基于對(duì)照CT影像的股骨頭壞死預(yù)后預(yù)測(cè)

趙文哲 ,胡守業(yè) ,趙益童 ,劉毅楠 ,李 瑤, ,李達(dá)寧 ,黃定興,孫 健,5,6

(1.西安交通大學(xué)醫(yī)學(xué)部公共衛(wèi)生學(xué)院,陜西西安 710061;2.西安交通大學(xué)第一附屬醫(yī)院醫(yī)學(xué)影像科,陜西西安 710061;3.西安交通大學(xué)附屬紅會(huì)醫(yī)院,陜西西安 710054;4.西安交通大學(xué)醫(yī)學(xué)部基礎(chǔ)醫(yī)學(xué)院,陜西西安 710061;5.教育部環(huán)境與疾病相關(guān)基因重點(diǎn)實(shí)驗(yàn)室,環(huán)境與地方病研究室,陜西西安 710061;6.國(guó)家衛(wèi)生健康委員會(huì)微量元素與地方病研究重點(diǎn)實(shí)驗(yàn)室,陜西西安 710061)

缺血所致的股骨頭壞死是骨科領(lǐng)域常見的一種致殘性疾病,系股骨頭血供中斷或受損,引起骨細(xì)胞及骨髓成分死亡及隨后的修復(fù)反應(yīng),繼而導(dǎo)致股骨頭結(jié)構(gòu)改變[1]。若早期得不到積極有效的治療,隨著病情進(jìn)展,會(huì)導(dǎo)致壞死后塌陷,將引發(fā)嚴(yán)重的關(guān)節(jié)功能障礙[2]。約80%未經(jīng)治療的股骨頭壞死患者在1～3年內(nèi)會(huì)發(fā)生股骨頭關(guān)節(jié)面的塌陷[3]。早期股骨頭壞死治療的關(guān)鍵在于防止股骨頭塌陷,尤其是對(duì)年輕患者,保留股骨頭具有重大意義。關(guān)節(jié)面是否塌陷是影響股骨頭壞死預(yù)后好壞的決定性因素[4]。一旦出現(xiàn)關(guān)節(jié)面塌陷,“保髖”效果差,最終只能進(jìn)行關(guān)節(jié)置換。因此,早期評(píng)估患者預(yù)后,針對(duì)可能預(yù)后差的患者制訂精準(zhǔn)的個(gè)性化治療方案并采取積極有效的保髖治療顯得尤為重要[5]。

近年來(lái),已有研究嘗試對(duì)骨頭壞死的塌陷風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè),如基于股骨頭壞死區(qū)位置特點(diǎn)[6]、壞死區(qū)范圍[7]、壞死區(qū)形態(tài)特點(diǎn)[8]、壞死區(qū)信號(hào)特點(diǎn)[9]、有限元技術(shù)[4]等。然而,這些方法在準(zhǔn)確性和實(shí)用性方面存在不同程度的局限性,并且這些特征大都是臨床醫(yī)師基于影像進(jìn)行主觀評(píng)估獲取,基于影像層次的信息并沒有得到完全利用。隨著精準(zhǔn)醫(yī)學(xué)概念的提出和人工智能技術(shù)的快速發(fā)展,基于主觀評(píng)估的傳統(tǒng)影像學(xué)診斷模式逐漸難以滿足個(gè)性化診療的需求,越來(lái)越多的研究發(fā)現(xiàn),醫(yī)學(xué)影像不僅是簡(jiǎn)單的圖像,還包含了大量臨床醫(yī)師無(wú)法直接主觀診斷獲取的深層次信息。在此背景下,一種新的醫(yī)學(xué)影像分析方法“影像組學(xué)”于2012年由荷蘭學(xué)者LAMBIN 提出[10]。影像組學(xué)方法通過(guò)高通量定量特征提取方法,將圖像轉(zhuǎn)換為可挖掘的數(shù)據(jù),利用機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行分析,可以很好地為臨床提供決策支持[11]。已有大量的研究成果表明,影像組學(xué)在疾病的診斷、療效評(píng)估及預(yù)后預(yù)測(cè)等方面有良好的優(yōu)勢(shì)。隨著醫(yī)學(xué)影像檢查的完善和普及,CT 已普遍應(yīng)用于股骨頭壞死的評(píng)價(jià),尤其是在密度及空間分辨率方面獨(dú)有的優(yōu)勢(shì),為患者治療提供了依據(jù)[12]。然而,尚缺乏利用CT 影像對(duì)股骨頭壞死患者的預(yù)后預(yù)測(cè)研究。

