基于CT影像組學(xué)預(yù)測(cè)膽管癌神經(jīng)侵犯的價(jià)值

詹鵬超,劉珂衍,邱慶雅,沈佳寧,劉娜娜,王會(huì)霞,呂培杰,李臻,高劍波

膽管癌是一種起源于膽管上皮細(xì)胞的惡性腫瘤,約占消化系統(tǒng)惡性腫瘤的3%[1,2],根據(jù)解剖部位可分為三種亞型,其中肝門(mén)部膽管癌(perihilar cholangiocarcinoma,pCCA)最為常見(jiàn)。pCCA患者總體預(yù)后偏差[3],神經(jīng)侵犯(perineural invasion,PNI)是導(dǎo)致其預(yù)后差、總生存期短的重要危險(xiǎn)因素,PNI狀態(tài)的評(píng)估對(duì)于指導(dǎo)患者治療和預(yù)后分層有重要臨床價(jià)值[4,5]。然而,目前PNI的診斷主要依賴有創(chuàng)的病理標(biāo)本的組織學(xué)檢查,亟待開(kāi)發(fā)術(shù)前無(wú)創(chuàng)性評(píng)估PNI狀態(tài)的檢測(cè)手段。近年來(lái),作為一種新興工具,影像組學(xué)在腫瘤的鑒別診斷、療效評(píng)估和預(yù)后評(píng)價(jià)等方面展現(xiàn)了巨大潛力[6],既往文獻(xiàn)已證明CT影像組學(xué)評(píng)估腫瘤PNI狀態(tài)的價(jià)值[7-10]。然而,目前國(guó)內(nèi)未見(jiàn)CT影像組學(xué)預(yù)測(cè)pCCA患者PNI的相關(guān)報(bào)道。因此,本研究旨在基于術(shù)前CT構(gòu)建預(yù)測(cè)pCCA患者PNI的影像組學(xué)模型,并評(píng)價(jià)其效能。

材料與方法

1.研究對(duì)象

本研究為回顧性研究,已獲得鄭州大學(xué)第一附屬醫(yī)院倫理委員會(huì)批準(zhǔn)(2021-KY-0778-001),并豁免簽署知情同意書(shū)?；仡櫺苑治?013年2月-2021年2月149例經(jīng)病確診的pCCA患者的臨床資料,其中PNI組患者108例,無(wú)PNI組患者41例。納入標(biāo)準(zhǔn):①接受根治性手術(shù)或姑息性手術(shù)切除并經(jīng)病理診斷為肝門(mén)部膽管癌;②術(shù)前2周內(nèi)在本院接受了CT增強(qiáng)掃描檢查。排除標(biāo)準(zhǔn):①病理報(bào)告中無(wú)PNI診斷結(jié)果;②患者CT掃描前接受過(guò)其他抗腫瘤治療或膽道引流;③CT圖像厚度大于3 mm。使用R語(yǔ)言將所有患者按3:1比例隨機(jī)分為訓(xùn)練集(n=112)和驗(yàn)證集(n=37)。納入研究指標(biāo)包括年齡、性別、臨床癥狀、CA19-9(≤40或>40 U/mL)、CEA(≤5或>5 ng/mL)、CA125(≤35或>35 U/mL)、Bismuth分型、臨床T分期(cT)和N分期(cN)。

2.儀器與方法

所有患者接受腹部三期增強(qiáng)掃描,掃描儀采用:GE Revolution CT,管電壓120 kVp,管電流50～500 mA,螺距0.992:1,旋轉(zhuǎn)時(shí)間0.5 s,探測(cè)器寬度80 mm,STAND重建算法,掃描層厚和層間距5 mm,重建層厚0.625 mm;Aquilion ONE,管電壓120 kVp,管電流350 mA,旋轉(zhuǎn)時(shí)間0.5 s,掃描層厚和層間距5 mm,重建層厚2 mm。經(jīng)肘靜脈以3.0～4.0 mL/s流率注射碘普羅胺(1.5 mL/kg),在注射后延遲20～30 s和55～70 s獲得動(dòng)脈期(AP)和靜脈期(VP)CT 圖像。

