增強CT影像組學(xué)術(shù)前預(yù)測胃腸道間質(zhì)瘤危險度分級的價值

董婷宇，劉峰，湯林夢，楊飛，馬永青，崔書君*

1.河北北方學(xué)院研究生院，河北 張家口 075000；2.河北北方學(xué)院附屬第一醫(yī)院醫(yī)學(xué)影像部，河北 張家口 075000；*通信作者 崔書君 hbzjkcsj@126.com

胃腸道間質(zhì)瘤（gastrointestinal stromal tumor，GIST）具有多樣的生物學(xué)行為以及無法判定其良惡分界的特點[1]，GIST患者易復(fù)發(fā)轉(zhuǎn)移，并且臨床上不易制訂準確的危險度分級[2]。甲磺酸伊馬替尼是GIST的靶向治療藥物，術(shù)前可以縮小病灶，降低術(shù)中風(fēng)險，術(shù)后可以延長無復(fù)發(fā)生存期、穩(wěn)定轉(zhuǎn)移性病情[3-4]；但由于其潛在的毒性作用和治療成本，目前臨床上推薦用于危險度分級中危、高?；颊撸虼嗣鞔_GIST個體患者的危險度分級尤為重要。GIST危險分級目前依據(jù)病理及免疫組化結(jié)果，操作有創(chuàng)且容易誘發(fā)并發(fā)癥。CT檢查是術(shù)前診斷GIST最常用的方法，從CT圖像提取的紋理特征具有無創(chuàng)、客觀、可重復(fù)的優(yōu)點，多數(shù)研究者選取圖像紋理的一階統(tǒng)計量特征，探究一階紋理與GIST危險度分級的關(guān)系，但紋理參數(shù)間多重共線性較為嚴重，不能很好地作為獨立影響參數(shù)。通過構(gòu)建模型可以在一定程度上降低共線性，使術(shù)前能夠較為準確地評估與預(yù)測腫瘤生物學(xué)行為[5-6]。本研究基于GIST增強CT圖像的影像組學(xué)標簽聯(lián)合臨床資料建立診斷模型，探討該模型術(shù)前預(yù)測GIST危險度分級的應(yīng)用價值。

1 資料與方法

1.1 研究對象 回顧性分析2014年1月—2020年10月河北北方學(xué)院附屬第一醫(yī)院行腹部CT平掃及增強掃描的GIST患者122例。納入標準：①在本院行腫瘤切除術(shù)、住院病歷資料完整。②術(shù)后病理及免疫組化確診為GIST。病理報告中描述有病灶大小、核分裂象計數(shù)、病變部位，有CD34、CD117、DOG-1、Ki-67表達情況；并標明具體的危險度分級。③術(shù)前行CT平掃及增強檢查。排除標準：①術(shù)前接受過靶向治療。②已出現(xiàn)復(fù)發(fā)和（或）轉(zhuǎn)移。③合并全身其他惡性疾病。以術(shù)后病理結(jié)果為標準，將極低危與低危視為低風(fēng)險，中危與高危視為高風(fēng)險，分為低風(fēng)險組53例，其中男25例，女28例，中位年齡68（39，80）歲；高風(fēng)險組69例，其中男27例，女42例，中位年齡64（35，82）歲。將122例患者按照7∶3的比例隨機分為訓(xùn)練組86例（高風(fēng)險49例，低風(fēng)險37例）和驗證組36例（高風(fēng)險組20例，低風(fēng)險組16例）。本研究經(jīng)河北北方學(xué)院附屬第一醫(yī)院倫理委員會批準（編號：K2020152），免除患者知情同意。

1.2 CT檢查 采用Aquilion ONE 320排CT機行腹部掃描，檢查前4 h禁食。掃描參數(shù)：管電壓120 kV，Sureexposure 3D自動調(diào)制管電流。增強掃描檢查時，等滲對比劑采用碘克沙醇（320 mgI/ml），以3 ml/s經(jīng)肘靜脈團注。在30 s、60 s、180 s時分別采集三期圖像，層厚5 mm。動脈期CT圖像以DICOM格式導(dǎo)出。

1.3 危險度病理學(xué)分級標準 采用美國國立衛(wèi)生研究院（NIH）2008改良版[7]，見表1。

表1 GIST的改良NIH標準

1.4 影像組學(xué)特征提取與篩選 由2名放射科主治醫(yī)師采用盲法閱片并共同討論，利用Matlab R2018b軟件選取動脈期圖像腫瘤病灶中除囊性、壞死、空腔外的最大層面以及與之相鄰的2個層面，沿腫瘤輪廓并避開與正常組織間的交界手動勾畫感興趣區(qū)（ROI），見圖1。分析結(jié)果為3層ROI平均值。共提取55個特征參數(shù)（表2）。

