基于胸部CT影像組學(xué)的列線圖對(duì)非小細(xì)胞肺癌表皮生長因子受體基因突變的預(yù)測價(jià)值

甄濤 王羅羽 沈起鈞

肺癌為我國常見的惡性腫瘤之一，其中非小細(xì)胞肺癌（non-small cell lung cancer,NSCLC）約占所有肺癌的85%[1-2]。目前研究發(fā)現(xiàn)表皮生長因子受體（epidermal growth factor receptor,EGFR）基因是驅(qū)動(dòng)NSCLC發(fā)病的最常見突變基因[3]。它是一種酪氨酸激酶受體，部分靶向藥物能有效抑制其活性，例如對(duì)于EGFR基因突變相關(guān)腫瘤，吉非替尼治療有效率高達(dá)80%以上[4]。因此在靶向治療前明確腫瘤的基因型至關(guān)重要，然而并不是所有病灶都適合通過活檢來獲得有代表性的組織學(xué)標(biāo)本。而且由于腫瘤的異質(zhì)性，穿刺組織標(biāo)本也不能完全反映病灶的表型和遺傳變異。雖然，體液檢測可以獲得血漿中的突變基因，但當(dāng)腫瘤較小，沒有足夠量的DNA脫落到循環(huán)血液中時(shí)，突變基因常會(huì)被遺漏[5]。目前一些國內(nèi)外研究顯示，基于胸部CT的影像組學(xué)對(duì)于EGFR基因突變狀態(tài)有一定的預(yù)測價(jià)值[5-8]。因此，筆者通過CT影像組學(xué)、圖像語義特征及臨床資料的列線圖對(duì)NSCLC EGFR基因突變狀態(tài)進(jìn)行鑒別及預(yù)測，旨在為臨床診斷及治療提供更為便捷、有效的方法，現(xiàn)報(bào)道如下。

1 對(duì)象和方法

1.1 對(duì)象 回顧2019年1月至2020年8月杭州市第一人民醫(yī)院經(jīng)手術(shù)病理檢查證實(shí)為NSCLC患者235例。納入標(biāo)準(zhǔn)：（1）術(shù)前有胸部CT檢查資料；（2）術(shù)后病理證實(shí)為NSCLC，且有EGFR基因檢查結(jié)果；（3）其他臨床資料齊全；（4）結(jié)節(jié)直徑≥0.5 cm。排除標(biāo)準(zhǔn)：（1）術(shù)前接受過放化療及靶向治療；（2）既往有肺癌病史的復(fù)發(fā)患者；（3）圖像質(zhì)量不佳，影響病灶勾畫；（4）病灶貼近縱隔大血管，影響勾畫。排除無EGFR基因檢測結(jié)果52例，結(jié)節(jié)直徑＜0.5 cm 5例，術(shù)前接受過治療3例，腫瘤復(fù)發(fā)5例，CT圖像質(zhì)量不佳9例，結(jié)節(jié)靠近縱隔大血管8例，最終納入153例，其中男48例，女105例，年齡 29～79（59.2±10.4）歲。收集患者的年齡、性別、吸煙史、肺癌相關(guān)腫瘤指標(biāo)等臨床資料。本研究經(jīng)本院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)，所有患者均簽署知情同意書。

1.2 CT檢查方法 采用美國GE Lightspeed VCT 16排螺旋CT掃描儀進(jìn)行胸部掃描，準(zhǔn)直器0.625 mm，F(xiàn)OV 350 mm ×350 mm，管電壓120 kV，管電流160 mAs，層厚1.25 mm。掃描圖像以DICOM格式導(dǎo)出。

1.3 相關(guān)圖像語義特征的定義 由2位具有5年以上呼吸系統(tǒng)影像診斷經(jīng)驗(yàn)的放射科主治以上職稱醫(yī)生分別對(duì)所有結(jié)節(jié)進(jìn)行分型，包括：（1）實(shí)性結(jié)節(jié)；（2）純磨玻璃結(jié)節(jié)；（3）部分實(shí)性結(jié)節(jié)。同時(shí)描述結(jié)節(jié)是否有以下征像：（1）空氣支氣管征；（2）胸膜牽拉；（3）血管聚集；（4）毛刺征。