3.影像組學(xué)特征提取和模型建立

①病灶分割和特征提取:將所有患者的靜脈期圖像上傳至開(kāi)源圖像處理軟件3D Slicer 4.13.0(https://www.Slicer.org/),由兩名具有5年以上腹部疾病診斷經(jīng)驗(yàn)的放射科醫(yī)師進(jìn)行圖像分析[3,11],評(píng)估Bismuth分型,cT和cN分期,意見(jiàn)不一致時(shí)協(xié)商解決。在所有層面上沿腫瘤邊緣手動(dòng)進(jìn)行病灶感興趣區(qū)(ROI)的勾畫(huà)(圖1),為了確保提取影像組學(xué)特征的可重復(fù)性,隨機(jī)選擇50例患者的CT圖像由兩名放射科醫(yī)生共同勾畫(huà)進(jìn)行一致性分析,獲取組內(nèi)相關(guān)系數(shù)(intraclass correlation coefficient,ICC),剩余CT圖像ROI勾畫(huà)由其中一名醫(yī)生完成。

圖1 肝門(mén)部膽管癌ROI示意圖。a)靜脈期CT圖像;b)沿腫瘤邊緣逐層手動(dòng)勾畫(huà)ROI;c)融合后的3D ROI示意圖。

為降低掃描方案的影響,在特征提取前進(jìn)行圖像預(yù)處理:首先將其體素重采樣為3 mm×3 mm×3 mm,然后以組距(Bin Width)25進(jìn)行灰度值離散化處理,最后用3D Slicer中的插件PyRadiomics (https://www.radiomics.io/pyradiomics.html)提取原始特征和小波轉(zhuǎn)化特征[12]。

②特征篩選:按照以下三個(gè)步驟進(jìn)行:①選擇ICC>0.75的特征;②排除冗余特征:采用Pearson相關(guān)性分析剔除高度相關(guān)(Pearson相關(guān)系數(shù)≥0.9)的特征對(duì)中平均絕對(duì)相關(guān)系數(shù)更大者[13];③采用隨機(jī)森林算法(RF)對(duì)所有特征進(jìn)行重要性排序,經(jīng)過(guò)10折交叉驗(yàn)證,得出平均診斷錯(cuò)誤率最低時(shí)的特征數(shù)量n,選取前n個(gè)最重要的特征構(gòu)建模型。

③模型建立及評(píng)估:根據(jù)篩選出的特征在訓(xùn)練集中建立隨機(jī)森林模型,并在驗(yàn)證集進(jìn)行驗(yàn)證,將模型預(yù)測(cè)概率作為影像組學(xué)評(píng)分(Radiomics Score)[14,15],采用準(zhǔn)確率、敏感度、特異度及受試者操作特征(receiver operator characteristic,ROC)曲線等評(píng)估模型效能。

4.統(tǒng)計(jì)學(xué)分析

采用Graphpad prism 9 軟件進(jìn)行臨床資料統(tǒng)計(jì),計(jì)量資料以平均值±標(biāo)準(zhǔn)差表示,采用t檢驗(yàn)或Wilcoxon秩和檢驗(yàn)比較組間差異;計(jì)數(shù)資料以頻數(shù)表示,采用Fisher's精確檢驗(yàn)比較組間差異。基于R語(yǔ)言統(tǒng)計(jì)分析軟件(4.0.3)進(jìn)行特征篩選和模型構(gòu)建及評(píng)價(jià),以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.臨床資料

本研究共納入149名pCCA患者,其中男83例,女66例,平均年齡(61.3±9.3)歲,腫瘤的組織學(xué)類型均為腺癌。訓(xùn)練集和測(cè)試集的臨床基線數(shù)據(jù)之間差異無(wú)統(tǒng)計(jì)學(xué)意義。在訓(xùn)練集中,PNI組和無(wú)PNI組對(duì)比,Bismuth分型及Radiomics Score差異具有統(tǒng)計(jì)學(xué)意義,其他臨床特征差異無(wú)統(tǒng)計(jì)學(xué)意義。而在驗(yàn)證集中,兩組患者對(duì)比,僅Radiomics Score差異具有統(tǒng)計(jì)學(xué)意義。所有患者的基線資料見(jiàn)表1。

表1 所有患者基線資料比較 (例)

