摘 要:目的" 研究基于能譜CT成像靜脈期單能量序列影像組學(xué)模型,用于預(yù)測(cè)結(jié)直腸癌微衛(wèi)星不穩(wěn)定(MSI)狀態(tài)。方法" 回顧性收集2019年7月至2022年8月在泰州市人民醫(yī)院經(jīng)手術(shù)切除或穿刺活檢病理確診為結(jié)直腸癌患者97例(男性57例、女性40例)。根據(jù)免疫組化MSI表達(dá)結(jié)果進(jìn)行分組:MSI組34例、微衛(wèi)星穩(wěn)定(MSS)組63例。以DICOM格式將靜脈期1.25mm原始圖像數(shù)據(jù)傳至GE AW4.7后處理工作站,生成碘基物質(zhì)分解圖、70keV、100keV單能量圖,導(dǎo)入ITK-SNAP開(kāi)源軟件,手動(dòng)勾畫(huà)感興趣區(qū)(ROI),利用Pyradiomics工具進(jìn)行影像組學(xué)特征提取,采用mRMR(最大相關(guān)和最小冗余)和LASSO(最小絕對(duì)收縮選擇算子)算法對(duì)訓(xùn)練組的影像組學(xué)特征進(jìn)行降維,獲取關(guān)鍵的影像組學(xué)特征,建立預(yù)測(cè)腫瘤生物學(xué)行為的影像組學(xué)模型。采用受試者工作特征(ROC)曲線下面積(AUC)來(lái)評(píng)估模型的診斷效能。使用校正曲線對(duì)模型的校正性能進(jìn)行評(píng)估,應(yīng)用決策曲線評(píng)價(jià)模型在訓(xùn)練組中的臨床實(shí)用性。結(jié)果 靜脈期單能量70keV序列、100keV序列、碘基物質(zhì)分解圖共三種模型各提取了1218個(gè)特征,其中70keV單能量序列特征分類(lèi)性能最佳。結(jié)論" 基于能譜CT成像的單能量模型可以有效地區(qū)分結(jié)直腸癌MSI和MSS狀態(tài)患者,可以作為術(shù)前預(yù)測(cè)結(jié)直腸癌患者M(jìn)SI狀態(tài)的重要影像生物標(biāo)志物,為指導(dǎo)臨床醫(yī)生制定個(gè)體化治療方案及評(píng)估患者預(yù)后提供新思路。
關(guān)鍵詞:能譜CT成像;影像組學(xué);結(jié)直腸癌;微衛(wèi)星不穩(wěn)定性
中圖分類(lèi)號(hào):R814.42 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1671-0142(2024)04-0085-05
結(jié)直腸癌是我國(guó)最常見(jiàn)的惡性腫瘤之一,癌癥死亡率排名第五[1]。MSI是遺傳性非息肉病性結(jié)直腸癌(hereditary nonpolyposis colorectal cancer,HNPCC)和Lynch綜合征(Lynch syndrome,LS)的一個(gè)重要分子標(biāo)志。它也發(fā)生在15%的散發(fā)性結(jié)直腸癌中,通常與DNA錯(cuò)配修復(fù)(mismatch repair,MMR)系統(tǒng)的缺陷有關(guān),該系統(tǒng)由一個(gè)主要MMR基因的失敗引起,包括MSH2、MLH1、MSH6或PMS2[2]。MSI是預(yù)測(cè)結(jié)直腸癌患者預(yù)后反應(yīng)的一個(gè)重要因素。回顧性研究表明MSI狀態(tài)患者比MSS狀態(tài)患者預(yù)后更好。
