基于T2WI紋理分析預(yù)測(cè)高級(jí)別膠質(zhì)瘤術(shù)后復(fù)發(fā)

趙正宇,單 奔,韓 雷,葛 芳,李紹東

(1.徐州醫(yī)科大學(xué)影像學(xué)院,江蘇 徐州 221004;2.徐州醫(yī)科大學(xué)附屬淮安醫(yī)院影像科,江蘇 淮安 223002;3.淮安市第五人民醫(yī)院影像科,江蘇 淮安 223399;4.徐州醫(yī)科大學(xué)附屬醫(yī)院影像科,江蘇 徐州 221006)

膠質(zhì)瘤是顱內(nèi)最常見(jiàn)腫瘤。2021年WHO中樞神經(jīng)系統(tǒng)腫瘤分類(lèi)將膠質(zhì)瘤分為1～4級(jí),其中3、4級(jí)為高級(jí)別膠質(zhì)瘤(high-grade glioma, HGG)[1]。HGG侵襲性強(qiáng),瘤周易出現(xiàn)血管源性水腫;臨床治療以手術(shù)切除為主,輔以放射及化學(xué)治療等[2]。多數(shù)HGG術(shù)后會(huì)復(fù)發(fā),但患者腫瘤無(wú)進(jìn)展生存期(progression free survival, PFS)存在顯著差異[3],使得術(shù)前評(píng)估HGG具有重要臨床意義。術(shù)前影像學(xué)常通過(guò)常規(guī)MRI、彌散加權(quán)成像(diffusion weighted imaging, DWI)、磁共振波譜分析及灌注加權(quán)成像等評(píng)估HGG[4-5]。本研究觀察基于T2WI紋理分析[6]預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的價(jià)值。

1 資料與方法

1.1 研究對(duì)象 回顧性分析2013年7月—2021年3月71例于徐州醫(yī)科大學(xué)附屬醫(yī)院及淮安市第二人民醫(yī)院經(jīng)術(shù)后病理確診的HGG患者,男33例、女38例,年齡15～81歲、平均(52.9±10.9)歲。納入標(biāo)準(zhǔn):①初診HGG,擬接受手術(shù)治療;②術(shù)前未接受任何治療;③于術(shù)前1個(gè)月內(nèi)接受顱腦MR檢查,圖像質(zhì)量良好;④術(shù)后隨訪資料完整。排除標(biāo)準(zhǔn):①罹患其他惡性腫瘤;②MRI所示腫瘤實(shí)質(zhì)、水腫區(qū)及其與正常腦組織界限不清;③MRI未見(jiàn)瘤周水腫。復(fù)發(fā)定義為出現(xiàn)新發(fā)HGG,或原病灶進(jìn)展或轉(zhuǎn)移[7]。術(shù)后隨訪1～21個(gè)月、中位時(shí)間8.3個(gè)月,將期間出現(xiàn)復(fù)發(fā)者歸為復(fù)發(fā)組(n=45),無(wú)復(fù)發(fā)者納入未復(fù)發(fā)組(n=26)。本研究經(jīng)院倫理委員會(huì)批準(zhǔn)(XYFY2021-KL120-01、HEYLL20210118)。檢查前患者及家屬均簽署知情同意書(shū)。

1.2 MR檢查 采用GE Signa HDxt 3.0T超導(dǎo)MR儀,8通道頭部相控陣表面線圈。囑患者仰臥,以自旋回波(spin echo, SE)序列采集軸位T2WI,TR 4 000 ms,TE 95 ms,層厚3 mm,層間距0.5 mm,FOV 220 mm×220 mm,矩陣256×256; 以SE或平面回波(echo planar, EP)序列采集軸位DWI,TR 3 000 ms,TE 65.5 ms,層厚5 mm,層間距1 mm,FOV 240 mm× 240 mm,矩陣160×160,b值分別為0和1 000 s/mm2。經(jīng)肘靜脈以2.0 ml/s流率團(tuán)注釓噴酸葡胺(0.1 mmol/kg體質(zhì)量)后采集軸位T1WI,TR 600 ms,TE 6.8 ms,層厚 3 mm,層間距0.6 mm,FOV 180 mm×180 mm,矩陣256×256。