1.4 圖像勾畫、特征提取及篩選 先由2位具有5年以上呼吸系統(tǒng)影像診斷經(jīng)驗(yàn)的放射科主治以上職稱醫(yī)生使用軟件ITK-SNAP（Version 3.6）分別手動(dòng)對(duì)術(shù)前胸部CT圖像上相應(yīng)病灶進(jìn)行勾畫，沿著腫瘤邊緣逐層勾畫其感興趣區(qū)域（region of interest,ROI），盡量避免周圍正常組織勾畫其中，當(dāng)結(jié)節(jié)靠近胸膜時(shí)，要求勾畫距離胸膜超過1 mm，避免將胸膜勾畫其中，保存勾畫病灶的ROI。將勾畫完成的圖像導(dǎo)入美國GE Analysis Kit（AK）軟件進(jìn)行特征提取，共提取396個(gè)特征。對(duì)2位醫(yī)生所提取的特征進(jìn)行一致性分析，保留組內(nèi)相關(guān)系數(shù)（intraclass correlation coefficients,ICC）≥0.75的特征，使用最小冗余最大相關(guān)算法（minimum redundancy maximum relevance,mRMR）降低之前所保留特征集的冗余度，通過最小絕對(duì)緊縮與選擇算子（least absolute shrinkage and selection operator,LASSO）回歸對(duì)各個(gè)特征進(jìn)行降維，得到差異有統(tǒng)計(jì)學(xué)意義的影像組學(xué)特征參數(shù)，利用特征參數(shù)進(jìn)行多因素二元logistic回歸分析建模，同時(shí)計(jì)算影像組學(xué)特征參數(shù)分?jǐn)?shù)（Rad-score）。在訓(xùn)練組中對(duì)每個(gè)潛在預(yù)測變量包括性別、年齡、吸煙史、肺癌相關(guān)腫瘤指標(biāo)[包括神經(jīng)元特異性烯醇化酶（NSE）、細(xì)胞角蛋白 19片段（YFRA21-1）、癌胚抗原（CEA）、糖類抗原 19-9（CA19-9）、CA125、CA242]、結(jié)節(jié)分型、空氣支氣管征、胸膜牽拉、血管聚集、毛刺征等進(jìn)行單因素二元logistic回歸分析，篩選出P＜0.1的特征，再對(duì)這些篩選出的特征進(jìn)行多因素二元logistic回歸分析，最終篩選出獨(dú)立預(yù)測因子。

1.5 模型建立與驗(yàn)證 用篩選出的獨(dú)立預(yù)測因子建立臨床-語義特征模型。之后將聯(lián)合篩選出的獨(dú)立預(yù)測因子和Rad-score構(gòu)建聯(lián)合模型，并制作列線圖。模型建立之后，使用Hosmer-Lemeshow檢驗(yàn)分析擬合度。繪制ROC曲線，采用AUC評(píng)價(jià)各個(gè)模型對(duì)NSCLC基因突變狀態(tài)的預(yù)測效能。使用決策曲線評(píng)估各個(gè)模型的凈效益。

1.6 統(tǒng)計(jì)學(xué)處理 采用R Studio3.6.1統(tǒng)計(jì)軟件。正態(tài)分布的計(jì)量資料以表示，組間比較采用獨(dú)立樣本t檢驗(yàn)；非正態(tài)分布的計(jì)量資料以 M（P25，P75）表示，組間比較采用秩和檢驗(yàn)；計(jì)數(shù)資料組間比較采用χ2檢驗(yàn)。采用ICC評(píng)價(jià)2位測量者的測量一致性及對(duì)腫瘤的語義特征的定義一致性，ICC≥0.75為一致性較好。訓(xùn)練組及驗(yàn)證組構(gòu)建的Rad-score對(duì)EGFR基因狀態(tài)預(yù)測的比較采用Wilcoxon秩和檢驗(yàn)。采用Hosmer-Lemeshow檢驗(yàn)分析擬合度，P＞0.05提示模型擬合較好。繪制決策曲線分析凈效益。采用Delong檢驗(yàn)進(jìn)行模型間AUC的比較。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 臨床特征選擇 根據(jù)7∶3的比例進(jìn)行分層抽樣將153例患者隨機(jī)分成訓(xùn)練組108例和驗(yàn)證組45例。根據(jù)EGFR基因檢測結(jié)果將所有患者分為突變組90例及野生組63例，兩組患者的臨床特征比較見表1。通過單因素logistic回歸共篩選出3個(gè)獨(dú)立預(yù)測因子，包括吸煙史、結(jié)節(jié)分型和血管聚集。對(duì)這些篩選出的獨(dú)立預(yù)測因子繼續(xù)采用多因素二元logistic回歸進(jìn)行篩選，最終篩選出的獨(dú)立預(yù)測因子分別是吸煙史（OR=2.65，P=0.056）和結(jié)節(jié)分型（OR=1.74，P=0.034）。基于這兩個(gè)獨(dú)立預(yù)測因子建立臨床-語義特征模型。