本研究擬利用CT 影像通過(guò)影像組學(xué)方法建立預(yù)測(cè)模型對(duì)股骨頭壞死的預(yù)后進(jìn)行研究,旨在為臨床評(píng)估預(yù)后提供一種客觀的分析參考,同時(shí)本研究探究了患者的對(duì)側(cè)正常股骨頭的影像特征對(duì)患者預(yù)后預(yù)測(cè)的額外價(jià)值,及患者壞死股骨頭影像特征和對(duì)側(cè)正常股骨頭的影像特征存在的潛在關(guān)聯(lián)性。

1 材料與方法

1.1 患者數(shù)據(jù)收集

本研究經(jīng)西安交通大學(xué)附屬紅會(huì)醫(yī)院審查委員會(huì)批準(zhǔn),并獲得豁免簽署的知情同意書。本研究納入于2017年8月至2020年12月之間在本院接受單側(cè)股骨頭手術(shù)的患者。治療方式包括股骨頭髓芯減壓術(shù)、打壓植骨術(shù)、股骨頭壞死病灶刮除等。納入標(biāo)準(zhǔn):①患者確診為股骨頭壞死;②患者在治療前1個(gè)月內(nèi)在本院接受CT 檢查;③患者的臨床資料和隨訪資料齊全。排除標(biāo)準(zhǔn):①患者診斷為股骨頭壞死同時(shí)伴隨其他疾病;②患者接受CT 檢查前未接受對(duì)股骨頭壞死的治療。

本研究患者的預(yù)后根據(jù)隨訪結(jié)果確定,在隨訪過(guò)程中采用Harris評(píng)分方法對(duì)每位患者進(jìn)行預(yù)后評(píng)分。Harris評(píng)分系統(tǒng)中疼痛評(píng)價(jià)占44分,功能評(píng)價(jià)占47分,肢體畸形占4分,活動(dòng)范圍占5分,四大項(xiàng)評(píng)分的總和即為Harris評(píng)分的得分[13]。對(duì)于每位患者的Harris評(píng)分,評(píng)分70及以上為預(yù)后良好,評(píng)分70分以下表示患者預(yù)后較差。

本研究共收集患者51例,包括女性14例,男性37例,年齡范圍15～63歲。本研究使用10次隨機(jī)實(shí)驗(yàn)的方式進(jìn)行模型構(gòu)建及驗(yàn)證。對(duì)每次隨機(jī)實(shí)驗(yàn),隨機(jī)取數(shù)據(jù)集的75%數(shù)據(jù)(38例患者)用于臨時(shí)訓(xùn)練集,剩下的25%數(shù)據(jù)(13 例患者)用于臨時(shí)驗(yàn)證集。對(duì)訓(xùn)練集和驗(yàn)證集,計(jì)算10次實(shí)驗(yàn)的平均結(jié)果作為模型的最終結(jié)果。

1.2 CT圖像獲取

所有患者在手術(shù)前都進(jìn)行了CT 掃描。CT 圖像從圖像存檔和通信系統(tǒng)(picture archiving and communication systems,PACS)直接回顧性獲取?；颊叩腃T檢查通過(guò)兩臺(tái)CT 掃描儀完成,包括一臺(tái)飛利浦公司的64排Ingenuity CT 和一臺(tái)西門子公司的64排CT SOMATOM Definition Flash。CT掃描參數(shù)如下:管電壓100～120 KVP,管電流140～640 m AS,曝光時(shí)間500～968 mS,體素尺寸0.619 1～0.916 0 mm,層厚1.0～1.5 mm,重建直徑317～469 mm,重建矩陣512×512。

