基于增強(qiáng)CT圖像紋理特征術(shù)前預(yù)測(cè)肝細(xì)胞癌微血管侵犯狀態(tài)及危險(xiǎn)度等級(jí)

潘克華,張昭,賈秀芬,劉瑾瑾,陳永華

肝細(xì)胞癌(hepatocellular carcinoma,HCC)是世界范圍內(nèi)第6常見腫瘤和第2常見腫瘤相關(guān)死亡原因,我國更是HCC高發(fā)國家之一,嚴(yán)重威脅人民的生命和健康。手術(shù)是目前治療HCC最有效的手段,但手術(shù)切除后5年復(fù)發(fā)轉(zhuǎn)移率高達(dá)40%～70%[1]。近年來相關(guān)研究表明,微血管侵犯(microvascular invasion,MVI)存在與否及危險(xiǎn)度等級(jí)與HCC復(fù)發(fā)、預(yù)后不良直接相關(guān)[2-3]。因此,準(zhǔn)確評(píng)估術(shù)前MVI狀態(tài)和危險(xiǎn)度等級(jí)有助于手術(shù)方案的選擇、預(yù)后分層分析,從而指導(dǎo)臨床醫(yī)生建立“個(gè)體化”治療和隨訪策略。目前,MVI診斷的“金標(biāo)準(zhǔn)”仍為術(shù)后組織病理檢查,但術(shù)后病理結(jié)果具有明顯的滯后性,無法在術(shù)前依據(jù)評(píng)估結(jié)果制定精準(zhǔn)治療方案。術(shù)前穿刺活檢作為一種有創(chuàng)性檢查方法,易受到取材局限、腫瘤內(nèi)部不均質(zhì)等因素影響,難以全面準(zhǔn)確評(píng)估腫瘤MVI情況。近年來文獻(xiàn)報(bào)道MVI的發(fā)生與眾多影像特征相關(guān),包括腫瘤大小、數(shù)目、包膜完整性、邊界光整與否、邊緣強(qiáng)化等,但單純影像特征預(yù)測(cè)HCC的MVI主觀性較強(qiáng),準(zhǔn)確性不佳[4]。目前,已有報(bào)道采用基于影像組學(xué)特征來預(yù)測(cè)MVI狀態(tài),但大多為單中心研究,且集中在對(duì)有無MVI進(jìn)行預(yù)測(cè),未對(duì)其危險(xiǎn)度等級(jí)進(jìn)行進(jìn)一步分層研究[5-8]。本研究聯(lián)合增強(qiáng)CT圖像紋理特征及臨床資料建立對(duì)HCC患者M(jìn)VI狀態(tài)及危險(xiǎn)度等級(jí)分層的預(yù)測(cè)模型,并以術(shù)后病理作為參照評(píng)估預(yù)測(cè)模型的診斷效能,旨在探討其術(shù)前預(yù)測(cè)肝細(xì)胞癌MVI的價(jià)值。

材料與方法

1.病例資料

回顧性分析本院2018年3至2021年3月符合以下納排標(biāo)準(zhǔn)的HCC患者的臨床及影像資料。病例納入標(biāo)準(zhǔn):①經(jīng)手術(shù)病理證實(shí)的HCC患者,明確診斷有無MVI及分級(jí);②手術(shù)前2個(gè)月內(nèi)接受肝臟平掃和增強(qiáng)CT檢查;③臨床和影像資料完整以便進(jìn)一步重新評(píng)估。病例排除標(biāo)準(zhǔn):①復(fù)發(fā)性肝癌;②行增強(qiáng)CT檢查之前接受放療、化療、射頻消融或其他治療的患者;③圖像質(zhì)量不佳,不能進(jìn)行感興趣區(qū)(region of interest,ROI)勾畫。最終496例患者納入本研究,其中男315例,女181例,平均年齡56.7歲(表1)。采用MATLAB軟件按2:1比例隨機(jī)分為兩組,包括訓(xùn)練組(331例)和測(cè)試組(165例),訓(xùn)練組用于建立預(yù)測(cè)模型,測(cè)試組用于驗(yàn)證所建立的預(yù)測(cè)模型?；颊吲R床資料來自電子病歷系統(tǒng),肝癌臨床分期依據(jù)中國原發(fā)性肝癌診療指南(2019年版)。CT檢查方案及臨床資料搜集征得醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn),所有檢查均取得患者的知情同意并簽署知情同意書。