曹云太[3]通過(guò)對(duì)基于增強(qiáng)CT的結(jié)直腸癌MSI狀態(tài)建立影像組學(xué)預(yù)測(cè)模型,顯示了模型良好的預(yù)測(cè)能力。Chen等[4]研究發(fā)現(xiàn)CT影像組學(xué)特征與臨床參數(shù)建立識(shí)別結(jié)直腸癌患者M(jìn)SI狀態(tài)的聯(lián)合模型,有助于個(gè)體化治療決策。Li等[5]研究結(jié)果顯示18F-FDG PET/CT影像組學(xué)分析為識(shí)別結(jié)直腸癌患者微衛(wèi)星狀態(tài)提供了一種客觀、無(wú)創(chuàng)的機(jī)制,優(yōu)化了治療決策。MSI是一種預(yù)測(cè)化療反應(yīng)的生物標(biāo)志物,也是結(jié)直腸癌臨床結(jié)局預(yù)后的生物標(biāo)志物,有助于無(wú)創(chuàng)個(gè)性化治療的選擇[6]。目前,應(yīng)用能譜CT的影像組學(xué)方法對(duì)結(jié)直腸癌MSI狀態(tài)的評(píng)估文獻(xiàn)較少[7]。本文回顧性收集了結(jié)直腸癌患者的臨床和MSI狀態(tài)信息,構(gòu)建了3個(gè)影像組學(xué)模型來(lái)預(yù)測(cè)術(shù)前MSI狀態(tài),分析結(jié)直腸癌患者能譜CT的靜脈期單能量圖、碘基物質(zhì)分解圖影像組學(xué)特征,是否有助于預(yù)測(cè)MSI狀態(tài),提高M(jìn)SI的診斷效能。
1 材料與方法
1.1 一般資料 回顧性收集了2019年7月至2022年8月97例在泰州市人民醫(yī)院經(jīng)手術(shù)切除、病理確診為結(jié)直腸癌患者的臨床資料。其中男57人,女40人,根據(jù)免疫組化染色結(jié)果,MSI組共34例,年齡范圍為34歲~86歲;MSS組共63例,年齡范圍為50歲~86歲,本研究得到了泰州市人民醫(yī)院倫理委員會(huì)的批準(zhǔn)?;颊呒{入標(biāo)準(zhǔn)(1)術(shù)后病理證實(shí)為結(jié)直腸癌的患者;(2)術(shù)前在我院同一臺(tái)螺旋CT上行能譜CT增強(qiáng)檢查。排除標(biāo)準(zhǔn):(1)在術(shù)前及CT檢查前接受過(guò)任何治療;(2)術(shù)后病理結(jié)果不完整(尤其是未進(jìn)行免疫組化MSI的檢查);(3)圖像質(zhì)量較差及病灶較小(最短直徑小于10mm)。
1.2 能譜CT檢查設(shè)備及方法 采用Revolution CT(GE Healthcare,Milwaukie,United States)掃描儀,檢查前患者需禁食至少6小時(shí),并需接受屏氣訓(xùn)練,采用高壓注射器由前臂肘前靜脈注入,注射速率為2.5ml/s,注射總量為80~120ml(1.5ml/kg)。自動(dòng)重建為1.25mm層厚及層間距的圖像。閾值觸發(fā)技術(shù)選擇Smart Phase,動(dòng)脈期掃描時(shí)間30s,靜脈期掃描時(shí)間60s,延遲期150s。
1.3 影像數(shù)據(jù)提取 將靜脈期1.25mm原始圖像數(shù)據(jù)傳至GE AW4.7后處理工作站,GSI Viewer軟件生成碘基物質(zhì)分解圖以及70keV、100keV單能量圖(根據(jù)先驗(yàn)知識(shí)選取以上單能量序列及碘基圖),再以DICOM格式導(dǎo)入ITK-SNAP軟件調(diào)整窗寬窗位,手動(dòng)勾畫(huà)ROI。在對(duì)病灶進(jìn)行勾畫(huà)時(shí),同樣要注意避開(kāi)液化壞死、含氣偽影及鈣化區(qū)域。本研究利用Pyradiomics(版本3.0.1)工具進(jìn)行影像組學(xué)特征提取[8]。除了基于原始圖像進(jìn)行上述特征提取外,本研究還利用SimpleITK包對(duì)圖像進(jìn)行拉普拉斯高斯濾波和小波變換,并進(jìn)行組學(xué)特征提取[9]。最終,每個(gè)ROI中共提取了1218個(gè)影像組學(xué)特征。
1.4 統(tǒng)計(jì)分析
