基于mp-MRI影像組學預測前列腺癌Gleason分級的價值探討

于 娟，謝宗玉，陳艾琪，陳 路，劉 浩，馬宜傳

前列腺癌是威脅男性生命健康的惡性腫瘤之一，發(fā)病率全世界范圍內(nèi)排第二[1]，前列腺癌的早期診斷與治療至關重要，其中多參數(shù)磁共振成像(mp-MRI)檢查的重要性，已得到國內(nèi)外廣泛學者的驗證，對于診斷前列腺臨床顯著性癌有很好的價值[2-3]。2019年更新的PI-RADS V2.1版本[4]對于MRI的技術要求是多方位的T2WI成像(T2WI橫軸位、冠狀位和/或矢狀位)；擴散加權(quán)成像，ADC圖建議b值范圍0～100 s/mm2、1 000 s/mm2，高b值的1 400 s/mm2也很有必要[5]；以及動態(tài)對比增強MRI。前列腺癌病理應用最廣泛的Gleason分級系統(tǒng)，Gleason評分分數(shù)直接影響著前列腺癌的預后，分數(shù)越高，惡性程度越高，病人預后越差[6]。影像組學是近些年的研究熱點，已有不少研究證明，人工智能通過大量的數(shù)據(jù)分析影像組學特征，能夠準確地進行影像診斷、治療效果評估以及預后判斷[7-8]。本文旨在研究mp-MRI基礎上應用影像組學能否準確預測前列腺癌Gleason分級，預測病人預后?，F(xiàn)作報道。

1 資料與方法

1.1 一般資料 回顧性分析2017年6月至2020年7月蚌埠醫(yī)學院第一附屬醫(yī)院經(jīng)手術或穿刺病理證實的前列腺癌病人資料。納入標準：所有病人術前1個月內(nèi)行3.0T MR檢查；MR圖像清晰有效，且參數(shù)設置符合PI-RADS V2.1版本技術要求。排除標準：病人行MR檢查前已進行過前列腺疾病相關治療；MR圖像質(zhì)量差，無法有效勾畫出病灶進行智能分析；病人實驗室檢查前列腺特異性抗原(PSA)值缺失。最終266例前列腺癌病人納入本研究，年齡47～84歲，PSA范圍為0.022～189.630 ng/mL；低危組Gleason評分為1～2級的148例(3+3、3+4分)；高危組Gleason評分為3～5級的118例(4+3、4+5、5+4、5+5分)。采用隨機分組法將所有病例分為訓練組186例和測試組80例，測試集比例為0.3。

1.2 MR掃描方法及技術參數(shù) 采用PHILIPS ACHIEVA 3.0T TX磁共振成像儀，16通道腹部線圈，Extended MR Work Space后處理站。病人取仰臥位，檢查前適度充盈膀胱。檢查序列符合前列腺PI-RADS v2技術規(guī)范要求，包括常規(guī)平掃T1WI、高分辨T2WI(TSE序列，TR 4 682 ms，TE 100 ms，層厚4 mm，層間距0，F(xiàn)OV 260 mm×260 mm)、擴散加權(quán)成像DWI(b值選擇為0、1 500 s/mm2，選擇EPI序列，TR 3 000 ms，TE 56 ms，層厚4 mm，層間距0，F(xiàn)OV 260 mm×260 mm)，高分辨T2WI、DWI掃描范圍包括整個精囊腺及前列腺，T2WI序列與DWI序列掃描層面一一對應，應用后處理軟件得到ADC圖像。

1.3 影像組學數(shù)據(jù)處理與模型建立 兩名在前列腺疾病MR診斷方面有豐富經(jīng)驗的醫(yī)生利用達爾文科研平臺在高分辨T2WI橫軸位以及ADC圖上分別手動勾畫病灶最大層面的ROI，并對2組間ROI的勾畫差異作一致性檢驗。在達爾文平臺上創(chuàng)建實驗，平臺自動對病灶ROI的特征進行提取，對提取的特征數(shù)據(jù)進行預處理，測試集比例選擇0.3，將特征數(shù)據(jù)降維，每一維度特征線性拉伸到[1]區(qū)間內(nèi)。最優(yōu)特征篩選個數(shù)K值選擇100，構(gòu)建支持向量機模型，在訓練組及測試組中繪制ROC曲線，應用方差值評估影像組學特征與Gleason高危組、低危組是否有相關性，并對模型進行5折交叉驗證。

國際泌尿病理協(xié)會(ISUP)將前列腺癌Gleason分級劃分為5個等級。ISUP 1級：Gleason 2～6分；ISUP 2級：Gleason 3+4分、Gleason 4+3分、Gleason 8分、Gleason 9～10分。其中ISUP將Gleason 3+4分、Gleason 4+3分區(qū)分開，前者為低危組，后者為高危組。

1.4 統(tǒng)計學方法 采用受試者工作曲線(ROC)和Delong實驗驗證。

2 結(jié)果

2.1 影像組學特征 對266例病人的前列腺癌病灶ROI提取了1 879個特征(見圖1)；通過模型篩選，保留15個最重要的影像特征納入實驗，包括T2WI相關特征5個、ADC圖相關特征9個以及PSA值(見圖2)。

