基于MRI增強(qiáng)T1WI影像組學(xué)預(yù)測(cè)模型鑒別高級(jí)別膠質(zhì)瘤IDH 1突變型與野生型的價(jià)值

夏水偉，周永進(jìn)，陳春妙，陳家駿，惠俊國(guó)，陳敏江，孔春麗，王祖飛，紀(jì)建松

溫州醫(yī)科大學(xué)附屬第五醫(yī)院 放射科 浙江省影像診斷與介入微創(chuàng)研究重點(diǎn)實(shí)驗(yàn)室，浙江 麗水 323000

膠質(zhì)瘤一直位居腦內(nèi)原發(fā)性惡性腫瘤發(fā)病率第一位[1]，其基因異質(zhì)性強(qiáng)，各亞型之間在組織學(xué)類(lèi)型、分級(jí)及預(yù)后方面差異均有顯著性[2]。WHO 2016版中樞神經(jīng)系統(tǒng)腫瘤分類(lèi)首次將分子特征整合到膠質(zhì)瘤分類(lèi)中，納入異檸檬酸脫氫酶-1（isocitrate dehydrogenase 1，IDH 1）突變作為膠質(zhì)瘤分子分類(lèi)診斷標(biāo)準(zhǔn)[3]。IDH 1突變型膠質(zhì)瘤的侵襲性較低、放療敏感度高，總體生存期延長(zhǎng)[4]。因此，在新的膠質(zhì)瘤分子診斷時(shí)代中，精確評(píng)估IDH 1基因型有助于為患者制定最有效的治療方案及預(yù)后評(píng)估。

影像組學(xué)可高通量地挖掘、提取圖像信息，繼而加以分析、利用。其應(yīng)用于醫(yī)學(xué)影像中，可利用腫瘤影像的深層次特征進(jìn)行分析，達(dá)到預(yù)測(cè)患者的基因型、治療反應(yīng)以及預(yù)后等目的[5]。由于膠質(zhì)瘤的發(fā)病部位特殊，無(wú)創(chuàng)的影像學(xué)檢查為此類(lèi)疾病主要的檢查手段，但限于肉眼的分辨能力，使得患者的各類(lèi)影像學(xué)信息無(wú)法充分利用，而影像組學(xué)的出現(xiàn)極大緩解了這種問(wèn)題，其在膠質(zhì)瘤診斷、治療、療效及預(yù)后評(píng)估中的應(yīng)用也成為研究熱點(diǎn)[6-8]。但影像組學(xué)在膠質(zhì)瘤分子分型方面研究較少，且部分研究缺乏佐證，未能達(dá)成共識(shí)。本研究中筆者運(yùn)用基于MRI增強(qiáng)T1WI的影像組學(xué)技術(shù)，構(gòu)建高級(jí)別膠質(zhì)瘤IDH 1基因型預(yù)測(cè)模型，旨在探討影像組學(xué)在高級(jí)別膠質(zhì)瘤IDH 1分子診斷中的應(yīng)用。

1 資料和方法

1.1 一般資料 收集2012年6月至2020年12月間在溫州醫(yī)科大學(xué)附屬第五醫(yī)院行影像學(xué)檢查的高級(jí)別膠質(zhì)瘤患者，共納入89例。IDH 1突變型32例（WHO III級(jí)15例，WHO IV級(jí)17例），其中男12例，女20例，年齡（47.6±12.3）歲；IDH 1野生型57例（WHO III級(jí)12例，WHO IV級(jí)45例），其中男32例，女25例，年齡（60.3±9.0）歲。按7:3比例將患者隨機(jī)分為訓(xùn)練組（n=61）和驗(yàn)證組（n=28）。納入標(biāo)準(zhǔn)：①手術(shù)病理證實(shí)為高級(jí)別膠質(zhì)瘤，且行免疫組織化學(xué)分析，包括IDH 1基因型（突變型/野生型）分析；②術(shù)前MRI影像資料完整。排除標(biāo)準(zhǔn)：①腦手術(shù)史；②腦外傷史；③術(shù)前行放化療；④圖像存在偽影，影響病灶觀察。本研究獲我院倫理委員會(huì)批準(zhǔn)。