1.3 閱片及提取特征 由分別具有10年和30年神經(jīng)系統(tǒng)影像學(xué)診斷經(jīng)驗(yàn)的主治醫(yī)師和主任醫(yī)師各1名分別閱片,觀察并記錄腫瘤形態(tài)特征,包括位置(左/右側(cè))、有無(wú)分葉、囊變、子病灶,以及實(shí)質(zhì)/瘤周DWI信號(hào)(等低/中高)和強(qiáng)化程度(輕度/中重度),意見(jiàn)不一致時(shí)經(jīng)協(xié)商達(dá)成共識(shí)。以DICOM格式導(dǎo)出T2WI,由2名醫(yī)師采用3D Slicer軟件沿腫瘤實(shí)質(zhì)及水腫區(qū)邊緣逐層手動(dòng)勾畫(huà)ROI(圖1);采用開(kāi)源Pyradiomics軟件提取ROI的7類(lèi)紋理特征,包括灰度共生矩陣特征、灰度游程矩陣特征、一階特征、灰度區(qū)域大小矩陣特征、相鄰灰度差矩陣特征、灰度依賴矩陣特征及形態(tài)特征。

圖1 以3D Slicer勾畫(huà)ROI示意圖 A、B.于軸位T2WI中勾畫(huà)HGG瘤體(A)及瘤周水腫帶(B); C、D.于冠狀位(C)及矢狀位(D)圖像中勾畫(huà)瘤體+瘤周水腫帶 (圖A、C、D為58歲、B為55歲女性左頂葉HGG患者)

1.4 模型構(gòu)建 采用組內(nèi)相關(guān)系數(shù)(intra-class correlation coefficient, ICC)分析2名醫(yī)師分別提取紋理特征的一致性,選擇一致性良好(ICC>0.75)的特征。以組間差異有統(tǒng)計(jì)學(xué)意義的HGG MRI形態(tài)特征構(gòu)建支持向量機(jī)(support vector machine, SVM)和隨機(jī)森林(random forest, RF)分類(lèi)模型:將組間差異有統(tǒng)計(jì)學(xué)意義的瘤體、瘤周水腫區(qū)、瘤體+瘤周水腫區(qū)的紋理特征值標(biāo)準(zhǔn)化,以十折交叉驗(yàn)證獲得最小絕對(duì)收縮和選擇算子(least absolute shrinkage and selection operator, LASSO)算法的最優(yōu)λ值,篩選最佳紋理特征,分別以瘤體、瘤周水腫區(qū)、瘤體+瘤周水腫區(qū)特征構(gòu)建SVM和RF分類(lèi)模型,并聯(lián)合各區(qū)域紋理特征構(gòu)建SVM和RF分類(lèi)模型。繪制受試者工作特征(receiver operating characteristic, ROC)曲線,以曲線下面積(area under the curve, AUC)評(píng)估各模型預(yù)測(cè)效能。

1.5 統(tǒng)計(jì)學(xué)分析 采用Python 3.1.1統(tǒng)計(jì)分析軟件。以±s表示符合正態(tài)分布的計(jì)量資料。以Levene檢驗(yàn)進(jìn)行方差齊性分析,對(duì)方差齊者以獨(dú)立樣本t檢驗(yàn)行組間比較,否則行Welcht檢驗(yàn)。采用χ2檢驗(yàn)比較計(jì)數(shù)資料。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 形態(tài)特征模型 組間腫瘤位置、有無(wú)囊變、有無(wú)子病灶、實(shí)質(zhì)/瘤周DWI信號(hào)及強(qiáng)化程度差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05),見(jiàn)表1;據(jù)此建立預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的SVM形態(tài)及RF形態(tài)模型。

表1 組間患者一般資料及HGG形態(tài)特征比較

2.2 紋理特征模型 分別于瘤體、瘤周水腫區(qū)和瘤體+瘤周水腫區(qū)各提取1 245個(gè)紋理特征,其中987、1 020和1 084個(gè)特征的一致性良好,分別于其中篩選出122、230和424個(gè)特征;最終分別以LASSO算法選出12、13和13個(gè)最佳紋理特征(圖2)用于構(gòu)建各區(qū)及聯(lián)合SVM紋理模型和RF紋理模型。

圖2 篩選最佳紋理特征及其系數(shù) A.瘤體; B.瘤周水腫區(qū); C.瘤體+瘤周水腫區(qū)

