CT特征在預測非小細胞肺癌中甲狀腺轉錄因子1表達狀態(tài)的價值

聞 敏 李 紅 劉 松陳文萍 周正揚

南京大學醫(yī)學院附屬鼓樓醫(yī)院影像醫(yī)學科(江蘇 南京 210008)

肺癌是我國最常見的惡性腫瘤之一，非小細胞肺癌(non-small cell lung cancer，NSCLC)約占其總數的75%～85%[1-2]。甲狀腺轉錄因子1(thyroid transcription factor 1，TT F-1)是一種在正常外周肺中具有重要功能的轉激活因子，在NSCLC中表現(xiàn)出異常表達[3]，隨著免疫組化法在肺癌診斷中的應用[4]，TTF-1作為最常用的免疫組化標志物之一，在非小細胞肺癌的診斷、治療及預后評估方面起著重要作用[5-6]。但鑒于TTF-1的獲取依賴手術病理，對于無法手術的患者無法得到準確的免疫組化結果。隨著CT掃描在肺癌診斷中的廣泛開展，能較詳細的獲取肺癌的影像學特征[7]，因而胸部CT掃描在篩選、診斷肺癌方面起著重要作用[1-2]。因此本研究旨在通過評估非小細胞肺癌病灶的CT特征預測TTF-1表達狀態(tài)。

1 資料與方法

1.1 一般資料回顧性分析南京大學醫(yī)學院附屬鼓樓醫(yī)院2017年1月至2018年12月符合以下標準的患者。

納入標準：經手術病理證實為非小細胞肺癌，并有TTF-1免疫組化結果；臨床和CT圖像資料完整清晰；單發(fā)病灶。排除標準：圖片質量不佳，不能用于分析；CT圖像與手術時間間隔超過一個月。146例患者納入研究，男79例，女67例，年齡36～88歲，平均年齡62歲。

1.2 檢查方法采用GE VCT 64排，GE Discovery HD 750，Ingenuity Flex16排，聯(lián)影uCT78064排進行胸部CT平掃檢查。掃描參數如下：管電壓120kV，自動毫安，轉速0.7s/圈，矩陣512×512，掃描層厚5mm，重建層厚1.25mm。

1.3 圖像分析由兩名具有5年胸部影像診斷經驗的醫(yī)師對圖像進行共同評估，意見不一致時協(xié)商達成統(tǒng)一。CT圖像的評判及調閱以肺窗和縱隔窗在圖像處理軟件上完成。選擇病灶最大層面，數值測量盡量避開鈣化、“空泡”、“空洞”及支氣管影。觀察包括邊界、成分、“分葉”、“毛刺”、鈣化、血管“集束”征、支氣管“充氣”征、“空泡”征、結節(jié)型/腫塊型、鄰近胸膜增厚、胸膜“凹陷”征、阻塞性肺氣腫、外周纖維化、胸腔積液、單發(fā)腫大淋巴結、多發(fā)腫大淋巴結及鈣化淋巴結在內的17個CT特征，并測量記錄病灶的長徑、短徑及平掃CT值(CTmean)、最大CT值(CTmax)、最小CT值(CTmin)及標準差SD。

1.4 免疫組織化學檢測切除的腫瘤組織標本通過中性甲醛進行固定，采用石蠟包埋、切片。TTF-1檢測：采用免疫組織化En-vision法檢測TTF-1表達。TTF-1染色定位于細胞核，呈黃棕色。陽性細胞判定結果：陽性細胞占細胞百分率＜10%為陰性(-)，10%～25%為弱陽性(+)，26%～75%為中度陽性(++)，＞75%為強陽性(+++)，弱、中、強均視為陽性。

1.5 統(tǒng)計分析采用SPSS 22.0及MedCale軟件包進行統(tǒng)計分析。定量變量采用正態(tài)分布檢驗、偏態(tài)分布描述性統(tǒng)計、非參數方法Mann-Whitney u檢驗。定性變量采用χ2檢驗或Fisher精確性檢驗。采用二元logistic回歸構建預測TTF-1的多參數模型，對回歸模型預測概率值和各陽性單因素定量參數進行ROC曲線分析，得出曲線下面積(AUC)、敏感度及特異度。P＜0.05為差異有統(tǒng)計學意義。兩名醫(yī)師定量參數評估的一致性采用組內相關系數(interclass correlation coefficient，ICC)進行分析，ICC值＜0.40表示一致性較差，ICC值在0.40～0.75之間為一致性尚可，ICC值＞0.75一致性較好。P＜0.05為差異有統(tǒng)計學意義。

2 結 果

2.1 非小細胞肺癌中TTF-1不同表達組與CT參數的差異性比較納入的非小細胞肺癌146例患者中TTF-1表達陽性119例(81.5%)，陰性27例(18.5%)，TTF-1陽性病例CT及病理圖像見圖1-6，分類變量卡方檢驗見表1，成分(P＜0.001)、支氣管“充氣”征(P=0.028)、結節(jié)型/腫塊型(P＜0.001)、胸膜增厚(P=0.002)、阻塞性肺氣腫(P=0.006)差異有統(tǒng)計學意義，而年齡(P=0.223)、邊界(P=0.570)、“分葉”(P=0.029)、“毛刺”(P=0.406)、鈣化(P=0.088)、血管“集束”征(P=0.211)、“空泡”征(P=0.720)、“空洞”(P=0.614)、胸膜“凹陷”征(P=0.784)、外周纖維化(P=0.051)、胸腔積液(P=0.104)、腫大淋巴結(P=0.775)、多發(fā)腫大淋巴結(≥3個)(P=0.230)、鈣化淋巴結(P=0.378)差異無統(tǒng)計學意義。