1.2 方法

1.2.1 術(shù)前MRI掃描方法：所有患者均于術(shù)前行頭顱增強(qiáng)MRI掃描檢查，采用飛利浦INGENIA 3.0T MR掃描儀，掃描序列包括T1WI、T2WI序列和T1增強(qiáng)序列。T1WI增強(qiáng)掃描參數(shù)：矩陣512×512，視野24 cm×24 cm，重復(fù)時(shí)間（repetition time，TR）2 250 ms，回波時(shí)間（echo time，TE）24 ms，層厚 5 mm，層數(shù)20。對(duì)比劑為釓雙胺（美國(guó)GE藥業(yè)），劑量 0.1 mmol/kg，流速率5 mL/s，注射完對(duì)比劑后立即行橫斷面、冠狀面及矢狀面掃描。MRI平掃序列參數(shù)：T1WI，TR 1 700 ms，TE 10 ms；T2WI，TR 3 000 ms， TE 100 ms；FLAIR，TR 8 000 ms，TE 145 ms；擴(kuò)散加權(quán)成像，TR 4 400 ms，TE 80 ms。

1.2.2 圖像紋理特征提?。夯贕E A.K軟件 （Artificial Intelligence Kit，Version：3.0.1.A）對(duì)所有患者的原始DICOM格式增強(qiáng)T1WI圖像進(jìn)行影像組學(xué)分析，具體步驟如下：①由2位經(jīng)驗(yàn)豐富的放射科高年資醫(yī)師運(yùn)用“ITK-SNAP”軟件（http://www.itksnap.org/）對(duì)感興趣區(qū)（volume of interest，VOI）進(jìn)行分割（見(jiàn)圖1），VOI包括腫瘤實(shí)質(zhì)，避開(kāi)了不強(qiáng)化壞死區(qū)，不包含病灶周?chē)鶷1WI低信號(hào)水腫區(qū)，勾勒完成后由上述2名醫(yī)師分析VOI是否精確，如存在異議，經(jīng)商討后適當(dāng)調(diào)整VOI，最終保存為VOI文件；②將原始DICOM格式的高級(jí)別膠質(zhì)瘤MR增強(qiáng)T1WI圖像和保存的VOI文件同時(shí)導(dǎo)入A.K軟件；③設(shè)定程序A.K軟件自動(dòng)計(jì)算生成各個(gè)圖像的紋理特征。

圖l 58歲男性突變型膠質(zhì)瘤（WHO III級(jí)）患者增強(qiáng)T1WI圖像

1.2.3 降維篩選紋理特征：預(yù)處理396個(gè)AK軟件提取的紋理特征參數(shù)，用中位值替代參數(shù)中的異常值，并進(jìn)行Z-score標(biāo)準(zhǔn)化處理，后運(yùn)用R語(yǔ)言包進(jìn)行統(tǒng)計(jì)分析降維，篩選紋理特征，具體步驟如下：①檢驗(yàn)數(shù)據(jù)是否呈正態(tài)分布，若為正態(tài)分布，使用方差分析降維，否則使用K-W秩和檢驗(yàn)（Kruskal-Wallis）降維；②使用單因素Logistic回歸分析（GLM test）、SPM test去冗余去除相關(guān)性大于0.9的參數(shù)；③使用最小絕對(duì)收縮與選擇算子算法（least absolute shrinkage and selection operator，LASSO）回歸分析與10倍交叉驗(yàn)證法對(duì)數(shù)據(jù)降維；④對(duì)得到的紋理參數(shù)運(yùn)用多因素Logistic回歸分析建模。

1.3 統(tǒng)計(jì)學(xué)分析與建模 運(yùn)用SPSS23.0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。計(jì)數(shù)資料用頻數(shù)表示。計(jì)量資料符合正態(tài)分布資料以±s表示，不符合正態(tài)分布以M（P25，P75）表示。采用獨(dú)立樣本t檢驗(yàn)比較IDH 1 突變型與野生型膠質(zhì)瘤患者的年齡差異。采用χ2檢驗(yàn)比較IDH 1突變型與野生型膠質(zhì)瘤患者的性別差異。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

采用組內(nèi)相關(guān)系數(shù)（intraclass correlation coefficient，ICC）對(duì)2名醫(yī)師提取的特征進(jìn)行一致性評(píng)估。使用R語(yǔ)言包（Version：3.4.4）進(jìn)行影像組學(xué)建模?；诿總€(gè)患者的放射值，利用多因素Logistic回歸構(gòu)建訓(xùn)練組和驗(yàn)證組的預(yù)測(cè)模型，并評(píng)價(jià)兩個(gè)模型的穩(wěn)定性和準(zhǔn)確性。采用決策曲線分析（decision curve analysis，DCA）評(píng)價(jià)模型獲益情況，通過(guò)計(jì)算不同閾值概率下的凈效益，以確定本預(yù)測(cè)模型的臨床效益用途。