表1 訓(xùn)練組與測(cè)試組患者的基線資料比較

2.CT掃描方法

患者行CT增強(qiáng)檢查前48h內(nèi)未進(jìn)行其他任何使用對(duì)比劑的影像檢查,檢查前對(duì)患者進(jìn)行呼吸訓(xùn)練。采用東芝320排螺旋CT (Aquilion ONE)和GE多排螺旋CT (Bright Speed)進(jìn)行CT掃描。掃描參數(shù):管電壓100～120 kV,管電流200～500 mA,重建層厚0.625～5.000 mm。CT增強(qiáng)檢查采用非離子型碘對(duì)比劑(歐乃派克,濃度350 mg I/mL),采用高壓注射器經(jīng)肘靜脈留置針注入,劑量1.5 mL/kg,注射流率3 mL/s,分別在注射對(duì)比劑后25～35 s、55～70 s、120～180 s進(jìn)行動(dòng)脈期、門脈期、延遲期掃描。

3.ROI勾畫及紋理特征提取

將所有受檢者的動(dòng)脈期、門脈期DICOM格式圖像數(shù)據(jù)導(dǎo)入ITK-SNAP軟件進(jìn)行ROI勾畫及紋理分析。由于腫瘤鄰近組織的異質(zhì)性對(duì)于HCC的MVI評(píng)估具有重要價(jià)值[2],因此將腫瘤病變和鄰近的非腫瘤組織均進(jìn)行ROI勾畫。首先,選取動(dòng)脈期和門脈期圖像,由2位分別具有3年和5年腹部影像診斷經(jīng)驗(yàn)的放射科醫(yī)師在不知臨床及病理結(jié)果的情況下,確定病變位置及其最大層面,在腫瘤最大層面圖像上手動(dòng)沿病灶邊緣勾畫ROI;第二步,在腫瘤邊界外3～5 mm范圍內(nèi)勾畫腫瘤鄰近組織,腫瘤鄰近組織ROI勾畫需排除周圍器官、骨骼和空氣(圖1)。再由1位資深腹部影像診斷醫(yī)師對(duì)上述ROI勾畫進(jìn)一步檢查確認(rèn)。采用組間相關(guān)系數(shù)(interclass correlation coefficients,ICC)分析2位醫(yī)師間勾畫ROI提取紋理特征的一致性,ICC>0.8為一致性較好。

圖1 ROI勾畫。a) 腫瘤最大層面瘤灶ROI勾畫; b) 腫瘤鄰近組織ROI勾畫。

紋理特征提取與分析:ROI內(nèi)4個(gè)類別共576個(gè)圖像紋理特征被提取,包括最大直徑、7個(gè)基于圖像體素強(qiáng)度特征、158個(gè)原始紋理特征和410個(gè)小波紋理特征。原始紋理特征包括灰度共生矩陣(grey level co-occurrence matrix,GLCM)、灰度游程長度矩陣(grey level run-length matrix,GLRLM),前者根據(jù)不同方位(0°、45°、90°和135°)每種方位提取22個(gè)特征共88個(gè)特征,后者根據(jù)游程長度(1、2、3、4)每種類型提取13個(gè)特征共52個(gè)特征。另外還有13個(gè)灰度大小區(qū)域矩陣(gray level size zone matrix,GLSZM)特征和5個(gè)鄰域灰度差矩陣(NGTDM)特征。

使用Z-score方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化預(yù)處理以消除差異增加可比性。使用最小絕對(duì)收縮與選擇算子(least absolute shrinkage and selection operator,LASSO)回歸算法與 10 倍交叉驗(yàn)證法對(duì)紋理特征數(shù)據(jù)進(jìn)行降維以篩選出最佳特征集。對(duì)篩選得到的紋理特征采用多元logistic回歸分析構(gòu)建模型。采用線性判別分析(linear discriminant analysis,LDA)建立分類器。

