訓(xùn)練子分類器，通過組合子分類器的投票結(jié)果獲得最終分類結(jié)果[18]，能夠減少問題的復(fù)雜性和節(jié)省訓(xùn)練時間，增強(qiáng)了分類模型的泛化能力，不容易過擬合，且具有較強(qiáng)的抗噪能力。

2.影像組學(xué)模型對直腸癌nCRT療效評估的效能

本研究對接受新輔助治療的LARC患者分別提取治療前基線檢查的影像組學(xué)特征以及治療前后的組學(xué)特征，建立這兩種不同維度的模型。Model 1的特征提取方法僅納入腫瘤本身的基線組學(xué)特征，更直接反應(yīng)腫瘤負(fù)荷[13]，傾向于體現(xiàn)模型對療效的預(yù)測能力，而Model 2聯(lián)合了治療前后的組學(xué)特征，特征的改變更接近于術(shù)后病理特征，建立的模型側(cè)重于治療后的再評價能力[15-16]。

圖4 TRG相關(guān)影像組學(xué)特征。a)Model 1，28個特征；b)Model 2，3個特征。

圖5 兩種模型測試集ROC曲線。 圖6 決策曲線評估臨床獲益。Y軸是凈收益，通過獲得真陽性然后減去假陽性來計算的；X軸表示風(fēng)險因素的概率閾值。當(dāng)概率閾值為10%～80%時，采用影像組學(xué)方法預(yù)測TRG分級優(yōu)于將所有患者都看作療效良好，也優(yōu)于將所有患者看作療效不良。兩種預(yù)測模型的曲線于約55%的風(fēng)險閾值處相交，此時兩種模型的臨床獲益相仿，在此之前Model 2的臨床獲益略高。

兩個模型ROC曲線分析均有較好的診斷效能，且差異無統(tǒng)計學(xué)意義(Model 1的AUC為0.943，Model 2的AUC為0.950，P>0.05)。其中Model 1(98.0%)的特異度高于Model 2(90.2%)，且陽性似然比較高(>10)，提示該模型能夠較準(zhǔn)確地識別真正的對新輔助治療敏感的患者(模型預(yù)測療效好時真陽性的概率大)。而Model 2(85.7%)的敏感度高于Model1(96.4%)，陰性似然比也較低(<0.1)，表明該模型發(fā)現(xiàn)新輔助治療效果不佳的患者的可能性增加(模型評估療效不良時真陰性的可能性大)。同時兩種模型的陽性預(yù)測值和陰性預(yù)測值都較高，不會導(dǎo)致過度治療或治療延誤。

DCA結(jié)果顯示，當(dāng)概率閾值為10%～80%時，兩種模型均有較大的臨床獲益。兩曲線于約55%的風(fēng)險閾值處相交，此時兩種模型的凈收益相仿，在此之前Model 2優(yōu)于Model 1。本組研究療效良好組占36.25%，此時Model 2的曲線位于Model 1之上，凈獲益更好。

3.局限性

本次研究仍存在以下局限性：第一，單中心回顧性的研究納入的樣本量相對較小，需設(shè)計前瞻性多中心研究，擴(kuò)大樣本量以減少數(shù)據(jù)量對模型的影響；第二，由于直腸癌病灶形態(tài)欠規(guī)則，本研究采用的傳統(tǒng)手動勾畫興趣區(qū)的方法分割耗時久，工作量大，不適用于大規(guī)模的數(shù)據(jù)處理，且可重復(fù)性及穩(wěn)定性差，這可能會影響紋理特征的準(zhǔn)確性，基于深度學(xué)習(xí)的興趣區(qū)半自動/自動分割方法將是未來的一個重要研究內(nèi)容；第三，本研究分析影像組學(xué)特征沒有結(jié)合相關(guān)臨床風(fēng)險因素，有待下一步驗證研究。

綜上所述，采用MRI基線檢查的影像組學(xué)模型與治療前后改變的影像組學(xué)模型均可以判斷直腸癌新輔助治療后的腫瘤退縮程度。因此，應(yīng)用影像組學(xué)模型可以對直腸癌新輔助治療的療效進(jìn)行有效評估，從而實現(xiàn)個體化精準(zhǔn)醫(yī)療。