基于術(shù)前脾臟CT影像組學(xué)列線圖預(yù)測(cè)胃癌的漿膜浸潤(rùn)

沈?qū)巻?，鄭?jīng)緯，潘步建，章巍騰，陳孝冬，

1.溫州醫(yī)科大學(xué) 第一臨床醫(yī)學(xué)院（信息與工程學(xué)院），浙江 溫州 325035；2.溫州醫(yī)科大學(xué)附屬第二醫(yī)院 胃腸外科，浙江 溫州 325027；3.溫州醫(yī)科大學(xué)附屬第一醫(yī)院 胃腸外科，浙江 溫州 325015

胃癌（gastric cancer, GC）是世界上第五大最常見(jiàn)的癌癥，目前是世界上第三大癌癥相關(guān)死亡的原因[1]。術(shù)前能否準(zhǔn)確評(píng)估胃癌分期非常重要，因?yàn)樗鼪Q定了最合適的治療方案[2]。T4a期指腫瘤已侵及胃漿膜層，此時(shí)宜先行新輔助化療而后手術(shù)切除[3-4]。對(duì)于T4期伴有淋巴結(jié)轉(zhuǎn)移的患者，術(shù)前新輔助化療可使腫瘤降期從而獲取更大手術(shù)收 益[5]。因此，術(shù)前能否準(zhǔn)確評(píng)估有無(wú)漿膜浸潤(rùn)具有重要意義。此外，免疫微環(huán)境可能改變腫瘤的生長(zhǎng)階段和侵襲程度。本研究擬利用胃癌患者脾影像學(xué)資料，建立基于脾影像學(xué)特征的預(yù)測(cè)模型，探究胃癌患者脾臟特征與漿膜浸潤(rùn)的相關(guān)性。同時(shí)，構(gòu)建列線圖以幫助術(shù)前預(yù)測(cè)胃癌有無(wú)漿膜層浸潤(rùn)。

1 資料和方法

1.1 一般資料 選取2015年1月至2019年12月在溫州醫(yī)科大學(xué)附屬第一醫(yī)院行胃癌手術(shù)的患者656例。所有患者術(shù)前均進(jìn)行CT掃描，并經(jīng)胃鏡活檢病理診斷為胃癌，同時(shí)進(jìn)行根治性胃切除術(shù)；所有手術(shù)均由完成超過(guò)200例胃癌根治術(shù)的外科醫(yī)師完成。圍術(shù)期的胃癌治療和管理以日本2010版胃癌治療指南為基礎(chǔ)，參考中國(guó)抗癌協(xié)會(huì)胃癌診療指南。納入標(biāo)準(zhǔn)：年齡大于18歲；病理學(xué)檢查證實(shí)為原發(fā)性胃癌并接受手術(shù)治療者；術(shù)前行腹部增強(qiáng)CT掃描，非急診手術(shù)者。排除標(biāo)準(zhǔn)：①拒絕手術(shù)的患者；②術(shù)前無(wú)影像學(xué)檢查或無(wú)影像學(xué)資料的患者；③術(shù)后診斷與本研究不符的患者；④合并其他腫瘤或其他嚴(yán)重器質(zhì)性疾病的患者。有無(wú)漿膜浸潤(rùn)以術(shù)后標(biāo)本的病理結(jié)果為金標(biāo)準(zhǔn)，診斷標(biāo)準(zhǔn)參照美國(guó)癌癥聯(lián)合委員會(huì)第八版胃癌指南和國(guó)際抗癌聯(lián)盟腫瘤-淋巴結(jié)-轉(zhuǎn)移分期。本研究經(jīng)溫州醫(yī)科大學(xué)附屬第一醫(yī)院倫理委員會(huì)批準(zhǔn)（審批號(hào)YS2002-598），所有患者均簽署知情同意書(shū)。