4.病理分析

由1位高年資病理科醫(yī)師閱片,根據(jù)有無MVI、MVI數(shù)目及位置差異進(jìn)行危險(xiǎn)度分級(jí):M0,未發(fā)現(xiàn)MVI;M1(低危組),≤5 個(gè)MVI,且均發(fā)生于近癌旁肝組織(≤1 cm);M2(高危組),>5個(gè)MVI,或MVI發(fā)生于遠(yuǎn)癌旁肝組織(>1 cm)[1]。

5.統(tǒng)計(jì)學(xué)分析

采用MedCalc v15.2.2和R語言軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。在訓(xùn)練組、測(cè)試組和獨(dú)立驗(yàn)證組中,對(duì)有無MVI患者的臨床特征進(jìn)行比較,連續(xù)變量采用獨(dú)立樣本t檢驗(yàn)或Mann-WhitneyU檢驗(yàn),分類變量采用卡方檢驗(yàn)或Fisher精確概率檢驗(yàn)。單因素分析中P<0.05的因素被選出輸入到多因素回歸模型中,多因素二元logistic回歸分析采用輸入法確定有統(tǒng)計(jì)學(xué)意義的預(yù)測(cè)因子。使用R語言“rms”包繪制受試者工作特征(receiver operating characteristic,ROC)曲線,計(jì)算曲線下面積(area under curve,AUC)、敏感度、特異度,評(píng)估模型在測(cè)試組或獨(dú)立驗(yàn)證組中的診斷效能。使用R語言中“regplot”包構(gòu)建列線圖。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.一般資料

訓(xùn)練組(n=331)與測(cè)試組(n=165)患者的年齡、性別、腫瘤位置、腫大最大徑、MVI狀態(tài)、臨床分期、血AFP水平差異均無統(tǒng)計(jì)學(xué)意義(P均>0.05)。訓(xùn)練組及測(cè)試組內(nèi)MVI陽性患者的腫瘤最大徑高于MVI陰性患者,MVI陽性患者的血AFP異常比例、臨床分期亦高于陰性患者,差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05,表1)。MVI高危患者的臨床分期明顯高于低?；颊摺?位醫(yī)師間勾畫ROI提取動(dòng)脈期、門脈期紋理特征的ICC分別為0.839和0.894,表明一致性較好。

2.圖像紋理特征篩選、MVI預(yù)測(cè)模型的建立與驗(yàn)證

采用LASSO回歸與十字交叉驗(yàn)證法降維過程如圖2所示,根據(jù)十倍交叉驗(yàn)證法,選擇誤差最小時(shí)對(duì)應(yīng)的紋理特征,得到模型函數(shù)常數(shù)項(xiàng)、紋理特征及其對(duì)應(yīng)系數(shù)。最終篩選出44個(gè)特征性最強(qiáng)的紋理特征用于建立預(yù)測(cè)模型函數(shù)。該模型預(yù)測(cè)有無MVI在訓(xùn)練組和驗(yàn)證組中的ROC曲線見圖3a、3b,在訓(xùn)練組的AUC為0.783(95% CI:0.666～0.900),敏感度和特異度分別為0.705和0.750;在測(cè)試組的AUC為0.773(95% CI:0.577～0.969),敏感度和特異度分別為0.883和0.722。模型擬合程度的校準(zhǔn)曲線見圖3c、3d,在訓(xùn)練組和驗(yàn)證組中的預(yù)測(cè)概率與實(shí)際概率相近。

