基于CT平掃影像組學鑒別≤2 cm甲狀腺良惡性結(jié)節(jié)

胡小麗，顧潛彪，張 堃*，李 磊，李 平，沈宏榮

(1.湖南中醫(yī)藥大學第一附屬醫(yī)院放射科，湖南 長沙 410007；2.湖南省人民醫(yī)院放射科，湖南 長沙 410005；3.永州市中心醫(yī)院放射科，湖南 永州 425000)

甲狀腺癌是甲狀腺最常見惡性腫瘤，主要表現(xiàn)為甲狀腺結(jié)節(jié)，近年來發(fā)病率在全球范圍內(nèi)迅速上升，直徑≤2 cm者占所有增加病例的80%以上[1-2]，鑒別直徑≤2 cm甲狀腺結(jié)節(jié)的良惡性成為重要臨床課題。超聲是無創(chuàng)評估甲狀腺結(jié)節(jié)良惡性的主要影像學手段，具有較高的特異度，但對惡性結(jié)節(jié)敏感度較低[3-5]。CT可用于術(shù)前評估甲狀腺結(jié)節(jié)，但常規(guī)CT平掃判定甲狀腺結(jié)節(jié)性質(zhì)的能力有限。影像組學通過提取高通量信息對醫(yī)學影像學圖像進行定量分析，從而實現(xiàn)無創(chuàng)性分析腫瘤異質(zhì)性[6-7]。本研究觀察基于CT平掃圖像影像組學特征預測直徑≤2 cm甲狀腺結(jié)節(jié)良惡性的價值。

1 資料與方法

1.1 一般資料 回顧性收集2018年1月—2020年3月97例CT檢查發(fā)現(xiàn)甲狀腺結(jié)節(jié)患者，男30例，女67例，年齡20～73歲，平均(44.1±12.4)歲。納入標準：①單發(fā)甲狀腺結(jié)節(jié)直徑≤2 cm，經(jīng)手術(shù)病理明確診斷；②術(shù)前接受CT平掃。排除標準：①CT檢查前接受穿刺活檢或放射及化學治療；②圖像存在偽影；③多發(fā)甲狀腺結(jié)節(jié)。

1.2 儀器與方法 采用Philips Brilliance 64排螺旋CT機。囑患者仰臥，頸過伸，肩部盡量下沉，禁止吞咽動作，行頸部掃描，范圍自下頜至頸根部，管電壓120 kV，管電流250 mA，層厚3 mm，層間距3 mm。

1.3 提取特征及建立模型 由分別具有8年及10年頭頸部影像學診斷經(jīng)驗的主治醫(yī)師和副主任醫(yī)師各1名采用盲法于顯示病灶最大層面的CT軸位平掃圖像上測量病灶最大徑，并沿病灶輪廓內(nèi)緣手動勾畫ROI(圖1)，盡量與病灶邊緣保持一致，意見不同時協(xié)商達成一致。

圖1 于顯示病灶最大層面的軸位CT平掃圖像上手動勾畫ROI示意圖

分割全部病例的病灶ROI后，采用公共軟件3dslicer軟件(http://www.3dslicer.org)提取影像組學特征。以隨機分層抽樣法按7∶3比例將患者分為訓練組(n=67)和驗證組(n=30)。應用R軟件3.6.0 (http://www.r-project.org)中的caret包對訓練組影像組學特征進行預處理，包括剔除近似常量的影像組學特征和刪除相關(guān)系數(shù)>0.9及存在多重共線的特征。之后采用R軟件中的Glmnet包進行最小絕對收縮和選擇算子(least absolute shrinkage and selection operator, LASSO)特征篩選，獲得鑒別效能最優(yōu)的影像組學特征子集；以二元Logistic回歸方法建立預測甲狀腺良惡性結(jié)節(jié)的影像組學預測模型，并計算訓練組中良惡性結(jié)節(jié)的影像組學評分，即特征與對應權(quán)重系數(shù)乘積的和；再于驗證組中對該模型進行驗證。

1.4 統(tǒng)計學分析 采用SPSS 20.0統(tǒng)計分析軟件及R軟件3.6.0 (http://www.r-project.org)。計量資料以±s表示，組間比較采用獨立樣本t檢驗。計數(shù)資料以頻數(shù)表示，組間比較采用χ2檢驗。以ROC曲線法評估影像組學模型預測訓練組及驗證組甲狀腺結(jié)節(jié)良惡性的診斷效能，組間AUC差異比較采用Delong檢驗。P<0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 一般資料 97例中，35例良性病變，包括15例甲狀腺腺瘤，20例結(jié)節(jié)性甲狀腺腫；62例惡性病變，分別為50例甲狀腺乳頭狀癌、6例濾泡癌、4例髓樣癌及2例未分化癌。訓練組中，25例良性、42例惡性病變；驗證組10例良性、20例惡性病變。組間性別、年齡及病灶最大徑差異均無統(tǒng)計學意義(P均>0.05)。見表1。