1.3 特征提取

對(duì)于每位患者,本研究的感興趣區(qū)域包括兩部分:第一個(gè)感興趣區(qū)域?yàn)榛颊叩膲乃拦晒穷^,第二個(gè)感興趣區(qū)域?yàn)榛颊叩膶?duì)側(cè)股骨頭?；颊叩膬蓚€(gè)股骨頭區(qū)域由經(jīng)驗(yàn)豐富的放射科醫(yī)師利用ITK-SNAP軟件完成。為了使不同的圖像規(guī)格標(biāo)準(zhǔn)化,在特征提取之前對(duì)圖像進(jìn)行預(yù)處理,包括圖像重采樣和灰度標(biāo)準(zhǔn)化,對(duì)所有圖像按照體素大小為1 mm×1 mm×1 mm 進(jìn)行重采樣,灰度值標(biāo)準(zhǔn)化為1～64[14]。

對(duì)每位患者的感興趣區(qū)域提取968個(gè)影像特征,包括484個(gè)基于壞死股骨頭的影像特征和484個(gè)基于對(duì)側(cè)正常股骨頭的影像特征。特征分為3種類型:6個(gè)一階直方圖統(tǒng)計(jì)特征,53 個(gè)二階紋理特征和424個(gè)基于小波分解的高階紋理特征。二階紋理特征包括22個(gè)基于灰度共生矩陣提取、13個(gè)基于灰度游程矩陣提取、13個(gè)基于灰度區(qū)域大小矩陣提取、5個(gè)基于鄰域灰度差分矩陣提取[15]。特征提取程序基于MATLAB 軟件(MathWorks,Natick,MA,USA)實(shí)現(xiàn)。

1.4 特征分析

本研究首先對(duì)基于壞死股骨頭的影像特征和基于對(duì)側(cè)正常股骨頭的影像特征利用單變量分析方法[曼-惠特尼秩和檢驗(yàn)和接受者操作特性(receiver operator characteristic,ROC)分析]進(jìn)行分析,以評(píng)估單獨(dú)影像特征的預(yù)測(cè)性能[16]。本研究使用Benjamini-Hochberg方法對(duì)曼-惠特尼秩和檢驗(yàn)的P值進(jìn)行校正,校正后的P值小于0.05表示特征在預(yù)后良好組和預(yù)后較差組具有數(shù)值上的統(tǒng)計(jì)學(xué)差異,此特征對(duì)患者的預(yù)后具有預(yù)測(cè)價(jià)值。

對(duì)多變量分析,本研究基于臨時(shí)訓(xùn)練集構(gòu)建分類模型,利用臨時(shí)驗(yàn)證集對(duì)分類模型進(jìn)行驗(yàn)證。本研究利用最大相關(guān)最小冗余(maximum relevance minimal redundancy)算法進(jìn)行特征篩選,利用多變量邏輯回歸進(jìn)行分類模型構(gòu)建[17]。最大相關(guān)最小冗余算法通過(guò)同時(shí)分析特征與分類變量之間的相關(guān)性以及特征與特征之間的相關(guān)性對(duì)特征進(jìn)行排序,選取排序前列的特征構(gòu)建預(yù)測(cè)模型。

1.5 模型構(gòu)建及驗(yàn)證

本研究分別構(gòu)建了基于壞死股骨頭的影像組學(xué)預(yù)測(cè)模型、基于對(duì)側(cè)正常股骨頭的影像組學(xué)預(yù)測(cè)模型和融合壞死股骨頭和對(duì)側(cè)正常股骨頭的影像組學(xué)預(yù)測(cè)模型。此外,為了探究壞死股骨頭和對(duì)側(cè)正常股骨頭之間的潛在關(guān)聯(lián),本研究使用斯皮爾曼等級(jí)相關(guān)分析方法探究了壞死股骨頭影像特征和對(duì)側(cè)正常股骨頭影像特征相關(guān)性分析。本研究?jī)H分析了一一對(duì)應(yīng)特征的相關(guān)性,例如,本研究探究了基于壞死股骨頭的熵值(entropy)特征與基于對(duì)側(cè)正常股骨頭的熵值特征的相關(guān)性,基于壞死股骨頭的熵值特征與基于對(duì)側(cè)正常股骨頭的其他特征的相關(guān)性未進(jìn)行分析。

2 結(jié)果

2.1 患者臨床特征

本研究納入患者的臨床特征如表1所示。3個(gè)特征在預(yù)后良好和預(yù)后較差組之間均無(wú)統(tǒng)計(jì)學(xué)差異。對(duì)壞死股骨頭和對(duì)側(cè)正常股骨頭的勾畫示例如圖1所示。

