基于磁共振肝脾影像組學(xué)特征結(jié)合臨床影響因素聯(lián)合模型診斷顯著性肝纖維化的效果評價(jià)

李佳家，王兆洪，倪仲琳，陳輝，周斌，童洪飛

溫州醫(yī)科大學(xué)附屬第二醫(yī)院 肝膽外科，浙江 溫州 325027

肝纖維化是全球面臨的公共衛(wèi)生問題，在常見疾病所致死亡病因中，肝纖維化所致死亡排在第11位[1]。肝纖維化是一種慢性肝損傷的修復(fù)反應(yīng)，其特征為細(xì)胞外基質(zhì)和膠原蛋白沉積[2]。早期常無明顯臨床癥狀，隨著肝纖維化進(jìn)展，后期有多器官受累，常出現(xiàn)上消化道出血、肝性腦病、嚴(yán)重感染等并發(fā)癥。許多臨床研究表明早中期肝纖維化通過治療干預(yù)是可逆轉(zhuǎn)的[3]，因而，早期診斷對肝纖維化的診治有重要意義。目前肝組織穿刺活檢是肝纖維化分期的金標(biāo)準(zhǔn)[4]，常用METAVIR評分系統(tǒng)將肝纖維化分為F0～F4期[5-6]；但肝活檢是一種有創(chuàng)性操作，存在出血、感染等風(fēng)險(xiǎn)，患者接受度低，且存在抽樣誤差和觀察者間的主觀差異，不適合作為監(jiān)測肝纖維化進(jìn)展的隨診檢查方法。目前，在臨床資料研究方面，有研究顯示高齡及性別（男性）是發(fā)生肝纖維化的高危因素，且也有相關(guān)研究指出雌激素的缺乏可能與肝纖維化進(jìn)展相關(guān)[7-8]。在血清學(xué)研究方面有相關(guān)研究指出對于慢性乙型肝炎，F(xiàn)IB-4 指數(shù)（fibrosis 4 score）＜1.45 者往往無明顯肝纖維化或只有≤F2級肝纖維化，而此結(jié)果與肝穿刺結(jié)果的符合率為94.7%[9]。折文利等[10]發(fā)現(xiàn)單一的血清學(xué)指標(biāo)在診斷肝纖維化存在敏感性及特異性低等不足。因此尋找一種整合臨床、血清學(xué)、影像組學(xué)進(jìn)行綜合評分來診斷顯著性肝纖維化的方法，對肝纖維化的個(gè)體化治療具有重要臨床意義。

1 資料和方法

1.1 一般資料 選取2017年5月至2022年5月在溫州醫(yī)科大學(xué)附屬第二醫(yī)院接受肝臟組織活檢或肝臟手術(shù)后經(jīng)病理證實(shí)為肝纖維化，并于6個(gè)月內(nèi)行腹部MRI平掃檢查的患者110例。納入標(biāo)準(zhǔn)：①具有病理診斷分期；②具有完整的臨床實(shí)驗(yàn)室檢查及MRI影像資料。排除標(biāo)準(zhǔn)：①M(fèi)RI影像資料不完整；②臨床資料不完整；③圖像質(zhì)量不佳；④肝臟彌漫性病變影響感興趣區(qū)（regions of interest,ROI）勾畫者；⑤脾臟病變影響ROI勾畫者。根據(jù)上述納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)，最初收集肝纖維化患者235例，6個(gè)月內(nèi)行MRI平掃檢查患者175例，排除患者65例，最終納入符合條件患者110例。按7∶3比例隨機(jī)將患者分成訓(xùn)練集（77例）和測試集（33例）。本研究經(jīng)溫州醫(yī)科大學(xué)附屬第二醫(yī)院倫理委員會(huì)批準(zhǔn)（審批號：2022-YL-46-01）。