圖1 女，49歲，左上肺腺癌伴分葉、毛刺、空泡及鈣化。

表1 TTF-1蛋白的表達情況臨床及CT特征分類變量數據表[n(%)]

非參數檢驗見表2顯示，CTmean(P=0.003)、CTmin(P=0.001)、SD(P＜0.001)、長徑(P＜0.001)、短徑(P＜0.001)5個參數差異有統(tǒng)計學意義。TTF-1陰性組病灶CTmean、CTmin、長徑、短徑均顯著高于陽性組，而TTF-1陰性組病灶SD值顯著低于陽性組。

表2 TTF-1 CT連續(xù)參數的描述性分布

2.2 CT參數預測TTF-1的診斷效能CTmean、CTmin、SD、長徑及短徑在預測TTF-1表達中診斷效能較好，其AUC值分別為0.682、0.696、0.728、0.764、0.745，見表3。以病灶長徑3.26cm為閾值診斷非小細胞肺癌患者TTF-1表達的敏感度為76.2%，特異度為70.4%。

2.3 二元Logistic回歸分析及預測概率值與各單因素預測效能分析通過二元Logistic回歸分析，將單因素分析中具有統(tǒng)計學意義的指標包括成分、支氣管“充氣”征、結節(jié)型/腫塊型、胸膜增厚、阻塞性肺氣腫、CTmean、CTmin、SD、長徑、短徑納入Logistic回歸分析，結果顯示支氣管“充氣”征、SD、短徑被保留，并生成預測概率值。

將Logistic回歸預測概率值與以上各單因素分析中具有統(tǒng)計意義的指標進行ROC曲線分析，結果顯示多參數模型預測概率值AUC值為0.840，預測價值最高，以擬合參數0.810為閾值診斷非小細胞肺癌患者TTF-1表達的敏感度為70.6%，特異度為85.2%，見圖3及表3。

表3 TTF-1 CT參數的ROC分析

圖2 男，52歲，右上肺腺癌伴阻塞性肺氣腫及外周纖維化。

圖3 男，58歲，右上肺腺鱗癌伴空洞。

圖4男，84歲，右上肺腺癌伴縱隔腫大淋巴結及右側少量胸腔積液。

圖5 男，64歲，中分化腺癌(乳頭為主型)HE×100。

圖6 TTF-1陽性(+++)×100。

圖7 Logistic回歸模型預測概率值及各單因素參數預測非小細胞肺癌TTF-1表達情況的ROC曲線。

2.4 觀察者間分析結果如表4，CTmean、長徑、短徑一致性較好，CTmax、CTmin、SD一致性尚可。

表4 CT參數的觀察者間分析

3 討 論

近年來，肺癌的發(fā)生率及病死率呈逐年上升趨勢[8]。TTF-1是NKX2家族的重要成員，是一種在甲狀腺、肺和大腦中表達的同源結構域轉錄因子，是肺形態(tài)發(fā)生和肺上皮細胞分化的主要調節(jié)因子[9]，在肺的發(fā)育、細胞生長及分化中發(fā)揮重要作用[10-11]。已有研究表明，在非小細胞肺癌的診斷中，TTF-1的表達具有較高的敏感性和特異性[12-13]。因此本研究認為通過非小細胞肺癌的CT影像特征預測TTF-1的表達可能具有潛在的應用價值。

對于分類變量，本研究結果CT參數顯示成分、支氣管“充氣”征、結節(jié)型/腫塊型、胸膜增厚、阻塞性肺氣腫的組間差異有統(tǒng)計學意義(P＜0.05)。

在TTF-1表達陰性的非小細胞肺癌患者CT特征中病灶更傾向于實性成分、無支氣管“充氣”征、腫塊型。其原因可能是TTF-1的減少或丟失抑制細胞的正常分化，導致了腫瘤的發(fā)生、發(fā)展，使表達的癌細胞更具有侵襲性[4]。相關研究也表明，腫瘤分化程度越低，瘤灶直徑越大的患者TTF-1陰性表達率越高[14]。此外，病灶伴胸膜增厚、阻塞性肺氣腫在TTF-1陰性表達組中更常見，表明病灶分化較差，侵襲性較高，更易侵犯胸膜及鄰近支氣管壁。

對于連續(xù)變量，CTmean、CTmin、長徑、短徑的組間差異有統(tǒng)計學意義(P＜0.05)。TTF-1表達陽性的病灶CTmean、CTmin顯著低于陰性組，而長短徑顯著小于陰性組。說明TTF-1陽性表達率越高，腫瘤惡性程度越低，分化更好，生長緩慢，細胞密度低，瘤灶直徑相對更小，密度更低[14]。

CT參數的ROC曲線結果分析顯示，病灶長徑預測TTF-1的診斷效能最佳。此外，二元Logistic回歸模型顯示支氣管“充氣”征、SD及短徑被保留，多參數模型的建立將AUC值提高至0.821。

本研究存在一些不足：第一，樣本量相對較小，有待擴充樣本量進一步驗證；第二，本研究是回顧性研究，采用的CT機器及掃描參數不同，可能對結果產生一定影響；第三，未對非小細胞肺癌進一步分型，有待在以后更深入的研究中探討。

綜上所述，CT特征可以評估非小細胞肺癌TTF-1的表達，多參數模型對TTF-1表達的診斷效能較單因素分析更高，為非小細胞肺癌的臨床診斷及治療提供一定參考意義。