圖1 對(duì)壞死股骨頭和對(duì)側(cè)正常股骨頭的勾畫示例Fig.1 An example of two ROIs of a patient

2.2 基于壞死股骨頭的影像組學(xué)分析

對(duì)于壞死股骨頭的影像特征,37個(gè)特征顯示出對(duì)預(yù)后的預(yù)測(cè)價(jià)值,這些特征的平均AUC 值為0.708 2±0.029 9,AUC 范圍為0.672 8～0.765 4。通過(guò)使用多變量分析,構(gòu)建的預(yù)測(cè)模型在訓(xùn)練集和驗(yàn)證集的AUC分別為0.911 0±0.029 4和0.688 6±0.089 3。10次重復(fù)隨機(jī)實(shí)驗(yàn)AUC 箱形圖如圖2A所示。

2.3 基于對(duì)側(cè)正常股骨頭的影像組學(xué)分析

對(duì)于對(duì)側(cè)正常股骨頭的影像特征,14 個(gè)特征顯示出對(duì)預(yù)后的預(yù)測(cè)價(jià)值,這些特征的平均AUC值略低于壞死股骨頭的影像特征的平均AUC值,為0.703 6±0.006 9,AUC范圍為0.691 4～0.720 7。通過(guò)使用多變量分析,基于正常股骨頭的影像特征構(gòu)建的預(yù)測(cè)模型在訓(xùn)練集和驗(yàn)證集的AUC值均低于基于壞死股骨頭的影像特征構(gòu)建的預(yù)測(cè)模型(訓(xùn)練集:0.867 2±0.039 5;驗(yàn)證集:0.669 0±0.072 6)。10次重復(fù)隨機(jī)實(shí)驗(yàn)AUC箱形圖如圖2B所示。

2.4 基于壞死股骨頭和對(duì)側(cè)正常股骨頭的影像組學(xué)分析

對(duì)綜合壞死股骨頭的影像特征和對(duì)側(cè)正常股骨頭的影像特征使用多變量分析,構(gòu)建的預(yù)測(cè)模型在訓(xùn)練集和驗(yàn)證集的AUC值均高于基于壞死股骨頭的影像特征構(gòu)建的預(yù)測(cè)模型(訓(xùn)練集:0.935 8±0.016 6;驗(yàn)證集:0.737 9±0.090 8)。10次重復(fù)隨機(jī)實(shí)驗(yàn)AUC箱形圖如圖2C所示。

圖2 多變量分析10次重復(fù)隨機(jī)實(shí)驗(yàn)AUC箱形圖Fig.2 Box plots for AUC value of the repeated random experiments

2.5 壞死股骨頭影像特征和對(duì)側(cè)正常股骨頭影像特征的相關(guān)性分析

基于壞死股骨頭影像特征和對(duì)側(cè)正常股骨頭影像特征相關(guān)性分析表明,對(duì)于總計(jì)484個(gè)影像特征,共有385個(gè)特征(79.55%)存在相關(guān),相關(guān)系數(shù)絕對(duì)值的平均值為0.603 0±0.150 5。對(duì)于具有相關(guān)性的特征,更多特性表現(xiàn)出正相關(guān),負(fù)相關(guān)的特征較少。其中,355個(gè)特征(92.21%)呈正相關(guān),相關(guān)系數(shù)的平均值為0.609 0±0.152 1。僅有30個(gè)特征(7.79%)呈負(fù)相關(guān),相關(guān)系數(shù)的平均值為-0.532 5±0.110 1。壞死股骨頭影像特征和對(duì)側(cè)正常股骨頭影像特征相關(guān)性系數(shù)分布如表2所示。

表2 壞死股骨頭和對(duì)側(cè)正常股骨頭影像特征相關(guān)性系數(shù)分布Tab.2 Correlation coefficient distribution of imaging features of necrotic femoral head and contralateral normal femoral head

3 討 論

本研究提出一種基于術(shù)前CT 影像組學(xué)進(jìn)行股骨頭壞死患者預(yù)后預(yù)測(cè)的方法。此外,通過(guò)融入患者的對(duì)側(cè)正常股骨頭的影像特征可發(fā)現(xiàn),患者的對(duì)側(cè)正常股骨頭的影像特征對(duì)患者預(yù)后預(yù)測(cè)具有額外價(jià)值。