2.影像組學(xué)特征提取及模型建立

從靜脈期圖像中共提取851個(gè)影像學(xué)特征,包括14個(gè)形狀特征,18個(gè)一階特征,75個(gè)紋理特征和744個(gè)小波特征?；贗CC和相關(guān)性分析共篩選出361個(gè)特征,基于隨機(jī)森林算法對(duì)包括臨床特征、影像組學(xué)特征在內(nèi)的所有特征進(jìn)行重要性排序,經(jīng)過(guò)10折交叉驗(yàn)證,當(dāng)特征數(shù)量為18時(shí),診斷錯(cuò)誤率最低(圖2)。篩選出前18個(gè)最重要的特征建立模型(圖3)。

圖2 模型診斷錯(cuò)誤率與特征數(shù)量的關(guān)系示意圖。采用隨機(jī)森林算法經(jīng)10折交叉驗(yàn)證,當(dāng)特征數(shù)量為18時(shí),診斷錯(cuò)誤率最低。 圖3 特征重要性排序示意圖。隨機(jī)森林算法根據(jù)平均降低準(zhǔn)確率篩選出來(lái)的前18個(gè)重要特征。

基于所篩選特征建立RF模型,訓(xùn)練集及驗(yàn)證集中PNI組和無(wú)PNI組患者的Radiomics score差異具有統(tǒng)計(jì)學(xué)意義(圖4)。在訓(xùn)練集中,RF模型的準(zhǔn)確率、敏感度、特異度均為100%,AUC為1;在驗(yàn)證集中,RF模型的準(zhǔn)確率為70.3%,敏感度為59.3%,特異度為100%,AUC為0.846(0.713～0.979)。RF模型在訓(xùn)練集和驗(yàn)證集中的診斷效能見(jiàn)表2,ROC曲線見(jiàn)圖5。該模型對(duì)pCCA患者PNI狀態(tài)具有良好的預(yù)測(cè)效能,可用于術(shù)前預(yù)測(cè)肝門(mén)部膽管癌患者的神經(jīng)侵犯狀態(tài)。

表2 RF模型在訓(xùn)練集和驗(yàn)證集中的診斷效能對(duì)比

圖4 影像組學(xué)評(píng)分分布圖。a)訓(xùn)練集中影像組學(xué)評(píng)分分布圖,神經(jīng)侵犯組(PNI=1)和無(wú)神經(jīng)侵犯組(PNI=0)差異具有統(tǒng)計(jì)學(xué)意義;b)驗(yàn)證集中影像組學(xué)評(píng)分分布圖,神經(jīng)侵犯組(PNI=1)和無(wú)神經(jīng)侵犯組(PNI=0)差異具有統(tǒng)計(jì)學(xué)意義。 圖5 隨機(jī)森林模型預(yù)測(cè)PNI的ROC曲線。

pCCA惡性程度高,預(yù)后差,據(jù)文獻(xiàn)報(bào)道,其中位總生存期只有5～10個(gè)月[1,16],R0切除術(shù)可顯著延長(zhǎng)患者總生存期甚至達(dá)到臨床治愈,然而只有13%～32%的患者有機(jī)會(huì)接受手術(shù)切除,并且一年內(nèi)復(fù)發(fā)率高于50%[1,17,18]。PNI是膽道pCCA的組織學(xué)特征之一,發(fā)生率高達(dá)56%～88%[19]。既往文獻(xiàn)報(bào)道PNI是pCCA患者預(yù)后差、總生存期短的重要危險(xiǎn)因素[20],PNI陰性患者5年總生存率約為63.7% ,PNI陽(yáng)性患者5年總生存率約為34.9%[21,22],差異具有統(tǒng)計(jì)學(xué)意義。此外,PNI亦是導(dǎo)致R0切除術(shù)后腫瘤復(fù)發(fā)的獨(dú)立危險(xiǎn)因素,因此對(duì)PNI的術(shù)前診斷對(duì)于指導(dǎo)患者治療和預(yù)后至關(guān)重要[22-24]。