1.2 影像組學(xué)的特征提取 所有患者均在術(shù)前 30 d內(nèi)行腹部增強(qiáng)CT掃描。檢查機(jī)器為64排128層的螺旋CT（德國(guó)西門(mén)子公司）。將所有CT圖像上傳到ITK-SNAP 3.8.0，半自動(dòng)測(cè)繪脾臟檢測(cè)區(qū)域。具體過(guò)程為先由1位經(jīng)驗(yàn)豐富的普外科醫(yī)師勾畫(huà)出脾臟，然后另一位放射科醫(yī)師檢查。采用NRRD格式的醫(yī)學(xué)數(shù)字圖像文件保存原始CT和目標(biāo)區(qū)域圖像。使用基于python架構(gòu)的Pyradiomics 3.7.2自動(dòng)提取特征?？偣彩占?8個(gè)初級(jí)特征（一階），14個(gè)圖形特征（3D外形），22個(gè)GLCM特征，16個(gè)GLRLM（灰度運(yùn)行長(zhǎng)度矩陣）特征，16個(gè)GLSZM（灰度大小區(qū)域矩陣）功能，5個(gè)NGTDM（鄰近的灰色色調(diào)差異矩陣）特征和14個(gè)GLDM（灰度相關(guān)矩陣）特征，小波分解后共有833特征。

1.3 預(yù)測(cè)特征的篩選和腫瘤浸潤(rùn)評(píng)分的確定 為了篩選脾臟相關(guān)特征和確定腫瘤浸潤(rùn)評(píng)分，將656例患者按2:3的比例隨機(jī)分為建模組和驗(yàn)證組。將656例患者的833個(gè)特征進(jìn)行z-score標(biāo)準(zhǔn)化，選取漿膜浸潤(rùn)脾臟特征中P＜0.1者進(jìn)行進(jìn)一步的套索回歸。最后以cv套索中最小λ的套索模型來(lái)構(gòu)建漿膜浸潤(rùn)風(fēng)險(xiǎn)預(yù)測(cè)模型[7-8]。選擇驗(yàn)證組對(duì)腫瘤浸潤(rùn)預(yù)測(cè)模型進(jìn)行準(zhǔn)確性的驗(yàn)證。

1.4 建立聯(lián)合預(yù)測(cè)模型 根據(jù)脾臟特征建立腫瘤浸潤(rùn)評(píng)分后，通過(guò)對(duì)建模組及驗(yàn)證組進(jìn)行單變量和多變量分析獲得預(yù)測(cè)因素。建模組中的833個(gè)特征經(jīng)單變量Logistic回歸分析后，篩選出P＜0.1的特征進(jìn)行進(jìn)一步的套索回歸用于建立影像組學(xué)腫瘤漿膜浸潤(rùn)預(yù)測(cè)的列線圖模型，并通過(guò)C指數(shù)校準(zhǔn)曲線下面積和決策曲線分析對(duì)預(yù)測(cè)模型的穩(wěn)定性和可靠性進(jìn)行評(píng)估。

1.5 統(tǒng)計(jì)學(xué)處理方法 采用SPSS25.0進(jìn)行統(tǒng)計(jì)學(xué)分析，計(jì)量資料以±s表示，2組間比較采用Mann-WhitneyU檢驗(yàn)；計(jì)數(shù)資料以例和率表示，2組間比較采用χ2檢驗(yàn)或Fisher確切概率法，采用單因素及多因素Logistic回歸分析分類變量，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 患者的臨床特征 2組患者的個(gè)體特征及病理結(jié)果差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05），見(jiàn)表1。

表1 2組患者的臨床特征比較

2.2 基于脾臟特征的腫瘤浸潤(rùn)評(píng)分的篩選和確定 本研究通過(guò)套索回歸得到一份詳細(xì)的脾臟影像組學(xué)特征表，用于制定腫瘤的漿膜浸潤(rùn)評(píng)分。套索回歸的最小λ值為-4.357，共有14個(gè)特征進(jìn)入最終的預(yù)測(cè)模型（見(jiàn)圖1）。模型的曲線下面積（area under the curve, AUC）為0.69，P＜0.001，驗(yàn)證組AUC為0.62，P=0.001。腫瘤漿膜浸潤(rùn)的風(fēng)險(xiǎn)與影像組學(xué)腫瘤浸潤(rùn)評(píng)分呈正相關(guān)，在最大約登指數(shù)（-0.335）下取截?cái)嘀?，以腫瘤浸潤(rùn)評(píng)分≤-0.335為低危組，＞-0.335為高危組。

圖1 建模組脾臟特征的套索回歸分析

2.3 影像組學(xué)腫瘤浸潤(rùn)評(píng)分與患者基本特征的相關(guān)性分析 高危組和低危組間BMI、T、N和TNM分期的差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），而其他臨床特征差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05），見(jiàn)表2。