表1 ≤2 cm甲狀腺結(jié)節(jié)患者一般資料比較

2.2 提取及篩選影像組學特征 共于訓練組提取848個影像組學特征，經(jīng)預處理后獲得97個特征；經(jīng)LASSO特征篩選得出8個最優(yōu)影像組學特征，包括1個形態(tài)學特征、3個原始圖像紋理特征和4個高階特征(圖2)。

圖2 以LASSO方法篩選出的8個最優(yōu)影像組學特征及其權(quán)重系數(shù)值

2.3 影像組學模型及診斷效能 根據(jù)上述最優(yōu)影像學特征及相應權(quán)重系數(shù)建立影像組學預測模型，計算影像組學評分。2組良性甲狀腺結(jié)節(jié)的影像組學評分[-0.08(-1.96,0.78)、[0.11(-0.96,0.65)]均低于惡性病變[1.20(0.80,2.56)、1.03(0.80,2.47),t=-3.29、-3.12，P均<0.01]。訓練組及驗證組中，影像組學模型鑒別甲狀腺良惡性病變的敏感度分別為0.77、0.74，特異度分別為0.79、0.91，相應的AUC分別為0.84、0.88，AUC差異無統(tǒng)計學意義(D=0.35，P=0.73)，見圖3。

圖3 影像組學模型預測甲狀腺良惡性結(jié)節(jié)的ROC曲線 A.訓練組； B.驗證組

3 討論

甲狀腺癌是最常見的內(nèi)分泌系統(tǒng)惡性腫瘤，其發(fā)病率及病死率在全球范圍內(nèi)持續(xù)上升[8]。對臨床查體或超聲檢出的甲狀腺可疑惡性結(jié)節(jié)，制定合理臨床策略，如手術(shù)或積極監(jiān)測非常重要。本研究基于CT平掃圖像，采用影像組學方法建立預測直徑≤2 cm甲狀腺結(jié)節(jié)良惡性的影像組學模型，并獲得較佳結(jié)果。

既往研究[9]顯示，基于增強CT圖像的紋理特征有助于鑒別甲狀腺良惡性結(jié)節(jié)。TOMITA等[10]提出頸部雙能CT單能圖像紋理分析可用于鑒別甲狀腺良惡性結(jié)節(jié)，但未建立完善的數(shù)學模型。孔丹等[11]基于CT平掃及增強圖像建立了CT影像組學模型預測甲狀腺良惡性結(jié)節(jié)，發(fā)現(xiàn)其對區(qū)分甲狀腺良惡性結(jié)節(jié)有較高的診斷效能。然而，臨床實踐中，對伴甲亢或?qū)Ρ葎┻^敏等增強掃描禁忌證者只能行CT平掃；且多數(shù)偶然發(fā)現(xiàn)的甲狀腺結(jié)節(jié)患者僅接受了頸部或胸部CT平掃[12]，影像科醫(yī)師通過肉眼觀察獲得的信息有限，尤其是當病灶較小時，難以判斷是否應行進一步檢查。本研究以平掃CT為基礎(chǔ)，采用影像組學方法預測直徑≤2 cm甲狀腺良惡性結(jié)節(jié)，以期篩選高?；颊?、早期診斷甲狀腺癌；基于平掃CT提取了848個影像組學特征，除紋理特征外，還包括形態(tài)學特征、直方圖特征及小波轉(zhuǎn)換特征，并采用LASSO方法對其進行篩選，建立了預測甲狀腺結(jié)節(jié)良惡性的模型，并對其進行驗證，結(jié)果顯示該模型鑒別驗證組直徑≤2 cm甲狀腺良惡性結(jié)節(jié)的AUC與訓練組差異無統(tǒng)計學意義，即對訓練組及驗證組的診斷效能相當，可用于無創(chuàng)預測直徑≤2 cm甲狀腺結(jié)節(jié)的良惡性。模型中納入的影像學特征以紋理特征最多，包括3個原始圖像紋理特征及4個經(jīng)過小波濾波器預處理的圖像紋理特征。紋理特征是描述像素空間分布及強度等級的特征，反映病灶內(nèi)部結(jié)構(gòu)及異質(zhì)性。本研究所獲模型以紋理特征為主，提示甲狀腺結(jié)節(jié)內(nèi)部結(jié)構(gòu)及異質(zhì)性與其良惡性密切相關(guān)；模型中另一個特征為結(jié)節(jié)最大二維直徑(original_shape_Maximum2DDiameterRow)，提示結(jié)節(jié)大小與其良惡性相關(guān)。

綜上所述，基于平掃CT的影像組學模型對鑒別直徑≤2 cm甲狀腺結(jié)節(jié)良惡性具有較好的診斷價值，有望用于臨床無創(chuàng)預測診斷甲狀腺結(jié)節(jié)性質(zhì)。本研究的主要局限性：①樣本量較小，且為單中心研究；②病灶ROI來自最大層面二維平掃CT，而三維立體圖像可能更全面揭示腫瘤信息；③未結(jié)合雙能量CT及MRI等技術(shù)進一步觀察。