圖2 使用LASSO回歸、十字交叉驗(yàn)證法進(jìn)行紋理特征降維篩選的過程。a) 下方的X軸表示 log(λ)值,Y軸表示AUC。紅點(diǎn)表示各個(gè)具體λ值對(duì)應(yīng)的模型的AUC值。第一條點(diǎn)狀縱線最高AUC值對(duì)應(yīng)的最佳λ值及紋理特征44個(gè);b) 紋理特征系數(shù)分布圖。在不同λ值的情況下對(duì)應(yīng)的紋理特征系數(shù)值變化。 圖3 訓(xùn)練組和驗(yàn)證組的ROC曲線及其對(duì)應(yīng)的校準(zhǔn)曲線。訓(xùn)練組和驗(yàn)證組的ROC曲線均顯示出較強(qiáng)的療效預(yù)測(cè)能力。圖3c和圖3d中對(duì)角線表示模型理想的預(yù)測(cè)能力,虛線表示模型實(shí)際預(yù)測(cè)能力,實(shí)線表示校準(zhǔn)后的情況。a) 訓(xùn)練組ROC曲線;b) 驗(yàn)證組ROC曲線; c) 模型在訓(xùn)練組中的校準(zhǔn)曲線圖;d) 模型在驗(yàn)證組中的校準(zhǔn)曲線圖。

3.MVI危險(xiǎn)度等級(jí)預(yù)測(cè)模型的建立與驗(yàn)證

采用前述方法篩選出5個(gè)特征性最強(qiáng)的紋理特征建立MVI危險(xiǎn)度等級(jí)的預(yù)測(cè)模型。其預(yù)測(cè)MVI危險(xiǎn)度等級(jí)在訓(xùn)練組的AUC為0.743(95% CI:0.741～0.826),在測(cè)試組的AUC為0.718(95% CI:0.691～0.866)。聯(lián)合紋理特征和腫瘤臨床分期建立列線圖預(yù)測(cè)MVI危險(xiǎn)度等級(jí)的效能更佳,AUC為0.856(95%CI:0.679～0.873)(圖4)。

圖4 聯(lián)合紋理特征和腫瘤臨床分期預(yù)測(cè)MVI風(fēng)險(xiǎn)等級(jí)的列線圖。

討 論

近年來,圖像的紋理特征在疾病診斷、分期及療效評(píng)估等方面的潛在價(jià)值越來越被大家所認(rèn)識(shí),利用專業(yè)軟件結(jié)合統(tǒng)計(jì)方法對(duì)醫(yī)學(xué)影像圖像進(jìn)行紋理特征的提取、篩選與分析,并建立函數(shù)模型用來輔助疾病診斷、分期、預(yù)后評(píng)估等方面的探索研究大量涌現(xiàn)。與常規(guī)影像征象相比,紋理特征提供給影像醫(yī)師更多圖像潛在的客觀信息,其不依賴于影像醫(yī)師的主觀因素及臨床經(jīng)驗(yàn),有助于影像醫(yī)師對(duì)病變進(jìn)行更準(zhǔn)確、更定量的精準(zhǔn)診斷[9-10]。

本研究利用紋理特征建立模型分別用于術(shù)前預(yù)測(cè)HCC患者的MVI狀態(tài)和危險(xiǎn)度等級(jí),兩者診斷效能(AUC)在訓(xùn)練組分別為0.783、0.743,在測(cè)試組分別為0.773、0.718。將紋理特征與腫瘤臨床分期組合建立列線圖預(yù)測(cè)MVI危險(xiǎn)度等級(jí)具有更好的診斷效能。不同紋理特征反映的意義有所不同,小波紋理特征、灰度共生矩陣(GLCM)反映的是圖像中局部灰度相關(guān)性,值越大說明ROI矩陣元素值越均勻,方差值越大說明ROI內(nèi)部異質(zhì)性越高;灰度游程長度矩陣(GLRLM)反映圖像ROI內(nèi)部像素值分布情況,值越大說明內(nèi)部結(jié)構(gòu)越復(fù)雜和不均質(zhì)。本研究結(jié)果表明,用于建立HCC MVI狀態(tài)的模型中44個(gè)紋理特征其中35個(gè)來源于小波紋理,說明小波紋理特征對(duì)于預(yù)測(cè)有無MVI具有很高價(jià)值,這與Peng等[11]基于CT圖像小波紋理特征模型預(yù)測(cè)乙肝病毒相關(guān)HCC患者M(jìn)VI狀態(tài)準(zhǔn)確性較高的研究結(jié)論一致。說明圖像像素灰度不均質(zhì)性越高,發(fā)生MVI的風(fēng)險(xiǎn)越高,其機(jī)制可能在于當(dāng) HCC 出現(xiàn)MVI時(shí),腫瘤及周圍肝實(shí)質(zhì)的局部血流動(dòng)力學(xué)情況發(fā)生了更多異常改變,門靜脈血流減少、動(dòng)脈血供相應(yīng)增加,出現(xiàn)更多不均質(zhì)異常強(qiáng)化。另外,本研究結(jié)果顯示源自灰度游程長度矩陣(GLRLM)的長程高灰度強(qiáng)調(diào)(LRHGE)特征在預(yù)測(cè)模型中的權(quán)重系數(shù)很高,這也與Ni等[12]基于MR紋理特征預(yù)測(cè)MVI狀態(tài)的研究結(jié)論相符,提示該紋理特征可能是預(yù)測(cè)MVI狀態(tài)的一個(gè)重要跨模態(tài)紋理特征。