2.3 模型預(yù)測(cè)效能 SVM形態(tài)模型預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的效能(AUC=0.76)高于RF形態(tài)模型(AUC=0.68);SVM紋理模型預(yù)測(cè)效能最佳(AUC=0.83)。見(jiàn)表2。瘤體+瘤周水腫區(qū)SVM紋理模型和RF紋理模型預(yù)測(cè)效能高于瘤體和瘤周水腫區(qū),見(jiàn)表3。

表2 以形態(tài)特征和紋理特征SVM、RF模型預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的效能

表3 以不同區(qū)域紋理特征SVM、RF模型預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的效能

3 討論

術(shù)前通過(guò)MRI預(yù)測(cè)術(shù)后腫瘤復(fù)發(fā)對(duì)于制定治療HGG方案具有重要臨床意義[8]。本研究結(jié)果顯示,相比未復(fù)發(fā)組,MRI中,復(fù)發(fā)組HGG更易出現(xiàn)大面積囊變、壞死,瘤體或瘤周DWI高信號(hào);分析原因,可能復(fù)發(fā)組腫瘤惡性程度更高,腫瘤細(xì)胞增殖更快、瘤內(nèi)微血管增生更顯著,造成微環(huán)境缺氧致腫瘤壞死、囊變,且隨腫瘤細(xì)胞密度與體積改變,細(xì)胞外間隙水分子運(yùn)動(dòng)受限而出現(xiàn)DWI高信號(hào)[9-10]。既往研究[11]認(rèn)為膠質(zhì)瘤發(fā)生侵襲、轉(zhuǎn)移是其預(yù)后差的重要原因之一。本研究發(fā)現(xiàn)HGG存在子病灶時(shí)更易復(fù)發(fā),與周晶等[11]的觀點(diǎn)相符。有學(xué)者[12]提出TERT啟動(dòng)子與膠質(zhì)瘤偏側(cè)性存在一定關(guān)聯(lián):野生型膠質(zhì)瘤以左側(cè)居多且往往預(yù)后較差,突變型膠質(zhì)瘤則多位于身體右側(cè);或可從基因?qū)用娼忉尡窘M左側(cè)HGG更易復(fù)發(fā)。此外,本研究復(fù)發(fā)組HGG較未復(fù)發(fā)組強(qiáng)化程度更高,可能其血腦屏障破壞更為嚴(yán)重,使對(duì)比劑更易進(jìn)入組織間隙[13]。

SVM、RF模型已廣泛用于紋理分析研究。SVM分類(lèi)模型主要用于分類(lèi)或回歸圖像及文本數(shù)據(jù),尤其適用于小樣本研究。RF以監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)進(jìn)行二元分類(lèi),計(jì)算速度較快且不易出現(xiàn)過(guò)擬合,適用于處理大批量影像組學(xué)特征。劉哲等[13]報(bào)道,基于T1WI、T2WI構(gòu)建的SVM和RF模型可有效鑒別HGG與單發(fā)腦轉(zhuǎn)移癌。袁媛等[2]基于T2WI結(jié)合影像組學(xué)鑒別HGG與顱內(nèi)單發(fā)轉(zhuǎn)移癌,發(fā)現(xiàn)瘤周5 mm 影像組學(xué)模型的鑒別效能高于瘤周10 mm,但未與瘤體進(jìn)行比較。T2WI所示瘤體與瘤周水腫區(qū)的界限相對(duì)清晰,勾畫(huà)ROI相對(duì)簡(jiǎn)單。本研究基于T2WI分別提取瘤體、瘤周水腫區(qū)及瘤體+瘤周水腫區(qū)紋理特征,并納入HGG MRI形態(tài)學(xué)特征,充分利用可挖掘信息構(gòu)建多種SVM及RF模型,結(jié)果顯示以瘤體+瘤周水腫區(qū)紋理特征預(yù)測(cè)HGG術(shù)后復(fù)發(fā)的效能最佳,AUC為0.88。

綜上所述,基于T2WI紋理分析可有效預(yù)測(cè)HGG術(shù)后復(fù)發(fā)。本研究的主要不足之處:①納入病例來(lái)源于2所醫(yī)院,盡管掃描設(shè)備及其參數(shù)相同,圖像灰度分布仍存在差異;②樣本量小;③手動(dòng)分割ROI難以避免偏倚,有待后續(xù)加以完善。