基于CT的紋理分析預(yù)測甲狀腺乳頭狀癌BRAFV600E突變

童永秀，陳永欽，陳曉芳，張瑋，張惠娟*

1.福建醫(yī)科大學省立臨床醫(yī)學院，福建省立醫(yī)院南院放射科，福建 福州 350028；2.福建醫(yī)科大學附屬協(xié)和醫(yī)院病理科，福建 福州 350001；3.福建省立醫(yī)院放射科，福建 福州 350001； *通信作者 張惠娟 workyx22@163.com

近年全世界范圍內(nèi)甲狀腺癌的發(fā)病率均明顯升高，其中絕大部分為甲狀腺乳頭狀癌（papillary thyroid carcinoma，PTC），占所有分型的80%以上[1]。BRAFV600E是一種與PTC密切相關(guān)的基因，既往研究證實，合并BRAFV600E突變的PTC具有更強的侵襲性，臨床上需要選擇積極的、擴大范圍的手術(shù)治療方案[2]。因此，明確PTC的BRAFV600E突變情況，可對患者進行高風險分類，并制訂相應(yīng)的治療計劃。紋理分析是影像組學的一種新型的無創(chuàng)方法，利用從醫(yī)學圖像中提取的數(shù)據(jù)轉(zhuǎn)化成高通量、可挖掘的和定量的紋理特征，可用于揭示腫瘤的內(nèi)部結(jié)構(gòu)特征（如病理生理狀況）[3-4]。近年多項研究將影像組學紋理特征與不同器官的腫瘤分子特征聯(lián)系起來，目前將影像組學應(yīng)用于預(yù)測甲狀腺癌的分子狀態(tài)的相關(guān)研究較少[5-6]。本研究將基于CT的紋理分析用于預(yù)測PTC的BRAFV600E突變情況，并評價其判斷性能。

1 資料與方法

1.1 研究對象 系統(tǒng)性回顧2016年1月—2019年12月在福建省立醫(yī)院南院完成術(shù)前甲狀腺CT靜脈期增強掃描檢查后接受手術(shù)治療，并經(jīng)病理證實且成功進行BRAFV600E突變分析的PTC患者。排除標準：①結(jié)節(jié)直徑<10 mm，因為<10 mm的病灶ROI準確性低[7]；②多發(fā)結(jié)節(jié)的病理、BRAF突變情況和CT圖像缺乏準確對應(yīng)；③非首次發(fā)現(xiàn)、經(jīng)過臨床干預(yù)和治療的病例。最終納入52例PTC患者，其中女38例，男14例；年齡19～78歲，平均（41.1±13.3）歲。

1.2 CT檢查和圖像評估 采用Siemens 64排螺旋CT掃描儀（Definition AS 128），所有患者行雙期增強掃描?；颊呷⊙雠P位，掃描范圍從口咽部至鎖骨上緣，對胸骨后甲狀腺病例，掃描至氣管分叉水平。掃描參數(shù)：管電壓120 kV，采用自動管電流調(diào)節(jié)技術(shù)，參考毫安秒165 mAs，準直寬度128×0.6 mm，螺距0.8，球管旋轉(zhuǎn)時間0.3 s，層厚3 mm。增強掃描采用雙筒高壓注射器，使用非離子型對比劑碘佛醇（320 mgI/ml，江蘇恒瑞醫(yī)藥股份有限公司）90 ml，以3 ml/s經(jīng)右肘前靜脈注射；靜脈期掃描延遲時間為70 s。

所有患者的術(shù)前CT增強靜脈期圖像由2名具有10年以上甲狀腺疾病診斷經(jīng)驗的放射醫(yī)師進行回顧分析和評估，意見不一致時協(xié)商統(tǒng)一。

1.3 紋理特征分析 將圖像通過PACS下載并導入MaZda 4.6軟件。在腫瘤的最大層面、沿病灶邊緣勾畫感興趣區(qū)（ROI），勾畫過程中盡可能保持勾畫范圍與病灶本身大小一致，同時避開明顯的鈣化及囊變區(qū)（圖1）。MaZda軟件對ROI進行紋理分析，分為3步：①紋理特征參數(shù)提?。篗aZda軟件提供了灰度直方圖、灰度絕對梯度、游程矩陣、灰度共生矩陣、自回歸模型和小波分析6種紋理分析方法。本研究綜合采用以上6種紋理分析方法，每個ROI共得到256個紋理特征參數(shù)。②最優(yōu)特征選擇：分別運用軟件內(nèi)的費希爾參數(shù)法（Fisher）、最小分類誤差與最小平均相關(guān)系數(shù)法（POE+ACC）和互信息測度法（MI）3種常見的特征選擇算法，對256個特征參數(shù)進行篩選，得到10個最優(yōu)特征。③最優(yōu)特征數(shù)據(jù)降維和分類：使用軟件自帶的B11程序中的主要成分分析（PCA）、線性判別分析（LDA）和非線性判別分析（NDA）3種降維方法對10個最優(yōu)特征進行降維。最后，根據(jù)降維情況軟件會對病灶進行分類，并得出BRAFV600E的誤判率R。