1.2 臨床及血清學(xué)檢查資料 收集患者臨床及實(shí)驗(yàn)室血清學(xué)檢查資料，包括性別、年齡、身高、體質(zhì)量、是否為乙肝患者、天冬氨酸氨基轉(zhuǎn)移酶（aspartate transaminase,AST）、丙氨酸氨基轉(zhuǎn)移酶（alanine transaminase,ALT）、血清白蛋白（albumin,ALB）、國際標(biāo)準(zhǔn)比值（international normalized ratio,INR）、血小板計(jì)數(shù)（platelet,PLT），所有血清生化指標(biāo)均檢測于病理活檢前1周。

1.3 肝纖維化病理分期標(biāo)準(zhǔn) 盡量取與MRI掃描ROI相符合的區(qū)域組織，進(jìn)行石蠟包埋，HE染色，在對患者基本情況未知的情況下，由兩位高年資病理科醫(yī)師參照METAVIR評分系統(tǒng)進(jìn)行肝纖維化分期診斷：F0為無纖維化；F1為匯管區(qū)纖維化，無纖維間隔形成；F2為匯管區(qū)纖維化，少量纖維間隔形成；F3為大量纖維間隔，無硬化結(jié)節(jié)；F4為肝硬化[5]。本研究中F≥2定義為顯著性肝纖維化組，F(xiàn)＜2定義為無或非顯著性肝纖維化組。

1.4 MRI檢查相關(guān)參數(shù) 所有患者行腹部MRI平掃檢查前空腹大于6 h，并進(jìn)行呼吸和屏氣訓(xùn)練以獲得良好的配合。采用GE DISCOVERY MR750 3.0T掃描儀，采集的磁共振常規(guī)平掃序列包括：T1WI序列、T2WI序列、DWI序列，由DWI序列重建表觀擴(kuò)散系數(shù)（apparent diffusion coeffcient,ADC）圖。MRI平掃序列參數(shù)：①T1WI：重復(fù)時(shí)間（time of repeatation,TR）為4 ms，回波時(shí)間（time of Echo,TE）為2 ms，層厚3.6 mm，視野（field of vision,FOV）為360 mm×360 mm；②T2WI：FOV為360 mm×360 mm，TE為77 ms，TR為2 400 ms，層厚8 mm；③DWI：FOV為360 mm×360 mm，TE為51 ms，TR為5 000 ms，b=0、1 000 s/mm2。

1.5 圖像預(yù)處理及標(biāo)注目標(biāo)區(qū)域 從PACS系統(tǒng)以DICOM格式下載影像資料，T1WI選擇T1序列的水相，單獨(dú)保存水相，以T1水相為標(biāo)準(zhǔn)圖像，應(yīng)用3D Slicer軟件（version 4.13.0）對T2WI序列、DWI序列進(jìn)行配準(zhǔn)，所有圖像以NIFTI格式保存。本研究采用兩種方法對肝臟ROI進(jìn)行標(biāo)注，第一種標(biāo)注方法（肝臟特征1）在肝臟腫瘤層面周圍選取5個(gè)圓形區(qū)域[大小為（10±0.5）mm]，上下共選取6個(gè)層面（共30個(gè)），標(biāo)注時(shí)避開大血管、膽管、病灶、肝臟邊緣及偽影等。第二種標(biāo)注方法（肝臟特征2）在沿門靜脈右支右肝前葉選取局部信號均勻大小為（15±0.1）mm的圓形區(qū)域進(jìn)行標(biāo)注。脾臟ROI全脾臟標(biāo)注。以上操作均在一位高年資MRI診斷醫(yī)師指導(dǎo)下完成。

1.6 影像組學(xué)模型建立 利用Python中Pyradiomics包分別對T1WI、T2WI、ADC序列進(jìn)行肝臟、脾臟特征提取，提取的特征包括一階直方圖統(tǒng)計(jì)特征、二階紋理特征。