1.4.1 模型建立及評(píng)價(jià) 采用隨機(jī)分層抽樣方法將患者按照7∶3比例分為訓(xùn)練組和驗(yàn)證組。使用影像組學(xué)評(píng)分(Radscore)的計(jì)算方法,將所選特征按其系數(shù)加權(quán),建立預(yù)測(cè)結(jié)直腸癌MSI狀態(tài)的影像組學(xué)模型。模型預(yù)測(cè)效能的評(píng)價(jià)釆用ROC的AUC,分別在訓(xùn)練集和驗(yàn)證集上評(píng)價(jià)模型的預(yù)測(cè)能力。用ROC曲線分析評(píng)估模型的診斷性能,使用校正曲線對(duì)模型的校正性能進(jìn)行評(píng)估。
1.4.2 臨床決策曲線建立 曲線的Y軸和X軸分別表示臨床獲益和風(fēng)險(xiǎn)閾值概率。黑實(shí)線代表所有患者均是A的假設(shè),而水平黑虛線代表所有患者都是B患者的假設(shè)。決策曲線高于A、B線即可臨床獲益。應(yīng)用DCA(decision curve analysis,決策曲線)評(píng)價(jià)模型的臨床實(shí)用性,DCA下的面積越大,表明臨床效用越好。
2 結(jié)果
以是否發(fā)生MSI為因變量(MSI=1,MSS=0),以基線資料中Plt;0.10的指標(biāo)為自變量,采用多因素Logistic回歸分析。結(jié)果表明:CA125升高、CA199升高是MSI的獨(dú)立危險(xiǎn)因素。見(jiàn)表1
結(jié)直腸癌影像組學(xué)特征?;诮Y(jié)直腸癌靜脈期能譜單能量圖、碘基物質(zhì)圖,利用PyRadiomics軟件從每個(gè)序列提取影像組學(xué)特征數(shù)量1218個(gè)。通過(guò)5折交叉驗(yàn)證,降維后篩選出非零系數(shù)的關(guān)鍵影像組學(xué)特征,結(jié)果如表2所示。
ROC曲線(圖1):靜脈期70keV單能量的訓(xùn)練組AUC為0.945(圖1a);驗(yàn)證組AUC為0.850(圖1b)。
校正曲線(圖2):訓(xùn)練組(圖2a)和驗(yàn)證組(圖2b)預(yù)測(cè)概率的校準(zhǔn)曲線。
臨床決策曲線(圖3):如圖所示,影像組學(xué)模型在MSI與MSS鑒別上可在一定程度上讓臨床獲益。
3 討論
由于MSI是預(yù)測(cè)患者預(yù)后和對(duì)化療和免疫治療反應(yīng)的標(biāo)志物,因此識(shí)別MSI狀態(tài)對(duì)結(jié)直腸癌患者至關(guān)重要。與近年來(lái)的大多數(shù)相關(guān)研究一致[7,10],本研究采用IHC方法來(lái)確定MSI狀態(tài),雖然PCR是診斷MSI狀態(tài)的金標(biāo)準(zhǔn),但操作過(guò)程復(fù)雜,成本較高。IHC與PCR檢測(cè)結(jié)果相關(guān)性較高。由于這些方法都是基于腫瘤組織的,因此侵入性活檢是目前術(shù)前評(píng)估MSI狀態(tài)的唯一方法。因此,發(fā)展一種無(wú)創(chuàng)性和客觀性評(píng)估MSI狀態(tài)的方法將為精確治療結(jié)直腸癌提供更多的診斷信息。常規(guī)混合能量CT影像組學(xué)已有研究顯示對(duì)結(jié)直腸癌MSI狀態(tài)分類(lèi)診斷效能具有臨床應(yīng)用價(jià)值[4,11],然而,基于能譜CT的影像組學(xué)預(yù)測(cè)結(jié)直腸癌中MSI狀態(tài)的研究還有待驗(yàn)證。
本次回顧性研究從比較不同能譜CT參數(shù)下腫瘤的影像組學(xué)特征,預(yù)測(cè)MSI狀態(tài)。建立了包括3個(gè)能譜CT影像組學(xué)模型來(lái)評(píng)估結(jié)直腸癌的MSI狀態(tài)。結(jié)果表明,其中能譜CT靜脈期70keV單能量模型效果最優(yōu),MSI的發(fā)生率為35%(34/97),在右側(cè)結(jié)腸的發(fā)病率為44.1%(15/34),這與以前的文獻(xiàn)[7,12]相仿。研究還發(fā)現(xiàn)CA125、CA199升高是MSI的獨(dú)立危險(xiǎn)因素,與MSI狀態(tài)密切相關(guān);這一發(fā)現(xiàn)尚未有相關(guān)文獻(xiàn)報(bào)道,還有待進(jìn)一步的驗(yàn)證。