由于目前股骨頭壞死的發(fā)病機(jī)制尚不清晰,因此對(duì)于股骨頭壞死的診療依然存在巨大的挑戰(zhàn)。如何更加準(zhǔn)確地預(yù)測(cè)股骨頭壞死患者預(yù)后情況與術(shù)后再塌陷的風(fēng)險(xiǎn),以及及時(shí)調(diào)整治療方案,為每位患者制訂更加精準(zhǔn)有效的個(gè)性化治療方案成為一大考驗(yàn)。股骨頭壞死的治療效果很大程度上取決于骨壞死的部位、范圍、分期、病因等[18]。然而,現(xiàn)有的預(yù)測(cè)股骨頭壞死塌陷的分期分型方法大多是臨床醫(yī)師進(jìn)行的主觀評(píng)估,而塌陷風(fēng)險(xiǎn)及預(yù)后的預(yù)測(cè)受到多種因素共同影響,基于影像層次的信息并沒有得到完全的利用,本研究利用了CT 圖像進(jìn)行股骨頭壞死的預(yù)后預(yù)測(cè),可以在一定程度上彌補(bǔ)該研究的空白。

本研究發(fā)現(xiàn),通過(guò)融合壞死股骨頭的影像特征和對(duì)側(cè)正常股骨頭的影像特征,可以獲取更加全面的信息,構(gòu)建出最佳的預(yù)測(cè)模型?；趯?duì)側(cè)正常股骨頭構(gòu)建的預(yù)測(cè)模型的訓(xùn)練集和驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率均低于基于壞死股骨頭構(gòu)建的模型。綜合壞死側(cè)股骨頭和對(duì)側(cè)正常股骨頭,構(gòu)建的預(yù)測(cè)模型在訓(xùn)練集和驗(yàn)證集均顯示出較單獨(dú)使用壞死側(cè)股骨頭和對(duì)側(cè)正常股骨頭更好的預(yù)測(cè)結(jié)果。之前有研究發(fā)現(xiàn),對(duì)乳腺腫瘤的良惡性診斷分析,通過(guò)結(jié)合患者對(duì)側(cè)乳腺實(shí)質(zhì)影像特征可以提高單側(cè)模型的診斷準(zhǔn)確率[19];雖然該研究基于乳腺腫瘤完成,與本研究股骨頭壞死不一致,但是,該研究的發(fā)現(xiàn)與本研究的發(fā)現(xiàn)具有一致性,均發(fā)現(xiàn)了對(duì)側(cè)正常組織在臨床預(yù)測(cè)具有的額外價(jià)值。

此外,本研究發(fā)現(xiàn),患者壞死股骨頭的影像特征和對(duì)側(cè)正常股骨頭的影像特征具有較強(qiáng)的相關(guān)性,這可能與股骨頭壞死的疾病發(fā)展相關(guān)。之前也有研究表明,從對(duì)稱的左右兩側(cè)乳腺組織提取的紋理特征之間存在高度相關(guān)性[20]。

本研究最大的局限性在于研究樣本來(lái)自單一機(jī)構(gòu),數(shù)據(jù)量較小,單中心研究限制了研究結(jié)論的外推。本研究的納入患者均為患者一側(cè)股骨頭壞死,對(duì)側(cè)股骨頭正常,這樣的納入排除標(biāo)準(zhǔn)導(dǎo)致納入的樣本量減少。在低樣本量情況下,為降低數(shù)據(jù)分組的偶然性對(duì)文章結(jié)果及結(jié)論的影響,本研究采用了10次隨機(jī)實(shí)驗(yàn)的方式進(jìn)行模型構(gòu)建及驗(yàn)證。因此,未來(lái)的研究將會(huì)基于多中心收集更多的患者數(shù)據(jù)來(lái)進(jìn)一步驗(yàn)證本研究的結(jié)果及結(jié)論。

綜上所述,基于CT 影像的影像組學(xué)方法可對(duì)股骨頭壞死患者的預(yù)后進(jìn)行預(yù)測(cè),此外,患者的對(duì)側(cè)正常股骨頭的影像特征對(duì)患者預(yù)后預(yù)測(cè)具有額外價(jià)值,綜合壞死股骨頭和對(duì)側(cè)正常股骨頭的影像特征可對(duì)患者預(yù)后實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)。