表1 EGFR基因突變組及野生組臨床特征比較

2.2 一致性評(píng)價(jià) 2位測量者獲得的影像組學(xué)特征參數(shù)的ICC范圍為0.553～0.864，其中＞0.75的特征355個(gè)，一致性較好。2位測量者對(duì)腫瘤語義特征定義的ICC為0.72～0.95，其中血管聚集的ICC為0.72，其余特征的ICC均＞0.75。因此采用高年資醫(yī)生的勾畫及評(píng)閱數(shù)據(jù)進(jìn)行特征選擇及建模。

2.3 影像組學(xué)特征篩選和模型建立 Hosmer-Lemeshow檢驗(yàn)顯示在訓(xùn)練組和驗(yàn)證組中各個(gè)臨床特征差異均無統(tǒng)計(jì)學(xué)意義（均P＞0.05），見表2，表明擬合無偏差。通過mRMR算法降低ICC＞0.75特征集的冗余度，保留了排名前20個(gè)特征，采用LASSO回歸進(jìn)一步降維，共得到13個(gè)影像組學(xué)特征，包括Correlation_AllDirection_offset7_SD（CA_o7_SD）、GLCMEnergy_angle135_offset7（Ga135_o7）、GLCMEnergy_angle90_offset7（Ga90_o7）、Cluster Shade_angle45_offset7（CSa45_o7）、kurtosis、High-GreyLevelRunEmphasis_AllDirection_offset4_SD（HA_o4_SD）、GLCMEntropy_AllDirection_offset7_SD（GA o7 SD）、GLCMEntropy_AllDirection_offset4_SD（GA o4 SD）、Clus-terShade_AllDirection_offset1_SD（CA_o1_SD）、Haralick-Correlation_AllDirection_offset1_SD（HA_o1_SD）、GLCM Energy_angle90_offset4（Ga90_o4）、InverseDifferenceMoment_AllDirection_offset7_SD（IA_o7_SD）、Inertia_angle45_offset7（Ia45_o7）。各個(gè)特征的相關(guān)系數(shù)見圖1。將選定的13個(gè)特征按相關(guān)系數(shù)加權(quán)求和得到Rad-score，最終公式為：Rad-score=0.672*（CA_o7_SD）+-0.482*（Ga135_o7）+0.635*（Ga90_o7）+-0.271*（CSa45_o7）+-0.342*kurtosis+-0.162*（HA_o4_SD）+0.109*（GA o7 SD）+-0.159*（GA o4 SD）+0.141*（CA_o1_SD）+-0.497* （HA_o1_SD）+-0.981* （Ga90_o4）+-0.512*（IA_o7_SD）+0.642*（Ia45_o7）+0.078?；?Rad-score建立影像組學(xué)特征模型。訓(xùn)練組與驗(yàn)證組患者EGFR基因突變狀態(tài)預(yù)測Rad-score的比較，差異均有統(tǒng)計(jì)學(xué)意義（均P＜0.05），見圖2。因此，Rad-score為獨(dú)立預(yù)測因子。

圖1 最優(yōu)影像組學(xué)特征組合及其相關(guān)系數(shù)

圖2 訓(xùn)練組與驗(yàn)證組構(gòu)建的影像組學(xué)特征參數(shù)分?jǐn)?shù)對(duì)表皮生長因子受體（EGFR）基因狀態(tài)的預(yù)測比較