傳統(tǒng)影像學(xué)工具如CT和MRI是診斷和評(píng)估pCCA的重要手段,可進(jìn)行良惡性鑒別和臨床分期等,但其對(duì)PNI的診斷價(jià)值有限。目前,PNI主要通過(guò)手術(shù)標(biāo)本病理組織學(xué)檢查確診,不能提供及時(shí)有效的診斷信息,并且不適用于無(wú)手術(shù)機(jī)會(huì)的患者。近年來(lái),影像組學(xué)研究得到了蓬勃發(fā)展,通過(guò)影像圖像提取海量定量特征來(lái)量化腫瘤的生物學(xué)特點(diǎn)[25,26],對(duì)于疾病的精準(zhǔn)診療和預(yù)后預(yù)測(cè)具有重要臨床價(jià)值[27,28]。已有研究表明影像組學(xué)在腫瘤PNI的術(shù)前預(yù)測(cè)中具有潛在價(jià)值[29,30],Li等[31]結(jié)合CT和MRI圖像開(kāi)發(fā)的多模態(tài)影像組學(xué)模型預(yù)測(cè)直腸癌PNI達(dá)到了良好的效能,訓(xùn)練數(shù)據(jù)集AUC為0.906 (0.833～0.979);測(cè)試數(shù)據(jù)集AUC為0.884(0.761～1.000)。Huang等[32]基于MRI圖像構(gòu)建的影像組學(xué)模型在預(yù)測(cè)肝外膽管癌的PNI方面亦表現(xiàn)良好的性能和潛力,但其患者數(shù)量偏少(n=101),并且同時(shí)納入了了肝門(mén)和遠(yuǎn)端膽管癌患者。

目前國(guó)內(nèi)尚未見(jiàn)使用影像組學(xué)預(yù)測(cè)肝外膽管腫瘤PNI的相關(guān)報(bào)道。本研究基于治療前靜脈期CT圖像,通過(guò)隨機(jī)森林算法率先構(gòu)建了可預(yù)測(cè)pCCA PNI的RF模型,結(jié)果顯示,在訓(xùn)練集和驗(yàn)證集中,PNI組和無(wú)PNI組的Radiomics score差異具有統(tǒng)計(jì)學(xué)意義,并且AUC分別達(dá)到了1和0.846,證明該模型診斷效能良好。既往研究[33]報(bào)道了使用術(shù)前能譜CT預(yù)測(cè)胃腺癌PNI的臨床價(jià)值,基于cT分期聯(lián)合標(biāo)準(zhǔn)化延遲期碘濃度建立的臨床模型AUC達(dá)到了0.832,但其診斷效能仍低于RF影像組學(xué)模型,且缺乏進(jìn)一步驗(yàn)證。值得注意的是,本研究中篩選的影像組學(xué)特征均為小波特征,表明小波特征可能對(duì)PNI診斷更為敏感,既往文獻(xiàn)亦有相關(guān)報(bào)道,小波特征可提供更多的圖像信息,診斷價(jià)值可能優(yōu)于其他特征[34]。此外,在臨床特征方面,Guo等發(fā)現(xiàn)直腸癌術(shù)前PNI的獨(dú)立危險(xiǎn)因素包括CT報(bào)告中的T分期、N分期以及癌胚抗原(CEA)水平等臨床因素[35]。然而,本研究并未得出類似的結(jié)果,可能是由于腫瘤類型不同、樣本量較小導(dǎo)致數(shù)據(jù)偏差等原因所致。既往研究表明,pCCA的PNI與腫瘤的浸潤(rùn)深度等病理學(xué)指標(biāo)密切相關(guān)[36]。然而,本研究的目的是建立手術(shù)切除前的非侵入性預(yù)測(cè)模型,因此并沒(méi)有考慮病理學(xué)因素的影響。此外,考慮到臨床因素對(duì)于腫瘤預(yù)測(cè)的重要性,筆者未來(lái)將進(jìn)一步探討pCCA發(fā)生PNI的相關(guān)臨床因素。

本研究存在以下局限性:①本研究屬于回顧性研究,可能存在數(shù)據(jù)偏倚;②樣本數(shù)量有限,并且存在數(shù)據(jù)類別不均衡的問(wèn)題(PNI組108例,無(wú)PNI組41例),這可能間接導(dǎo)致了模型在測(cè)試集中特異度偏高(100%),而敏感度偏低(59.3%),未來(lái)有待繼續(xù)開(kāi)展多中心大樣本研究,并均衡納入不同患者以完善模型;③CT掃描協(xié)議不統(tǒng)一,不過(guò)已通過(guò)多種圖像預(yù)處理降低其影響。

總之,本研究基于CT建立的影像組學(xué)模型具有良好的診斷效能,為術(shù)前評(píng)估pCCA患者的PNI狀態(tài)提供了無(wú)創(chuàng)性預(yù)測(cè)工具,有助于指導(dǎo)pCCA患者的預(yù)后,優(yōu)化治療策略。