模型預(yù)測(cè)MSI狀態(tài)的性能良好。病理上,MSI結(jié)直腸癌傾向于表現(xiàn)為混合形態(tài)學(xué)特征,如黏液、腺體和固體成分,導(dǎo)致腫瘤異質(zhì)性,使影像組學(xué)分析術(shù)前MSI狀態(tài)成為可能。結(jié)直腸癌被腸腔內(nèi)的空氣、糞便等不相關(guān)的信息所包圍,從鄰近區(qū)域提取的影像組學(xué)特征可能會(huì)受到影響。因此,選取了病變的最大橫截面短直徑≥1cm,不僅優(yōu)化了臨床療效,而且也避免了處理過(guò)程中的圖像湮滅。
通過(guò)比較模型的AUC值,發(fā)現(xiàn)能譜CT靜脈期 70keV單能量序列特征分類(lèi)性能最佳,模型AUC為0.945(訓(xùn)練組)、0.850(測(cè)試組),高于以往的研究報(bào)道。這些特征被用來(lái)衡量圖像的灰度不均勻性,以反映腫瘤固有的異質(zhì)性。其中高階的小波特征可以在任意空間域?qū)π盘?hào)進(jìn)行局部分析,并且小波特征具有發(fā)現(xiàn)數(shù)據(jù)中隱藏的其他信號(hào)分析方法無(wú)法識(shí)別的結(jié)構(gòu)特征的能力[18]。能譜CT單能量影像組學(xué)特征的建立,實(shí)現(xiàn)了臨床醫(yī)生對(duì)結(jié)直腸癌患者術(shù)前MSI狀態(tài)的無(wú)創(chuàng)、個(gè)體化預(yù)測(cè)。能譜CT單能量影像組學(xué)模型是術(shù)前預(yù)測(cè)結(jié)直腸癌患者M(jìn)SI狀態(tài)的重要影像生物標(biāo)志物。
然而,這項(xiàng)研究仍有一些局限性。首先,這是一個(gè)樣本有限的單中心回顧性研究。因此,需要進(jìn)一步通過(guò)外部和多中心的研究來(lái)進(jìn)行驗(yàn)證;第二,由于是回顧性研究,可能存在選擇偏倚;第三,單能量序列圖40keV~140keV未能全部勾畫(huà)統(tǒng)計(jì),只是根據(jù)先驗(yàn)知識(shí)選取其中部分序列(70keV、100keV、碘基物質(zhì)分解圖)。
參考文獻(xiàn):
[1]Chen W, Zheng R, Baade PD, et al.Cancer statistics in China, 2015[J]. CA Cancer J Clin,2016,66(2):115-132.
[2]Kawakami H, Zaanan A, Sinicrope FA, et al.Microsatellite Instability Testing and its Role in the Management of Colorectal Cancer[J]. Curr Treat options Oncol, 2015,16(7):1-15.
[3]曹云太.基于CT影像組學(xué)的結(jié)直腸癌分子分型預(yù)測(cè)研究[D].蘭州大學(xué),2021.
[4]Chen X, He L, Li Q, et al. Non-invasive prediction of microsatellite instability in colorectal cancer by a genetic algorithm-enhanced artificial neural network-based CT radiomics signature[J].Eur Radiol,2023,33(1):11-22.
[5]Li J, Yang Z, Xin B, et al. Quantitative Prediction of Microsatellite Instability in Colorectal Cancer With Preoperative PET/CT-Based Radiomics[J].Front Oncol, 2021,11:702055.