表2 不同影像組學(xué)腫瘤浸潤(rùn)評(píng)分患者臨床資料比較

2.4 漿膜浸潤(rùn)影響因素的單因素和多因素Logistic 回歸分析 單因素Logistic分析顯示，影像組學(xué)腫瘤浸潤(rùn)評(píng)分、中性粒細(xì)胞與淋巴細(xì)胞比值（neutrophilto-lymphocyte ratio, NLR）、血小板與淋巴細(xì)胞比值（platelet-to-lymphocyte ratio, PLR）、術(shù)前血紅蛋白、分化程度、BMI與漿膜浸潤(rùn)存在相關(guān)性（見(jiàn)表3）。多因素Logistic回歸分析表明，影像組學(xué)腫瘤浸潤(rùn)評(píng)分（P＜0.001）、PLR（P=0.004）、分化程度 （P＜0.001）和術(shù)前白蛋白（P=0.003）是評(píng)估漿膜浸潤(rùn)的獨(dú)立影響因素（見(jiàn)表3），高危組漿膜被浸潤(rùn)的概率要比低危組高得多（OR=2.9）。

表3 漿膜浸潤(rùn)的單因素和多因素Logistic回歸分析結(jié)果

2.5 預(yù)測(cè)模型的構(gòu)建與驗(yàn)證 基于影像組學(xué)腫瘤浸潤(rùn)評(píng)分、PLR以及術(shù)前白蛋白這四個(gè)指標(biāo)建立預(yù)測(cè)腫瘤漿膜有無(wú)浸潤(rùn)的列線圖模型，見(jiàn)圖2A。該列線圖能夠結(jié)合臨床檢驗(yàn)指標(biāo)及影像組學(xué)腫瘤浸潤(rùn)評(píng)分計(jì)算出每例患者的漿膜浸潤(rùn)概率。列線圖的校正曲線顯示預(yù)測(cè)風(fēng)險(xiǎn)與實(shí)際浸潤(rùn)概率之間有較好的一致性，見(jiàn)圖2B。

圖2 基于影像組學(xué)腫瘤浸潤(rùn)評(píng)分及臨床指標(biāo)的列線圖和一致性檢驗(yàn)曲線圖

2.6 模型效益 此模型的AUC達(dá)到0.733，說(shuō)明模型整體上是較可靠的，見(jiàn)圖3A。決策曲線表明，如果腫瘤建模浸潤(rùn)實(shí)際的發(fā)生率≥10%，使用影像組學(xué)列線圖預(yù)測(cè)漿膜腫瘤浸潤(rùn)的方法相比起全部治療或者都不治療的方案將會(huì)帶來(lái)更多益處，見(jiàn)圖3B。由此可知，使用影像組學(xué)列線圖獲得的凈收益更高。

圖3 預(yù)測(cè)模型的AUC圖和決策曲線分析圖

3 討論

準(zhǔn)確的術(shù)前分期對(duì)于確?；颊叩玫阶詈线m的治療非常重要[3，9]。中國(guó)臨床腫瘤學(xué)會(huì)指南推薦T4a及以上胃癌患者實(shí)施術(shù)前新輔助化療（neoadjuvant chemotherapy）治療，但不推薦T3胃癌患者使 用[10-11]。內(nèi)鏡超聲鑒別腫瘤T3與T4期的準(zhǔn)確率約為65%，據(jù)報(bào)道相較于病理報(bào)告，CT掃描檢查對(duì)T3的診斷率會(huì)過(guò)高，T4則過(guò)低，總體準(zhǔn)確率約為77%。為了避免不必要的新輔助化療，準(zhǔn)確區(qū)分出T3和T4a患者顯得十分重要[12-13]。

鑒別T3和T4a的關(guān)鍵在于有無(wú)漿膜的浸潤(rùn)。因此，尋找一種簡(jiǎn)單、準(zhǔn)確、特異的檢測(cè)方法非常重要[14-16]。脾臟與腫瘤的發(fā)展密切相關(guān)，通過(guò)脾臟 的影像學(xué)特征可以預(yù)測(cè)腫瘤的發(fā)展[17-18]。此外，影像組學(xué)具有能夠定量識(shí)別組織特征的能力，這些組織特征往往與生物學(xué)預(yù)后或基因存在因果關(guān)系，可由此構(gòu)建組織結(jié)構(gòu)和生物學(xué)特征之間的關(guān) 聯(lián)[19-21]。