在特征篩選前，將基于T1WI、T2WI、ADC各序列提取的肝臟特征所篩選出的特征進(jìn)行拼接（前融合），對原始影像組學(xué)特征數(shù)據(jù)進(jìn)行正則化處理。在訓(xùn)練集中進(jìn)行特征篩選，步驟如下：①第一步進(jìn)行Spearman相關(guān)性分析，剔除冗余特征。②第二步使用最小絕對收縮和選擇算子（least absolute shrinkage and selection operator,LASSO）減少特征維度。得到相應(yīng)的非零回歸系數(shù)，通過系數(shù)加權(quán)求和計(jì)算影像組學(xué)評分（radiomics score,Rad-score）。分別構(gòu)建基于兩種肝臟標(biāo)注方法所獲得的Rad-score，并用受試者工作特征（receiver operating characteristic,ROC）曲線下面積（area under the curve,AUC）評價(jià)模型性能。選擇模型性能更優(yōu)的肝臟特征與脾臟特征前融合再次進(jìn)行如上步驟，獲得肝臟-脾臟聯(lián)合特征影像組學(xué)評分。

使用支持向量機(jī)（support vector machine,SVM）算法分別構(gòu)建基于肝臟特征、肝臟-脾臟聯(lián)合特征的影像組學(xué)模型，采用AUC、召回率、F1分?jǐn)?shù)評價(jià)在訓(xùn)練組和測試組中機(jī)器學(xué)習(xí)預(yù)測模型的性能。

1.7 統(tǒng)計(jì)學(xué)處理方法 采用SPSS26.0軟件統(tǒng)計(jì)學(xué)分析，正態(tài)分布的計(jì)量資料以±s表示，2組間比較采用獨(dú)立樣本t檢驗(yàn)，非正態(tài)分布的計(jì)量資料以M（P25，P75）表示，2組間比較采用秩和檢驗(yàn)。計(jì)數(shù)資料以用頻數(shù)和百分比表示，2組間比較采用χ2檢驗(yàn)或Fisher確切概率法。采用二元Logistic回歸建立肝臟-脾臟聯(lián)合特征影像組學(xué)模型，用AUC評估模型性能，用Logistic回歸篩選出臨床影響因素構(gòu)建臨床預(yù)測模型，綜合肝臟-脾臟聯(lián)合影像組學(xué)特征對應(yīng)的影像組學(xué)評分和臨床影響因素構(gòu)建聯(lián)合預(yù)測模型。應(yīng)用R軟件（版本3.6.3，https∶//www.rproject.org/）決策曲線分析（decision curve analysis,DCA）評估臨床預(yù)測模型和聯(lián)合模型的臨床受益，進(jìn)行診斷性能的ROC曲線分析及列線圖預(yù)測模型建立，AUC的多重和成對比較使用Delong非參數(shù)方法。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料 110例患者按病理分級：F0級21例（19%）、F1級27例（24.5%）、F2級15例（13.6%）、F3級11例（10%）、F4級36例（32.7%）。無或非顯著性肝纖維化組和顯著性肝纖維化組患者間年齡、PLT、AST、APRI指數(shù)、FIB-4指數(shù)、性別、是否乙肝感染和FIB-4 指數(shù)組間差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。見表1。