表2 訓(xùn)練組和驗(yàn)證組臨床特征比較

將Rad-score、吸煙史、結(jié)節(jié)分型共3個(gè)特征作為EGFR基因突變的獨(dú)立預(yù)測因子進(jìn)行聯(lián)合模型建立，并獲取聯(lián)合模型的列線圖見圖3。通過該列線圖可以實(shí)現(xiàn)NSCLC EGFR基因突變的個(gè)體化預(yù)測，計(jì)算得出的數(shù)值越高，患者基因突變的可能性越高。分別繪制3個(gè)模型的ROC曲線，見圖4。結(jié)果發(fā)現(xiàn)，聯(lián)合模型的AUC在訓(xùn)練組及驗(yàn)證組均為最高，明顯高于臨床-語義特征模型（Z=2.9441、2.1306，均 P＜0.05）。影像組學(xué)特征模型的AUC高于臨床-語義特征模型，略低于聯(lián)合模型，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。決策曲線顯示，聯(lián)合模型較另外兩種模型有更好的凈效益，見表3、4及圖5。

圖3 基于訓(xùn)練組構(gòu)建聯(lián)合模型的列線圖

圖4 訓(xùn)練組和驗(yàn)證組的各個(gè)模型的ROC曲線圖（a：訓(xùn)練組；b：驗(yàn)證組）

圖5 3種模型的決策曲線圖

表3 訓(xùn)練組模型間的比較

3 討論

本研究建立了一種用于預(yù)測NSCLC EGFR基因突變的臨床-影像組學(xué)聯(lián)合模型，結(jié)果發(fā)現(xiàn)聯(lián)合模型是預(yù)測NSCLC EGFR基因突變的最優(yōu)模型，并且通過構(gòu)建列線圖實(shí)現(xiàn)了模型可視化。本研究結(jié)果表明，該聯(lián)合模型構(gòu)建的列線圖可以作為預(yù)測NSCLC EGFR基因突變的臨床工具。該結(jié)果與Mei等[9]的研究成果一致，然而本研究聯(lián)合模型AUC要明顯高于文獻(xiàn)結(jié)果（0.77比0.664），因此本研究模型具有更高的診斷效能，更方便臨床的實(shí)際應(yīng)用。

表4 驗(yàn)證組模型間的比較

大量流行病學(xué)研究表明，EGFR基因突變?cè)趤喼奕巳?、女性、非吸煙、腺癌的患者中發(fā)生率較高[10]。本研究結(jié)果與以往報(bào)道相符[11]。本研究還發(fā)現(xiàn)含有磨玻璃成分的腫瘤EGFR突變率63.2%（60/95）高于實(shí)性腫瘤51.7%（30/58），與以往多項(xiàng)研究結(jié)果[12-14]相符。有研究表明，腫瘤含磨玻璃成分比例越高，發(fā)生EGFR突變的概率越高，提示高比例的磨玻璃可以預(yù)測EGFR基因突變，這也表明結(jié)節(jié)分型是EGFR基因突變的重要預(yù)測因子[13，15]。因此，本研究經(jīng)過單因素及多因素二元logistic回歸分析后，得到一個(gè)由吸煙史及結(jié)節(jié)分型構(gòu)成的臨床-語義特征模型，模型的AUC在訓(xùn)練組及驗(yàn)證組的分別為0.64和0.58，然而該模型的診斷效能較低，并沒有達(dá)到臨床診斷要求。

以往研究已經(jīng)證明了CT影像的形態(tài)學(xué)特征有預(yù)測腫瘤突變狀態(tài)的潛力[16-21]。Chen等[17]研究表明常規(guī)CT特征包括肺氣腫、原發(fā)腫瘤的分葉程度、淋巴結(jié)大小和狀態(tài)有助于預(yù)測晚期肺腺癌EGFR突變狀態(tài)。另外，有研究對(duì)CT形態(tài)和臨床特征進(jìn)行Meta分析，證實(shí)有磨玻璃成分、空氣支氣管征、胸膜牽拉和血管集聚是NSCLC EGFR基因突變的危險(xiǎn)因素[19]。因此本研究也同時(shí)納入了這些語義特征進(jìn)行危險(xiǎn)因素分析，結(jié)果發(fā)現(xiàn)除了磨玻璃成分，其他特征對(duì)預(yù)測結(jié)果沒有貢獻(xiàn)。這一結(jié)果表明，這些特征對(duì)NSCLC EGFR基因突變的預(yù)測結(jié)果不穩(wěn)定。顯然，這些研究只著眼于定性特征與NSCLC中EGFR突變的關(guān)系。這些定性特征基于觀察者的主觀判斷，觀察者之間存在差異，例如血管聚集這個(gè)特征，2位觀察者間的ICC只有0.72，而且這些特征不能對(duì)腫瘤異質(zhì)性進(jìn)行量化。因此筆者便引入了影像組學(xué)這種對(duì)傳統(tǒng)影像進(jìn)行量化的方法。