2 結(jié)果

2.1 一般資料 IDH 1突變型和IDH 1野生型高級(jí)別膠質(zhì)瘤患者年齡差異有統(tǒng)計(jì)學(xué)意義（t=5.129，P＜ 0.01），性別差異無(wú)統(tǒng)計(jì)學(xué)意義（χ2=5.129，P= 0.091）。

2.2 紋理特征篩選結(jié)果 2名醫(yī)師勾畫(huà)的VOI提取的影像組學(xué)特征一致性好（ICC=0.825～0.890）。選擇一組數(shù)據(jù)經(jīng)降維處理后，得到5個(gè)顯著性最強(qiáng)的紋理參數(shù)，具體為HistogramEntropy，ClusterProminence_ AllDirection_offset4_SD，GLCMEntropy_angle0_offset7，GLCMEntropy_angle135_offset4，LongRunHighGreyLevelEmphasis_AllDirection_offset4_SD。降維結(jié)果如圖2A、2B所示。運(yùn)用獲得的5個(gè)紋理特征，計(jì)算每位患者的放射值；繪制得到的條形瀑布圖顯示訓(xùn)練組和驗(yàn)證組中的不同基因型患者均能夠顯著區(qū)分（見(jiàn)圖2C、圖2D）。

圖2 紋理參數(shù)降維過(guò)程及對(duì)應(yīng)的條形圖

2.3 模型的預(yù)測(cè)效能 影像組學(xué)模型顯示，訓(xùn)練組ROC曲線下面積為0.902（95%CI：0.826～0.978），靈敏度和特異度分別為84.6%和81.8%，驗(yàn)證組ROC曲線下面積為0.844（95%CI：0.676～1.000），敏感度為77.8%，特異度為80.1%，見(jiàn)圖3A、圖3B。校準(zhǔn)曲線顯示構(gòu)建的影像組學(xué)模型在訓(xùn)練組和驗(yàn)證組中的預(yù)測(cè)概率與實(shí)際概率相近，顯示其具有較好的鑒別診斷能力（見(jiàn)圖3C、圖3D）。DCA顯示影像組學(xué)模型在風(fēng)險(xiǎn)閾值0.1～1.0間較大范圍內(nèi)的凈收益優(yōu)于不作處理模型和全部處理模型（見(jiàn)圖4）。

圖3 高級(jí)別膠質(zhì)瘤患者訓(xùn)練組和驗(yàn)證組的ROC曲線及其對(duì)應(yīng)的校正曲線

圖4 預(yù)測(cè)模型在所有患者中的決策曲線圖

3 討論

2008年P(guān)ARSONS等[9]通過(guò)外顯子基因測(cè)序技術(shù)研究首次發(fā)現(xiàn)IDH 1突變出現(xiàn)在膠質(zhì)母細(xì)胞瘤（WHO IV級(jí)）中，其研究顯示80%以上的WHO II、III級(jí)膠質(zhì)瘤和大部分繼發(fā)性膠質(zhì)母細(xì)胞瘤存在IDH突變[9]。2016年WHO中樞神經(jīng)系統(tǒng)腫瘤新分類(lèi)把IDH 1納入診斷分類(lèi)的生物標(biāo)志物，將膠質(zhì)瘤基于IDH 1基因突變分為IDH 1突變型和IDH 1野生型[10]。研究顯示IDH 1突變型和野生型膠質(zhì)瘤來(lái)源、發(fā)展、治療及預(yù)后都不相同[11-12]，而傳統(tǒng)的影像學(xué)、生化指標(biāo)都無(wú)法在術(shù)前進(jìn)行準(zhǔn)確預(yù)測(cè)。近來(lái)使用影像組學(xué)方法進(jìn)行腫瘤鑒別、疾病進(jìn)展預(yù)測(cè)的研究引起了廣泛關(guān)注[5，13-14]。該技術(shù)能夠全面、動(dòng)態(tài)、無(wú)創(chuàng)地反映腫瘤整體信息。通過(guò)提取腫瘤影像中的特異性紋理參數(shù)，構(gòu)建數(shù)學(xué)模型將傳統(tǒng)的對(duì)影像圖像的定性判別轉(zhuǎn)換為對(duì)圖像的定量觀察與分析，最終實(shí)現(xiàn)相關(guān)臨床信息的預(yù)測(cè)[15-17]。此類(lèi)研究目前已廣泛報(bào)道于國(guó)內(nèi)外刊物。FOX等[18]通過(guò)影像組學(xué)技術(shù)建立了預(yù)測(cè)模型，有效鑒別了大腦中線膠質(zhì)瘤的H3 K27M突變情況，該研究中訓(xùn)練組和驗(yàn)證組的ROC曲線下面積分別為0.903和0.850。相關(guān)研究結(jié)果驗(yàn)證了影像組學(xué)在疾病診療中的主要作用，所構(gòu)建的預(yù)測(cè)模型可以為患者的臨床治療決策提供精準(zhǔn)、高效、可靠的信息，在一定程度上提升療效[19]。然而，該技術(shù)在高級(jí)別膠質(zhì)瘤IDH 1基因型預(yù)測(cè)方面的應(yīng)用仍然缺乏佐證，學(xué)界也未達(dá)成共識(shí)，鮮見(jiàn)相關(guān)研究報(bào)道。基于以上相關(guān)報(bào)道，本研究中筆者對(duì)通過(guò)利用高級(jí)別膠質(zhì)瘤術(shù)前的增強(qiáng)T1WI圖像構(gòu)建IDH 1基因型預(yù)測(cè)模型的可行性進(jìn)行了初步探索。