表1 研究人群臨床、血清學(xué)指標(biāo)分析結(jié)果

2.2 影像組學(xué)模型構(gòu)建

2.2.1 基于肝臟特征的顯著性肝纖維化影像組學(xué)模型構(gòu)建：前融合T1WI、T2WI、ADC三個(gè)序列基于肝臟特征提取94 個(gè)影像組學(xué)特征。將肝纖維化病例按F0-1、F2-4（顯著性肝纖維化）分組進(jìn)行特征篩選，當(dāng)λ值為0.029時(shí)剩余22個(gè)特征，包括6個(gè)形狀特征、5個(gè)一階特征、2個(gè)灰度共生矩陣（gray level co-occurrence matrix,GLCM）特征、2個(gè)灰度游程矩陣（gray level run-length matrix,GLRLM）特征、1 個(gè)灰度依賴矩陣（gray level dependence matrix,GLDM）特征、3個(gè)灰度區(qū)域大小矩陣（gray level size zone matrix,GLSZM）特征、3 個(gè)領(lǐng)域灰度差矩陣（neighboring gray tone difference matrix,NGTDM）特征，見圖1A、圖1B。剩余22個(gè)特征相關(guān)系數(shù)圖、特征權(quán)重圖見圖1C。兩種標(biāo)注方法（肝臟特征1、肝臟特征2）在診斷顯著性肝纖維化模型中AUC分別為0.828（95%CI=0.749～0.906）和0.663（95%CI=0.562～0.764），故本研究后續(xù)選用肝臟特征1進(jìn)行分析。

圖1 基于肝臟特征的顯著性肝纖維化影像組學(xué)特征提取

2.2.2 基于肝臟-脾臟聯(lián)合特征的顯著性肝纖維化影像組學(xué)模型構(gòu)建：前融合T1WI、T2WI、ADC三個(gè)序列基于肝臟、脾臟特征提取197個(gè)影像組學(xué)特征。進(jìn)行特征篩選可得最佳λ值為0.014時(shí)剩余36個(gè)特征，包括8個(gè)形狀特征、10個(gè)一階特征、3個(gè)GLCM特征、2個(gè)GLRLM特征、9個(gè)GLSZM特征、4個(gè)NGTDM特征，見圖2A、圖2B。剩余36個(gè)特征權(quán)重圖見圖2C。

圖2 基于肝臟-脾臟聯(lián)合特征的顯著性肝纖維化影像組學(xué)特征提取

2.3 機(jī)器學(xué)習(xí)影像組學(xué)模型效能評價(jià) 顯著肝纖維化分組經(jīng)SVM機(jī)器學(xué)習(xí)算法構(gòu)建模型的相關(guān)評價(jià)指標(biāo)見表2，在肝臟-脾臟聯(lián)合特征SVM分類器中各組的準(zhǔn)確率、AUC、召回率、F1分?jǐn)?shù)均高于肝臟特征SVM分類器，說明增加脾臟特征可增加模型對正類樣本識別的能力（召回率），也可提升模型的精確度（F1分?jǐn)?shù)）。

表2 SVM機(jī)器學(xué)習(xí)算法構(gòu)建影像組學(xué)模型的相關(guān)評價(jià)指標(biāo)

2.4 Logistic影像組學(xué)模型效能評價(jià) 110例肝纖維化患者的Rad-score瀑布圖見圖3A，在兩種特征所構(gòu)建模型驗(yàn)證ROC曲線中（見圖3B），肝臟特征影像組學(xué)、肝臟-脾臟聯(lián)合特征影像組學(xué)模型AUC值分別為0.828、0.917，說明聯(lián)合特征診斷性能較佳，以其作為模型，以是否為顯著肝纖維化級別為結(jié)局變量（顯著性肝纖維化為1，非顯著性肝纖維化為0），算得Rad-score回歸系數(shù)為7.218（P＜0.001），表明Rad-score與顯著性肝纖維化分級顯著相關(guān)。