目前大多數(shù)HCC MVI相關(guān)的研究未對(duì)MVI進(jìn)行危險(xiǎn)度分層,也未將腫瘤的臨床分期納入預(yù)測(cè)模型中,在為數(shù)不多的對(duì)上述內(nèi)容進(jìn)行研究的報(bào)道中,Xu等[13]的研究結(jié)果顯示臨床分期對(duì)于提升MVI危險(xiǎn)度等級(jí)模型預(yù)測(cè)效能具有重要價(jià)值。本研究結(jié)果顯示聯(lián)合紋理特征和腫瘤臨床分期因素建立列線圖,對(duì)預(yù)測(cè)MVI危險(xiǎn)度等級(jí)的診斷效能優(yōu)于單純基于紋理特征模型,但紋理特征聯(lián)合腫瘤臨床分期因素未能提高對(duì)MVI狀態(tài)預(yù)測(cè)模型的診斷效能。筆者注意到在篩選得到的5個(gè)用于預(yù)測(cè)MVI危險(xiǎn)度等級(jí)的紋理特征中4個(gè)與腫瘤臨床分期高度相關(guān),由此推斷腫瘤臨床分期是MVI危險(xiǎn)度等級(jí)預(yù)測(cè)模型中的一個(gè)重要的預(yù)測(cè)因子,因此加入這一因素所建立的列線圖診斷效能更佳。

前期的較多研究結(jié)果顯示HCC MVI陽性患者的腫瘤最大徑明顯大于陰性患者,納入腫瘤最大徑的MVI狀態(tài)預(yù)測(cè)模型具有更高的診斷效能[14-16]。本研究結(jié)果顯示,盡管不同MVI狀態(tài)組的腫瘤最大徑具有統(tǒng)計(jì)學(xué)差異,但納入腫瘤最大徑并沒有明顯提高模型的預(yù)測(cè)效能。將腫瘤最大徑與篩選所得的紋理特征進(jìn)行相關(guān)性分析,結(jié)果顯示大多數(shù)紋理特征與腫瘤最大徑顯著相關(guān),由此推測(cè)腫瘤最大徑在預(yù)測(cè)模型中的作用很有可能已被紋理特征所取代。

本研究存在以下局限性:首先,除了腫瘤最大徑之外沒有評(píng)估其他的形態(tài)學(xué)特征,后期我們將進(jìn)一步探討建立融合形態(tài)學(xué)和紋理特征的模型;其次,本研究使用二維ROI,三維立體興趣區(qū)容積(volume of interest,VOI)應(yīng)該能包含更全面、更豐富的腫瘤信息用于建立模型,未來的研究會(huì)嘗試比較基于2D-ROI和3D-VOI模型的預(yù)測(cè)效能;最后,本研究為單中心研究,我們將繼續(xù)擴(kuò)展多中心數(shù)據(jù),利用多中心數(shù)據(jù)對(duì)模型進(jìn)行進(jìn)一步驗(yàn)證。

綜上所述,采用增強(qiáng)CT圖像紋理特征模型可在術(shù)前預(yù)測(cè)HCC的MVI狀態(tài)和危險(xiǎn)度等級(jí),對(duì)臨床醫(yī)師術(shù)前選擇合理的手術(shù)方案、評(píng)估預(yù)后具有重要參考價(jià)值。