圖1 CT增強掃描靜脈期PTC感興趣區(qū)勾畫。A.CT增強掃描靜脈期，甲狀腺左葉PTC（箭）；B.沿腫瘤邊緣勾畫感興趣區(qū)（紅色區(qū)域，箭）

根據(jù)R的大小將紋理分析結(jié)果分為5個等級[8]：≤10%為優(yōu)秀，10%40%為較差。

1.4 病理學診斷 PTC及BRAFV600E突變診斷以術(shù)后病理學檢查為依據(jù)，病理學資料來自我院病理科。

1.5 統(tǒng)計學方法 采用SPSS 23.0軟件進行統(tǒng)計學分析。采用受試者工作特征（ROC）曲線進行分析，并計算相應(yīng)的曲線下面積（AUC）、敏感度、特異度、準確度、陽性預(yù)測值、陰性預(yù)測值和約登指數(shù)，評價各種組合方案的性能。

2 結(jié)果

2.1 病理診斷 52例患者中，BRAFV600E陽性32例，陰性20例。

2.2 不同紋理分析方法預(yù)測BRAFV600E突變的誤判率 不同紋理特征選擇算法和不同降維方法組合下預(yù)測BRAFV600E突變陽性和陰性的總誤判率R見表1。無論哪種特征選擇算法，NDA降維方法誤判率最低，均在10%以下，屬于優(yōu)秀；其次為LDA，各種組合誤判率均<20%，屬于優(yōu)秀-良好；PCA的誤診率最高，均>30%，屬于一般甚至較差。誤判率最低的組合是POE+ACC+NDA，為3.85%；誤判率最高的組合是Fisher+PCA，為53.85%。未發(fā)現(xiàn)哪種特征選擇算法具有較突出的優(yōu)勢或劣勢。

表1 不同紋理分析方法對PTC患者BRAFV600E突變誤判率

2.3 不同紋理分析方法預(yù)測BRAFV600E突變的性能評價 將上述結(jié)果進一步繪制成ROC曲線（圖2），各指標評價不同紋理特征分析方法預(yù)測PTC 患者BRAFV600E突變的性能見表2。PCA降維方法的AUC為0.4～0.7，診斷性能較低；LDA的AUC為0.7～0.95，有較好的診斷性能；NDA的AUC均>0.9，診斷性能高。診斷性能最好的組合POE+ACC+NDA的AUC約為0.969；診斷性能最差的組合Fisher+PCA的AUC約為0.413。

表2 不同紋理分析方法組合對PTC患者BRAFV600E突變預(yù)測性能評價

圖2 不同紋理分析方法組合下PTC BRAFV600E突變預(yù)測的ROC曲線

3 討論

目前，甲狀腺癌的主要挑戰(zhàn)是需要一種更有效、更準確的生物學標志物預(yù)測PTC的侵襲性，將這類高風險、需要積極治療的甲狀腺癌患者鑒別出來。然而，分子分型、BRAFV600E突變等生物學標志物需通過有創(chuàng)的活檢或手術(shù)取得標本進行分析。影像組學作為一種新興的非侵襲性方法，在預(yù)測腫瘤生物學標志物方面具有很大的潛力，目前已用于預(yù)測多種惡性腫瘤的基因突變情況[9-12]。關(guān)于PTC患者BRAFV600E突變的評估，Kwon等[5]和Yoon等[6]基于超聲圖像的影像組學進行了相應(yīng)的預(yù)測研究。本研究發(fā)現(xiàn)運用MaZda軟件對PTC患者術(shù)前CT圖像進行紋理分析，可以預(yù)測BRAFV600E突變情況，但是不同降維方法對結(jié)果預(yù)測的準確率存在一定的差異，其中NDA具有很高的診斷性能。