圖3 Logistic影像組學(xué)Rad-score瀑布圖及ROC曲線

2.5 影像組學(xué)評分結(jié)合臨床影響因素構(gòu)建聯(lián)合預(yù)測模型 患者臨床資料及血清學(xué)特征的單因素Logistic回歸分析結(jié)果表明患者的性別、是否乙肝感染、PLT、FIB-4指數(shù)≥1.45與顯著性肝纖維化分期關(guān)系密切，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。多因素Logistic回歸分析結(jié)果顯示患者的性別（女性）、年齡、乙肝感染、APRI指數(shù)是預(yù)測顯著性肝纖維化的獨(dú)立影響因素。見表3。將顯著肝纖維化分組患者的臨床獨(dú)立影響因素建立的臨床預(yù)測模型和本研究中得到的基于肝臟-脾臟聯(lián)合特征得到的Rad-score建立預(yù)測顯著性肝纖維化的聯(lián)合預(yù)測模型。臨床預(yù)測模型、影像組學(xué)預(yù)測模型、聯(lián)合預(yù)測模型在訓(xùn)練組、測試組的AUC分別為：0.873、0.906、0.948和0.763、0.944和0.963，見圖4A、圖4B；DCA顯示聯(lián)合預(yù)測模型較單一臨床預(yù)測模型獲益大，見圖4C。Delong檢驗(yàn)結(jié)果提示臨床預(yù)測模型與聯(lián)合預(yù)測模型差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），即聯(lián)合預(yù)測模型優(yōu)于臨床預(yù)測模型。聯(lián)合預(yù)測模型列線圖見圖4D。

圖4 三種預(yù)測模型的ROC曲線、DCA和聯(lián)合模型列線圖

表3 患者臨床資料及血清學(xué)特征的多因素Logistic回歸分析結(jié)果

3 討論

根據(jù)歐洲肝病學(xué)會(huì)發(fā)布的《慢性肝病診治指南（EASL2017版）》和中國中西醫(yī)結(jié)合學(xué)會(huì)肝病專業(yè)委員會(huì)發(fā)布的《肝纖維化中西醫(yī)結(jié)合診療指南（2019版）》中提到慢性肝病患者如經(jīng)肝組織病理檢查確定纖維化程度在F2以上（即顯著性肝纖維化），應(yīng)進(jìn)行抗纖維化治療[11-12]。近年來影像組學(xué)技術(shù)的發(fā)展使得醫(yī)學(xué)影像所提取出的灰度、紋理等特征得以量化，為影像組學(xué)無創(chuàng)診斷肝纖維化提供了基礎(chǔ)。

有研究通過構(gòu)建大鼠肝纖維化模型發(fā)現(xiàn)當(dāng)大鼠發(fā)生肝纖維化時(shí)，由于肝纖維化時(shí)細(xì)胞外膠原、蛋白多糖等大分子的積累，會(huì)限制水分子的擴(kuò)散和血流，MRI上表現(xiàn)為T2WI、ADC圖像信號減低[13]。SCHAWKAT等[14]發(fā)現(xiàn)T1WI序列紋理參數(shù)在區(qū)分是否為進(jìn)展期肝纖維化（肝纖維化分期≥F3期）和磁共振彈性成像表現(xiàn)出相似的區(qū)分能力。也有相關(guān)研究表明ADC圖的直方圖特征和肝纖維化分期相關(guān)[15]，融合多個(gè)序列的MRI往往能獲得更多的影像組學(xué)特征。目前對肝纖維化程度無創(chuàng)評估多以肝臟特征為主，但對于脾臟特征的研究較少，隨著肝纖維化程度的進(jìn)展，脾臟血流動(dòng)力學(xué)繼發(fā)性改變，出現(xiàn)充血性脾腫大，有研究發(fā)現(xiàn)通過磁共振彈性成像（magnetic resonance elastography,MRE）測量脾臟硬度值可以評估肝纖維化分期[16-17]。YIN等[18]發(fā)現(xiàn)基于肝臟-脾臟聯(lián)合特征擁有比單一肝臟特征的CT影像組學(xué)在診斷F4期肝硬化上擁有更好的診斷性能，故本研究進(jìn)行對肝臟-脾臟聯(lián)合特征提取的多模態(tài)MRI影像組學(xué)構(gòu)建Rad-score，結(jié)合臨床影響因素構(gòu)建聯(lián)合預(yù)測模型，對聯(lián)合預(yù)測模型與臨床預(yù)測模型進(jìn)行效果評價(jià)。