在這項(xiàng)研究中，筆者使用影像組學(xué)方法，通過(guò)LASSO回歸以及10倍交叉驗(yàn)證方法降維，利用Logistic回歸最終篩選出了5個(gè)紋理參數(shù)，基于以上定量紋理參數(shù)成功構(gòu)建了高級(jí)別膠質(zhì)瘤IDH 1基因預(yù)測(cè)模型。以上5個(gè)紋理參數(shù)也存在一定的臨床意義，其反映出了圖像在不同方面的異質(zhì)性[20]。HistogramEntropy反映了圖像像素值的隨機(jī)分布強(qiáng)度級(jí)別，值越大反映異質(zhì)性越強(qiáng)；GLCM類(lèi)參數(shù)與圖像像素值空間關(guān)系的灰度值間的連接概率，當(dāng)像素值間的同質(zhì)性和差異度很小時(shí)其值較大，值越小異質(zhì)性越大；LongRunHighGreyLevelEmphasis屬GLRLM類(lèi)參數(shù)，是沿給定方向的灰度行程長(zhǎng)度值，值越大異質(zhì)性越強(qiáng)[8]。這個(gè)模型在訓(xùn)練組和驗(yàn)證組的ROC曲線下面積分別為0.902和0.844，且敏感度和特異度值均較高，表明此模型有較高的IDH 1基因型預(yù)測(cè)能力。YU等[21]證實(shí)提取常規(guī)T2液體衰減反轉(zhuǎn)恢復(fù)（T2-FLAIR）序列圖像的高通量MRI影像組學(xué)特征與膠質(zhì)瘤IDH 1狀態(tài)高度相關(guān)，預(yù)測(cè)精準(zhǔn)度為0.80，敏感度為0.83，特異度為0.74。TAN等[22]從常規(guī)序列中選定6個(gè)影像組學(xué)特征構(gòu)建模型，AUC為0.901。PARK等[23]利用擴(kuò)散張量成像生成的紋理特征構(gòu)建模型，證實(shí)能夠改善低級(jí)別膠質(zhì)瘤IDH 1分型的預(yù)測(cè)精準(zhǔn)度。CHOI等[24]通過(guò)動(dòng)態(tài)磁敏感增強(qiáng)灌注成像，應(yīng)用可解釋的遞歸神經(jīng)網(wǎng)絡(luò)模型對(duì)膠質(zhì)瘤IDH基因型進(jìn)行預(yù)測(cè)，準(zhǔn)確度、敏感度和特異度分別為92.8%、92.6%和93.21%。本研究的影像組學(xué)模型直接從增強(qiáng)T1WI中提前大量信息，可簡(jiǎn)便快捷地預(yù)測(cè)高級(jí)別膠質(zhì)瘤的突變型和野生型，可更準(zhǔn)確、有效地指導(dǎo)臨床醫(yī)療決策。

本研究存在一定的局限性。首先，本研究是回顧性研究，存在難以避免的選擇偏倚。其次，實(shí)驗(yàn)的樣本量不夠大，僅對(duì)本中心的膠質(zhì)瘤數(shù)據(jù)進(jìn)行了研究，也沒(méi)有在其他中心數(shù)據(jù)進(jìn)行外部驗(yàn)證。在后續(xù)研究中筆者將會(huì)考慮聯(lián)合其他研究中心研究論證。

綜上所述，本研究構(gòu)建的IDH 1基因型預(yù)測(cè)模型是穩(wěn)定且可靠的，表明利用基于MRI紋理分析技術(shù)構(gòu)建高級(jí)別膠質(zhì)瘤IDH 1基因型預(yù)測(cè)模型的方法是可行的，可作為膠質(zhì)瘤治療前的常規(guī)評(píng)價(jià)手段。