過(guò)去許多類型的腫瘤研究發(fā)現(xiàn)脾臟能夠促進(jìn)腫瘤的進(jìn)展和轉(zhuǎn)移。如GAY等[19]發(fā)現(xiàn)，腫瘤微環(huán)境的非白細(xì)胞群體，如血小板可促進(jìn)腫瘤轉(zhuǎn)移。此外，HAN等[20]在肝癌小鼠模型中發(fā)現(xiàn)，脾臟紅細(xì)胞樣細(xì)胞（Ter細(xì)胞）能夠促進(jìn)腫瘤進(jìn)展。這說(shuō)明脾臟與腫瘤密切相關(guān)，可以利用脾臟的特定特征來(lái)預(yù)測(cè)腫瘤的發(fā)展。由此我們篩選出部分與漿膜浸潤(rùn)有關(guān)的脾臟特征，并利用這些特征建立一個(gè)新指標(biāo)，影像組學(xué)腫瘤浸潤(rùn)評(píng)分。該評(píng)分受腫瘤大小和位置的影響較小，適用于大多數(shù)胃癌患者。通過(guò)驗(yàn)證組的驗(yàn)證，該評(píng)分可用于預(yù)測(cè)胃癌漿膜浸潤(rùn)。

根據(jù)影像組學(xué)腫瘤浸潤(rùn)評(píng)分將患者分為高危組和低危組，并對(duì)患者的臨床基本特征進(jìn)行統(tǒng)計(jì)分析。本研究發(fā)現(xiàn)2組間TNM和T分期差異有統(tǒng)計(jì)學(xué)意義，高危組多為T(mén)NM和T分期晚期。有研究表明，癌癥患者的脾臟通常比正常人大，尤其是晚期癌癥患者，這提示脾臟的大小與腫瘤的進(jìn)展密切相關(guān)[21]。本研究通過(guò)多因素Logistic回歸分析顯示，高危組發(fā)生嚴(yán)重浸潤(rùn)的風(fēng)險(xiǎn)通常較高。

在本研究中，我們構(gòu)建了一個(gè)臨床檢驗(yàn)指標(biāo)結(jié)合影像組學(xué)腫瘤浸潤(rùn)評(píng)分的預(yù)測(cè)模型，用于胃癌患者漿膜浸潤(rùn)的術(shù)前預(yù)測(cè)。基于多因素Logistic回歸分析得到的4個(gè)獨(dú)立危險(xiǎn)因素，建立的漿膜浸潤(rùn)預(yù)測(cè)模型，有助于胃癌患者漿膜浸潤(rùn)的術(shù)前預(yù)測(cè)。最終的可視化列線圖可以根據(jù)圖表中各指標(biāo)的得分計(jì)算出每個(gè)患者的漿膜浸潤(rùn)概率。列線圖的校準(zhǔn)曲線表明，預(yù)測(cè)風(fēng)險(xiǎn)與實(shí)際發(fā)生的概率一致性較高。決策曲線顯示，在臨床應(yīng)用中，如果漿膜浸潤(rùn)發(fā)生率≥10%，則使用聯(lián)合列線圖模型預(yù)測(cè)漿膜浸潤(rùn)比單純應(yīng)用臨床指標(biāo)或影像組學(xué)評(píng)分更有效[22-23]。更重要的是，該模型的判讀一致性指數(shù)為0.733，且模型各項(xiàng)參數(shù)均可由術(shù)前常規(guī)檢查獲取，無(wú)需額外行特殊檢查。此外，據(jù)我們所知，這是第一個(gè)揭示脾臟影像特征和腫瘤漿膜浸潤(rùn)之間內(nèi)在聯(lián)系的研究。

當(dāng)然本項(xiàng)研究存在幾個(gè)局限性。首先，本研究只納入了確診的胃癌患者，這可能高估了腫瘤浸潤(rùn)評(píng)分對(duì)區(qū)分胃癌分期的能力。第二是患者人數(shù)相對(duì)較少，因此，需要更大規(guī)模的研究來(lái)證實(shí)這些結(jié)果。第三，缺乏先進(jìn)的降維技術(shù)可能導(dǎo)致了一些偏差。最后，本研究?jī)H使用機(jī)器學(xué)習(xí)算法構(gòu)建模型，使用最先進(jìn)的深度學(xué)習(xí)技術(shù)值得今后研究。

綜上所述，本研究發(fā)現(xiàn)基于脾臟影像的腫瘤浸潤(rùn)評(píng)分結(jié)合術(shù)前白蛋白、腫瘤分化程度和PLR可以區(qū)分T4胃癌患者，使T4患者更早接受NAC治療。