與傳統(tǒng)的影像學(xué)方法相比，影像組學(xué)的優(yōu)勢(shì)在于通過高通量提取圖像中的定量特征，發(fā)掘出更多信息，從而反映病變的內(nèi)在異質(zhì)性，目前已被廣泛應(yīng)用于疾病鑒別、預(yù)后評(píng)估、療效評(píng)估等多個(gè)方面。有較多研究顯示了影像組學(xué)對(duì)NSCLC基因表型有潛在預(yù)測價(jià)值。雖然這些研究的預(yù)測價(jià)值低于標(biāo)準(zhǔn)的分子生物學(xué)，但是也顯示了較好的靈敏度和特異度[9，22]。以往的研究認(rèn)為熵值（Entropy）和峰度值（kurtosis）是鑒別EGFR 突變狀態(tài)的兩個(gè)最重要的影像組學(xué)特征[5]。本研究發(fā)現(xiàn)除了熵值和峰度值，還有能量（Energy）、聚類陰影（Cluster Shade）灰度游程長度矩陣（GreyLevelRunEmphasis）、哈拉利克相關(guān)（HaralickCorrelation）等特征也對(duì)鑒別EGFR基因突變狀態(tài)有貢獻(xiàn)。另有研究表明，影像組學(xué)模型在鑒別EGFR基因突變狀態(tài)方面要優(yōu)于傳統(tǒng)影像學(xué)與臨床特征的聯(lián)合模型[7]。因此筆者通過納入以上這些特征計(jì)算出Rad-score，同時(shí)結(jié)合臨床特征建立聯(lián)合模型，使模型的預(yù)測效能有所提高。同時(shí)聯(lián)合模型也獲得了理想的靈敏度、特異度、準(zhǔn)確度、陽性預(yù)測值及陰性預(yù)測值，因此筆者認(rèn)為基于胸部CT影像組學(xué)特征和圖像語義特征及臨床特征的聯(lián)合模型確有預(yù)測NSCLC是否發(fā)生EGFR基因突變的潛力。通過繪制列線圖實(shí)現(xiàn)了模型的可視化。列線圖是醫(yī)學(xué)中常用的預(yù)后評(píng)估工具，在腫瘤評(píng)估方面尤為突出。它可以通過整合各種預(yù)后及決策變量，實(shí)現(xiàn)對(duì)個(gè)體臨床事件的預(yù)測，滿足建立生物學(xué)和臨床綜合模型及對(duì)個(gè)性化醫(yī)療的需求。與傳統(tǒng)分期相比，它的數(shù)字界面能夠?qū)崿F(xiàn)快速計(jì)算，同時(shí)具有更高的準(zhǔn)確度，能更容易了解疾病的預(yù)后，以幫助臨床作出決策[23]。

本研究仍存在不足之處：本研究所提取的影像學(xué)數(shù)據(jù)都是手工半自動(dòng)勾畫，工作量較大，隨著各種分割軟件的發(fā)展，自動(dòng)分割精度的提高，不僅可以較大程度減少工作量，同時(shí)可以減少人工誤差。本研究樣本量較小，且來自于單一醫(yī)療機(jī)構(gòu)，未來樣本量的擴(kuò)大及多中心的合作，會(huì)使得該研究成果有更普遍的適用性。

綜上所述，本研究發(fā)現(xiàn)聯(lián)合臨床危險(xiǎn)因素和影像組學(xué)特征的臨床-影像組學(xué)列線圖，可以作為NSCLC EGFR基因突變預(yù)測的臨床工具，輔助臨床做好治療決策，實(shí)現(xiàn)個(gè)體化精準(zhǔn)醫(yī)療。