2.2 模型效能 T2WI、ADC圖影像組學模型在Gleason評分高危組、Gleason評分低危組之間差異有統(tǒng)計學意義(P<0.01)，訓練組ROC曲線下面積(AUC)為0.753(0.671～0.838)，測試組AUC為0.741(0.572～0.893)，準確率62.5%(見圖3)。T2WI、ADC圖影像組學聯(lián)合PSA值在Gleason評分高危組、低危組之間差異有統(tǒng)計學意義(P<0.01)，訓練組AUC為0.768(0.688～0.870)，測試組AUC為0.752(0.613～0.917)，準確率72.5%(見圖4)。2組測試組模型進行5折交叉驗證(見圖5)，2組實驗AUC經(jīng)Delong實驗驗證差異無統(tǒng)計學意義(P>0.05)。

3 討論

Gleason分級評分系統(tǒng)是目前臨床應用最廣泛的前列腺癌組織學評價系統(tǒng)，決定病人的治療方式及預后評估[9]，Gleason 3+4分與Gleason 4+3分評分總分雖一致，但Gleason 4+3分主要結(jié)構(gòu)惡性程度更高，2020年歐洲泌尿外科學會指南提出對于穿刺結(jié)果為Gleason 4+3分的病人應采取積極治療[10-11]；Gleason 4+3分病人總體生存率低于Gleason 3+4分[12]，因此本組實驗中將Gleason 3+4分及以下的病例分為低危組，Gleason 4+3分及以上的病例分為高危組，具有重要的臨床應用價值。2020年歐洲泌尿外科學會指南中關于前列腺癌早期診斷中，推薦PSA篩查、前列腺mp-MRI檢查及前列腺穿刺[13]，且強烈推薦在前列腺mp-MRI有陽性發(fā)現(xiàn)時行前列腺穿刺，因此無創(chuàng)性的PSA篩查、前列腺mp-MRI檢查在前列腺癌的診斷中具有非常可信的價值。前列腺mp-MRI檢查中高分辨T2WI、ADC圖更為重要，逐漸成為研究熱點，擁有縮短病人檢查時間、避免對比劑不良反應事件發(fā)生等優(yōu)點[14]。

影像組學是近年來影像醫(yī)學方向的研究熱點，為精準評估腫瘤的生物學行為提供了全新的方式，本研究基于mp-MRI高分辨T2WI、ADC圖，通過勾畫病灶ROI的方式提取病灶大量的影像特征數(shù)據(jù)進行分析，樣本量達266例，提取了1 878個特征，將特征數(shù)據(jù)降維處理，通過最優(yōu)特征篩選，利用樣本方差F值，評估特征與分類標簽的線性相關性，最終選擇了15個最具重要性的特征進行前列腺癌惡性程度的預測，特征重要性排名中，T2WI平方根一階偏度和ADC灰度矩陣相關特征以及ADC平方根一階峰度排在了前三位，說明一階直方圖和灰度相關矩陣對于影像組學評估價值較高，其特征與前列腺癌的惡性程度相關，其余較重要的有T2WI基于2D形狀特征及T2WI、ADC圖的高階紋理特征等，說明以上影像組學特征均與腫瘤的惡性程度有關，對于影像組學的評估有一定的作用價值。本研究構(gòu)建的支持向量機分類模型能夠較好地通過影像組學特征預測Gleason評分的高危、低危，測試組的ROC曲線較好的驗證了訓練組的預測效能，訓練組ROC曲線下面積AUC為0.753，測試組ROC曲線下面積AUC為0.741，并且使用了5折交叉驗證模型，使訓練組的預測效能更有說服力，本研究結(jié)果與國內(nèi)部分研究結(jié)果相一致[15]。血清學PSA是前列腺癌最具特征性的腫瘤標志物，在前列腺癌的早期檢測中無法被其他檢測替代，本試驗將PSA值作為臨床特征，與T2WI、ADC圖影像組學特征聯(lián)合構(gòu)建支持向量機模型，其對前列腺癌Gleason分級的預測價值高于單純應用T2WI/ADC圖影像組學，訓練組AUC為0.768，測試組AUC為0.752，Delong驗證得出兩者ROC曲線下面積的差異無統(tǒng)計學意義，結(jié)果說明，聯(lián)合PSA值對于mp-MRI影像組學預測前列腺癌惡性程度貢獻價值不高，聯(lián)合PSA值的預測效能只在一定程度上稍高于單純應用T2WI/ADC圖影像組學的預測效能，可能原因在于前列腺特異性抗原對于前列腺癌的檢出具有較高的價值，但不能夠很好地提示其惡性程度。

本研究的局限性：(1)病灶ROI的手動勾畫，本研究結(jié)合T2WI、DWI及ADC圖手動勾畫病灶，每個序列的病灶影像可互相匹配，與臨床病理病灶部位吻合度較高，但仍具有主觀性及不確定性，病灶勾畫花費時間較長，不利于進行大樣本大數(shù)據(jù)研究；且ROI取病灶最大層面進行二維勾畫，病灶體積等三維數(shù)據(jù)丟失，不利于提取病灶的所有影像特征。(2)構(gòu)建支持向量機模型參數(shù)設定缺乏規(guī)范化設計及標準參考，不同設計者之間可能存在差異造成模型預測效能的不同。(3)本研究未對PSA值進行分層探討，原因一是PSA值分層后每組病例量不足以研究影像組學，二是目前應用前列腺影像組學對于Gleason分級預測的價值分析中對于聯(lián)合PSA值且對PSA值分層探討的文獻數(shù)據(jù)較少，預測效能有待研究，期望在未來病例數(shù)足夠時對PSA值進行分層探討。

綜上，本研究利用mp-MRI影像組學構(gòu)建模型預測Gleason分級有較高的應用價值，Gleason評分高危組與低危組間影像特征差異有統(tǒng)計學意義，有較高的臨床應用價值，可為臨床診療及預后評估提供重要參考。