關(guān)于肝臟ROI的標(biāo)注目前暫無統(tǒng)一的標(biāo)注指南，張諜等[19]總結(jié)目前影像組學(xué)肝臟ROI標(biāo)注方法多選擇肝門或門靜脈右支水平的圖像沿肝緣或肝右葉進(jìn)行廣泛標(biāo)注，也可選擇范圍較小的、局部信號均勻的區(qū)域作為ROI標(biāo)注區(qū)域。HOUSE等[20]研究提示全肝臟標(biāo)注ROI或局部肝臟標(biāo)注ROI所提取出的影像組學(xué)特征沒有顯著差異。由于肝纖維化是一個(gè)可逆、不均勻發(fā)展的過程[21]，本研究在標(biāo)注肝臟ROI上選取了兩種方法，通過影像組學(xué)評分構(gòu)建相應(yīng)模型，結(jié)果表明標(biāo)注方法1能取得更佳的診斷效能。后續(xù)可對不同標(biāo)注方法對于診斷的影響進(jìn)行進(jìn)一步研究。

NI等[22]使用四氯化碳和橄欖油構(gòu)建大鼠F0-F4肝纖維化模型并對其采集T1WI圖像，結(jié)果顯示SVM分類器模型是預(yù)測肝纖維化的最佳分類器。SCHAWKAT等[14]在對62例肝纖維化患者的前瞻性研究中發(fā)現(xiàn)，基于T1WI圖像特征的SVM分類器對進(jìn)展期肝纖維化（S0-2/S3-4）區(qū)分的準(zhǔn)確性達(dá)85.7%，AUC達(dá)0.82（95%CI=0.59～0.95）。ZHAO等[23]基于肝臟特征T1WI-MRI圖像的影像組學(xué)SVM分類器模型訓(xùn)練組和測試組AUC分別為0.87和0.82，訓(xùn)練組和測試組準(zhǔn)確率分別為0.84和0.80，這與本研究結(jié)果相近。在本研究中，基于肝臟特征的多模態(tài)MRI影像組學(xué)SVM分類器模型訓(xùn)練組和測試組AUC分別為0.93和0.84，訓(xùn)練組和測試組準(zhǔn)確率分別為0.88和0.81，表現(xiàn)出比單模態(tài)MRI更好的診斷性能；而基于肝臟-脾臟聯(lián)合臨床特征的多模態(tài)MRI影像組學(xué)SVM分類器模型訓(xùn)練組和測試組AUC分別為0.99和0.88，表現(xiàn)出比單一特征更好的診斷性能。在本研究中整合肝臟-脾臟聯(lián)合特征多模態(tài)MRI影像組學(xué)評分和臨床影響因素的聯(lián)合預(yù)測模型，在DCA中，該聯(lián)合模型比單一臨床模型可能更多凈獲益，該聯(lián)合預(yù)測模型列線圖相較臨床預(yù)測模型可使顯著性肝纖維化患者的診斷更加個(gè)體化。

本研究存在的局限性：第一，本次研究樣本量較小，且缺乏外部驗(yàn)證，很難避免選擇性偏倚的存在；第二，本研究僅對于顯著性肝纖維化分期建立了一種二分類模型，后續(xù)研究應(yīng)進(jìn)行多分類模型研究；第三，本研究納入的肝纖維化患者大多數(shù)為慢性乙型肝炎患者，缺乏其他病因致肝纖維化患者，可能會(huì)影響模型對非乙肝患者所致肝纖維化的判斷準(zhǔn)確性。

綜上所述，基于多模態(tài)MRI提取肝臟-脾臟聯(lián)合特征的影像組學(xué)模型較單一肝臟特征相較于單一的臨床預(yù)測模型具有更好的診斷效能，有望提高現(xiàn)有無創(chuàng)診斷顯著性肝纖維化的診斷價(jià)值。