[6]Zhang W,Huang Z, Zhao J,et al.Development and validation of magnetic resonance imaging-based radiomics models for preoperative prediction of microsatellite instability in rectal cancer[J].Ann Transl Med,2021(9):134.
[7]Wu J,Zhang Q,Zhao Y,et al.Radiomics Analysis of Iodine-Based Material Decomposition Images With Dual-Energy Computed Tomography Imaging for Preoperatively Predicting Microsatellite Instability Status in Colorectal Cancer[J]. Front Oncol,2019,9(11):1250.
[8]Van Griethuysen JJM,F(xiàn)edorov A,Parmar C,et al.Computational Radiomics System to Decode the Radiographic Phenotype[J].Cancer Res,2017,(77):104-107.
[9]Yaniv Z, Lowekamp BC, Johnson HJ, et al. SimpleITK Image-Analysis Notebooks: a Collaborative Environment for Education and Reproducible Research[J]. J Digit Imaging,2018,31(3):290-303.
[10]Ying M, Pan J, Lu G, et al. Development and validation of a radiomics-based" nomogram" for the preoperative prediction of microsatellite instability in colorectal cancer[J].BMC Cancer,2022,22(1):524.
[11]Yuan H, Peng Y, Xu X, et al.A Tumoral and Peritumoral CT-Based Radiomics and Machine Learning Approach to Predict the Microsatellite Instability of Rectal Carcinoma[J].Cancer Manag Res,2022(14):2409-2418.
[12]Ma Yi,Lin Changsong,Liu Song et al. Radiomics features based on internal and marginal areas of the tumor for the preoperative prediction of microsatellite instability status in colorectal cancer[J]. Front Oncol,2022,12:1020349.
(責(zé)任編輯 劉 紅)
The Research of Application of Predicting MSI in Colorectal Cancer Based on Spectral CT Radiomics
ZHANG Hong-xia, TIAN Wei-zhong, XIA Jian-guo, YANG Wei-zhe
(The Affiliated Taizhou People's Hospital of Nanjing Medical University, Taizhou Jiangsu 225300, China)
Abstract: Objective To study the radiomics model based on single energy sequence of spectral CT imaging in venous phase for predicting microsatellite instability (MSI) status of colorectal cancer. Methods From July 2019 to August 2022, 97 patients (57 males and 40 females) with colorectal cancer diagnosed by surgical resection or biopsy in Taizhou People’s Hospital were retrospectively collected. According to the results of immunohistochemical MSI expression, the patients were divided into MSI group (34 cases) and MSS group (63 cases). The raw image data of 1.25 mm venous images were transmitted to GE AW4.7 post-processing workstation in DICOM format to generate iodine-based material decomposition maps, 70keV, 100keV monoenergetic maps. The images were imported into ITK-SNAP open source software, and the region of interest (ROI) was manually delineated. The radiomics feature extraction was performed using the Pyradiomics tool. The mRMR (maximum relevance and minimum redundancy) and LASSO (least absolute shrinkage and selection operator) algorithms were used to reduce the dimension of the radiomics features of the training group and obtain the key radiomics features, and the radiomics model for predicting tumor biological behavior was established. The area under the ROC curve (AUC) analysis was used to evaluate the diagnostic efficacy of the ten models. The calibration curve was used to evaluate the calibration performance of the model, and the decision curve was used to evaluate the clinical practicability of the model in the training group. Results Venous phase single energy 70keV, 100keV sequence, iodine-based material decomposition diagram, sequence diagram extracted 1218 features respectively, among which the venous phase 70 keV single energy sequence had the best classification performance. Conclusion The single-energy model based on energy spectrum CT imaging can distinguish MSI status from MSS status effectively, It can be used as an important imaging biomarker to predict the status of MSI in colorectal cancer patients before operation, and provide a new way to guide clinician to make individualized treatment plan and evaluate the prognosis of patients.
Key words: spectral CT imaging;images radiomics;colorectal cancer;microsatellite instability
泰州職業(yè)技術(shù)學(xué)院學(xué)報(bào)2024年4期