表2 提取的影像組學(xué)特征名稱及其部分子特征名稱

采用R 4.0.3軟件中corrplot函數(shù)對訓(xùn)練組特征參數(shù)進行相關(guān)性檢驗，當特征參數(shù)之間存在嚴重多重共線性時，選擇Lasso算法對其進行降維，可將部分參數(shù)的回歸系數(shù)抑制為0，再通過Lasso算法下十折交叉驗證完成參數(shù)篩選，并將獲得的參數(shù)納入邏輯回歸模型建立影像組學(xué)標簽。

1.5 統(tǒng)計學(xué)方法 應(yīng)用SPSS 25.0軟件對影像組學(xué)標簽、患者一般資料進行統(tǒng)計分析。分別定義性別為：1=男；2=女。病變部位：1=胃；2=非胃。Ki-67表達情況：1=≤5；2=＞5?；颊哂跋窠M學(xué)標簽、年齡等指標中符合正態(tài)分布者以±s表示，兩組間比較采用獨立樣本t檢驗，非正態(tài)分布的計量資料以M（Q1，Q3）表示，采用Mann-WhitneyU檢驗；患者性別、病變部位和Ki-67的表達情況以例（%）表示，采用χ2檢驗比較高風(fēng)險與低風(fēng)險間的差異；采用Spearman相關(guān)分析評價影像組學(xué)標簽、患者一般資料與風(fēng)險分級的相關(guān)性，P＜0.05表示有統(tǒng)計學(xué)意義。

將影像組學(xué)標簽聯(lián)合在兩組間有顯著差異的臨床資料建立用于預(yù)測GIST危險度分級的模型。分別將影像組學(xué)標簽與預(yù)測危險度分級模型納入邏輯回歸方程，計算各自的曲線下面積（AUC）、敏感度、特異度。采用Hosmer-Lemeshow檢驗預(yù)測模型的擬合優(yōu)度，P＞0.05表示模型擬合良好。

2 結(jié)果

2.1 特征參數(shù)降維篩選 當達到軟件默認最大運算次數(shù)100時，λ=0.000 027，收斂最優(yōu)解未出現(xiàn)，此時篩選出38個系數(shù)不為0的特征參數(shù)（圖2A）。通過十折交叉驗證計算得最優(yōu)λ=0.143 2，當λ=0.143 2時，獲得最佳特征參數(shù)（圖2B），選擇一階統(tǒng)計量中的熵（Entropy）與灰度游程矩陣中的長游程高灰度因子（Long Run High Gray-Level Emphasis）建立影像組學(xué)標簽，其特征系數(shù)分別為0.219、3.960×10-8。

2.2 患者一般資料 高、低風(fēng)險組間影像組學(xué)標簽、病變部位、Ki-67表達水平差異有統(tǒng)計學(xué)意義（P＜0.05），訓(xùn)練組AUC分別為0.853、0.620、0.752。兩組患者其他一般資料差異無統(tǒng)計學(xué)意義（P＞0.05），見表3。訓(xùn)練組GIST風(fēng)險分級與影像組學(xué)標簽、病變部位、Ki-67表達水平呈顯著正相關(guān)（r=0.605、0.253、0.500，P＜0.05）。

表3 高風(fēng)險組與低風(fēng)險組GIST患者影像組學(xué)標簽及臨床資料比較

2.3 模型的建立與檢驗效能評估 建立影像組學(xué)標簽聯(lián)合病變部位及Ki-67表達情況預(yù)測GIST危險度分級的模型。該模型訓(xùn)練組的AUC、敏感度、特異度分別為0.930（95%CI0.876～0.984）、95.9%、81.1%，較影像組學(xué)標簽[AUC、敏感度、特異度分別為0.853（95%CI0.774～0.932）、79.6%、81.1%]、患者一般資料[病變部位、Ki-67表達情況的AUC、敏感度、特異度分別為0.620（95%CI0.501～0.738）、42.9%、81.1%，0.752（95%CI0.647～0.858）、69.4%、81.1%]獨立鑒別風(fēng)險分級的檢驗效能顯著提高。采用Hosmer-Lemeshow檢驗顯示預(yù)測模型的檢驗值為0.256（P＞0.05），表示預(yù)測模型擬合良好。驗證組的AUC、敏感度、特異度分別為0.919（95%CI0.825～1.000）、85.0%、87.5%，見圖3。

3 討論

GIST的發(fā)病機制與KIT或PDGFRA突變驅(qū)動有關(guān)[8]，甲磺酸伊馬替尼作為特異性的相關(guān)靶點突變蛋白抑制劑[9]，在改善GIST患者存活率的同時，也會產(chǎn)生各種副作用[10]。低風(fēng)險GIST通常預(yù)后良好，使用靶向藥物作為輔助治療會增加過度治療的風(fēng)險，因此術(shù)前把握患者風(fēng)險度分級對預(yù)測預(yù)后以及選擇治療方案至關(guān)重要。目前，危險度分層結(jié)果需進行活檢獲得，操作有創(chuàng)，且可能在操作中引起腫瘤破裂，增加腫瘤播散的危險[11]。此外，腫瘤大小可能因標本處理過程出現(xiàn)誤差，核分裂數(shù)需要觀察者對細胞進行主觀評估，因此危險度分級結(jié)果易受主觀因素影響。CT具有可定位、可測量、可診斷等優(yōu)點，在術(shù)前靶向治療方面有重要價值[12]，已作為GIST術(shù)前影像學(xué)檢查中最常用的方法[11]。隨著影像組學(xué)的發(fā)展，通過評估整個腫瘤內(nèi)部異質(zhì)性以及周圍微環(huán)境，可甄別出一些常規(guī)影像檢查不敏感的信息[13]。本研究選擇具有可及性與普適性的CT圖像作為基礎(chǔ)影像資料，提取增強CT掃描的腫瘤內(nèi)部特征信息，用于探尋GIST危險度分級情況。