MaZda是目前主流的影像組學軟件之一，在國內(nèi)外運用非常廣泛。該軟件提供Fisher、P0E+ACC和MI等多種紋理特征選擇算法進行紋理特征提??；同時自帶有B11程序，其內(nèi)含的PCA、LDA和NDA等降維方法和分類器可以對提取的紋理特征進行降維、分類，最終對數(shù)據(jù)作出鑒別。本研究所選的3種降維方法中，PCA和LDA均是使用數(shù)據(jù)線性變換進行分類；而NDA則通過數(shù)據(jù)非線性變換實現(xiàn)分類[13-14]。由于腫瘤異質(zhì)性（包括時間異質(zhì)性和空間異質(zhì)性）的原因，腫瘤細胞間及內(nèi)部存在一定的特性和差異性，一部分細胞提供了BRAFV600E突變的基礎(chǔ)，而另一些細胞沒有突變[7]。此外，BRAFV600E突變與腫瘤大小、多灶性、疾病分期、侵襲性變異及橋本甲狀腺炎患病率等多種因素相關(guān)[15-16]。因此，對于惡性腫瘤和腫瘤BRAFV600E突變情況收集的數(shù)據(jù)更符合非線性數(shù)據(jù)集，運用NDA獲得的準確性最高。另外，軟件也指出PCA能夠最優(yōu)地表示數(shù)據(jù)集，但是在數(shù)據(jù)分類上的效果相對較差[14]，因此PCA的結(jié)果相對不可靠。本研究中，不管組合哪種特征選擇算法，誤判率最低和最高的均分別為NDA和PCA；相應(yīng)地，NDA診斷性能也較高，而PCA的診斷性能較低。但是對于3種特征選擇算法的優(yōu)劣，并未顯示出巨大的差異性，可能與研究數(shù)據(jù)的特征重疊有關(guān)。

運用MaZda軟件預(yù)測腫瘤基因突變既往鮮有報道，但用于預(yù)測甲狀腺腫瘤良惡性的研究較多。Ardakani等[17]采用超聲影像組學預(yù)測甲狀腺結(jié)節(jié)的良惡性，結(jié)果顯示采用POE+ACC+NDA組合分析得到最佳結(jié)果，準確率為97.14% ； 與本研究結(jié)果POE+ACC+NDA組合最高準確率96.2%相近；但該研究僅采用Fisher和POE+ACC特征選擇算法，并未選用MI方法。黃福靈等[18]運用MaZda軟件基于CT增強圖像預(yù)測甲狀腺結(jié)節(jié)的良惡性，結(jié)果發(fā)現(xiàn)采用NDA降維方法得到的準確率最高，與本研究結(jié)果一致。然而，Kwon等[5]基于超聲圖像用Py-Radiomics開源影像組學軟件預(yù)測PTC患者BRAFV600E基因突變情況，結(jié)果發(fā)現(xiàn)各種降維和分離器選擇對實驗結(jié)果影響不大，但特征選擇的算法會影響結(jié)果的性能，最終結(jié)論認為超聲影像組學對PTC患者BRAF突變情況的預(yù)測價值有限，有待進一步研究證實。Yoon等[6]的研究也得出相似的結(jié)論。本研究結(jié)果顯示，選用NDA降維方法進行分析時，AUC均>0.9，具有很高的準確性，推測可能原因是所選用的影像組學軟件不同造成結(jié)果不一致，這也是目前影像組學研究存在的最大困擾之一。另一方面，即使選用同一款軟件，由于紋理特征分析方法的多樣性，選擇不同的方法和組合也會影響實驗結(jié)果的對比性。因此，影像組學研究有待進一步制訂統(tǒng)一、規(guī)范化的標準。

美國甲狀腺協(xié)會指南指出，主動監(jiān)測已成為低風險PTC患者安全替代手術(shù)干預(yù)的方法；而對于具有侵襲性的高風險PTC患者，積極、擴大范圍的手術(shù)治療是安全、可靠的方案[19]?；贑T的紋理分析研究可以幫助臨床醫(yī)師在術(shù)前明確PTC的BRAFV600E突變情況，對患者進行高風險分類并制訂相應(yīng)的治療計劃；同時也指導低風險PTC患者隨訪觀察，避免手術(shù)等過度治療。此外，本研究結(jié)果對于后續(xù)運用MaZda軟件進行相關(guān)領(lǐng)域紋理特征分析具有一定的指導意義：如進行腫瘤良惡性或分子特征預(yù)測研究時，NDA降維方法可作為首選。

總之，由術(shù)前CT圖像提取的紋理特征作為預(yù)測PTC存在BRAFV600E突變狀態(tài)的非侵入性生物標志物具有一定的價值。但由于本研究納入樣本量較小，10 mm以下的結(jié)節(jié)未納入研究，而且選用特定的MaZda影像組學軟件。因此，需要擴大樣本量和研究范圍，選用其他影像組學軟件進一步研究論證。