3.1 影像組學(xué)標簽與GIST危險度分級的關(guān)系 通過軟件在GIST增強CT動脈期的圖像中提取到4類影像組學(xué)特征，包含55個子特征。由于ROI常出現(xiàn)囊性、壞死、空腔導(dǎo)致層面勾畫不完整，且僅選擇最大及相鄰的3個層面，因此無法獲得準確的形狀特征信息，故排除此類影像組學(xué)特征。由相關(guān)系數(shù)熱圖可知特征參數(shù)之間存在嚴重的多重共線性，因此采用Lasso算法對其降維，再通過十折交叉驗證完成參數(shù)篩選，并將獲得的參數(shù)納入邏輯回歸模型建立影像組學(xué)標簽。熵分屬一階統(tǒng)計量，熵值較大時，表示圖像紋理無序且復(fù)雜，所含信息更豐富，像素分布的隨機性更大。高階紋理特征包括灰度共生矩陣與灰度游程矩陣等，反映空間、距離等綜合信息，可補充一階紋理特征的不足。長游程高灰度因子分屬灰度游程矩陣，主要反映腫瘤內(nèi)部灰度的粗糙度和集中度[14]。本研究從GIST病灶中所篩選的影像組學(xué)標簽，與風(fēng)險度分級呈顯著正相關(guān)，表明高風(fēng)險腫瘤內(nèi)部紋理復(fù)雜、分布隨機，可能由于風(fēng)險高的腫瘤通常體積大、生長速度快，中心組織血流供應(yīng)不足，發(fā)生壞死、破裂和出血的概率更高。而高風(fēng)險腫瘤內(nèi)部灰度的粗糙度與集中度較高，推測可能由于增強后進入不同風(fēng)險度腫瘤供血血管的碘劑含量不同，使像素值發(fā)生改變，成為區(qū)分GIST風(fēng)險分級中較有意義的評估因素。

3.2 臨床資料及預(yù)測模型與GIST危險度分級的關(guān)系既往研究表明，Ki-67表達水平可以作為GIST的重要預(yù)后因子[15]，其過度表達與高風(fēng)險呈顯著正相關(guān)[16]，可能由于Ki-67作為已確定的細胞增殖標志物，與多種腫瘤預(yù)后不良密切相關(guān)[17-18]。而腫瘤發(fā)生部位可以作為GIST復(fù)發(fā)因素的獨立預(yù)測因子[19-20]，被新納入改良的NIH標準。鑒于單一的特征參數(shù)無法全面、連續(xù)、準確地預(yù)測危險度分級，而臨床資料可能為影響腫瘤惡性程度風(fēng)險的獨立因素，本研究聯(lián)合腫瘤發(fā)生部位與Ki-67表達情況建立預(yù)測GIST危險度分級的模型。經(jīng)計算腫瘤發(fā)生部位、Ki-67表達水平可以較好地鑒別高、低風(fēng)險組間的差異，與文獻報道基本一致[15-17]。預(yù)測模型較影像組學(xué)標簽、患者一般資料各自獨立鑒別風(fēng)險分級的檢驗效能均顯著提高，且驗證組顯示模型泛化能力較好，具有臨床意義。

3.3 GIST危險度分級與腫瘤復(fù)發(fā)及轉(zhuǎn)移風(fēng)險的關(guān)系2008年改良的NIH分級系統(tǒng)可以較為準確地評估腫瘤復(fù)發(fā)及轉(zhuǎn)移風(fēng)險[21]。依據(jù)既往研究報道[7,11]，本研究將極低危、低危視為低風(fēng)險，中危、高危視為高風(fēng)險，在探討模型術(shù)前預(yù)測危險度分級價值的同時，為臨床評估復(fù)發(fā)與轉(zhuǎn)移風(fēng)險提供更多的診斷依據(jù)。

3.4 研究的局限性 本研究納入樣本量小，且有偏倚，在后續(xù)研究中需擴大樣本量并平衡偏倚。另外，本研究評估模型效能時僅使用邏輯回歸方法，有待比較其他算法，探尋更好的評估效能方式。

綜上所述，基于增強CT影像組學(xué)聯(lián)合臨床資料建立的模型對GIST危險度分級具有一定的預(yù)測價值，可以提供患者預(yù)后信息，并輔助臨床指導(dǎo)患者選擇最佳治療方式，最大程度地減輕患者的醫(yī)療負擔(dān)。