王 敏，宋 彬

四川大學(xué)華西醫(yī)院放射科，四川 成都 610041

肝細胞癌（hepatocellular carcinoma，HCC）是最常見的肝臟原發(fā)性惡性腫瘤，在世界范圍癌癥死亡相關(guān)疾病中位列第2［1］。截至2015年，中國HCC發(fā)病率位列第4，死亡率位列第3。早期復(fù)發(fā)是影響患者術(shù)后生存率至關(guān)重要的因素，大肝癌術(shù)后5年復(fù)發(fā)率達80%，小肝癌為40%～50%，復(fù)發(fā)高峰在術(shù)后1～2年。因此，準確預(yù)測術(shù)后早期復(fù)發(fā)是改善患者總體生存的基礎(chǔ)。

目前用于評估HCC患者術(shù)后早期復(fù)發(fā)的研究多為單因素研究，HCC術(shù)后早期復(fù)發(fā)是腫瘤因素、背景肝臟因素及全身狀態(tài)綜合作用的結(jié)果，因此僅將某一獨立危險因素作為評估預(yù)后的指標，結(jié)果通常不準確。而將三者聯(lián)合起來應(yīng)用于HCC預(yù)后評估的預(yù)測模型較少，臨床普遍應(yīng)用的是巴塞羅那臨床肝癌分期（Barcelona Clinical Liver Cancer，BCLC）系統(tǒng)，其優(yōu)勢在于將背景肝功能儲備、腫瘤因素及全身狀態(tài)等綜合起來進行評估，預(yù)測效能較高。但對于我國多數(shù)HCC患者而言，BCLC分期尚存在一些不足：首先，患者就診時已屬中晚期，且腫瘤多＞5 cm，BCLC分期并不適用于此類患者，然而此類患者接受手術(shù)切除后同樣獲益。此外，BCLC分期中盡管提到了腫瘤對大血管的侵犯，但是腫瘤微血管侵犯是導(dǎo)致HCC術(shù)后早期復(fù)發(fā)的另一獨立危險因素，只有依賴術(shù)后病理顯微鏡檢查才能做出診斷，BCLC分期會低估此類患者術(shù)后早期復(fù)發(fā)的風(fēng)險。因此，有必要在BCLC分期的基礎(chǔ)上進一步建立更加適合我國HCC患者預(yù)后的預(yù)測模型。

影像組學(xué)旨在通過包含疾病病理生理信息的高維度影像組學(xué)特征，最大限度地挖掘醫(yī)學(xué)影像對疾病診斷的潛力［2］。目前已廣泛應(yīng)用于乳腺癌、肺癌等患者的預(yù)后評估，但是針對HCC預(yù)后的研究較少。Zhou等［3］和Akai等［4］發(fā)現(xiàn)，HCC的CT紋理特征可以作為預(yù)測HCC術(shù)后早期復(fù)發(fā)的預(yù)測指標，表明這些不可見的紋理特征中確實包含腫瘤的預(yù)后信息。Zhou等［3］同時發(fā)現(xiàn)，紋理特征結(jié)合臨床特征預(yù)測腫瘤術(shù)后早期復(fù)發(fā)的準確性顯著高于單獨使用紋理特征。以上兩項研究均采用基于腫瘤單獨層面的二維CT紋理特征，而相比于CT，磁共振成像（magnetic resonance imaging，MRI）有更好的軟組織分辨率。本研究采用了基于腫瘤整體的三維紋理（threedimensional texture，3D-texture）特征，更能全面、客觀地反映腫瘤的異質(zhì)性。本研究旨在通過機器學(xué)習(xí)的方法，將腫瘤的MRI 3D-texture特征與臨床參數(shù)結(jié)合起來構(gòu)建預(yù)測模型，對術(shù)后早期復(fù)發(fā)進行初步探討。

1 資料和方法

1.1 納入患者

將納入的患者按照建立預(yù)測模型的要求分為回顧性與前瞻性兩部分，納入標準見圖1。首先，回顧性地從2013年12月—2015年7月213例術(shù)后病理診斷為HCC的患者中納入98例，用于構(gòu)建模型和訓(xùn)練模型；其次，前瞻性地選取2015年12月—2017年12月215例臨床診斷為HCC的患者，最終納入83例，術(shù)后病理為HCC，前瞻性患者用于驗證預(yù)測模型的診斷效能。

1.2 臨床參數(shù)

與HCC術(shù)后早期復(fù)發(fā)有關(guān)的臨床參數(shù)有患者年齡、性別、慢性乙型肝炎、肝硬化、血小板計數(shù)（blood platelet count，PLT）、淋巴細胞絕對值（LYMPH）、PLT/LYMPH、天門冬氨酸氨基轉(zhuǎn)移酶（aspartate transaminase，AST）、丙氨酸氨基轉(zhuǎn)移酶（alanine transaminase，ALT）、谷氨酰轉(zhuǎn)肽酶（glutamyl-transpeptidase，GGT）、總膽紅素（total bilirubin，TBL）、血清白蛋白（albumin，ALB）、腫瘤大小、病理分化程度和微血管侵犯（micro-vascular invasion，MVI）；MRI圖像包括腫瘤邊緣、包膜、腫瘤內(nèi)脂肪、腫瘤外周強化、腫瘤內(nèi)動脈、肝動脈期快速強化、門靜脈期廓清和門靜脈大分支侵犯。

1.3 MRI掃描參數(shù)

采用西門子Trio平掃：掃描范圍由膈頂至肝臟消失層面。檢查序列包括：① FSPGR同反相位T1WI，重復(fù)時間（repetition time，TR）為81.0 ms，回波時間（echo time，TE）為1.4 ms/2.42 ms，層厚/層間距為6.0 mm/2.7 mm，激勵次數(shù)（number of excitation，NEX）為1，視野（field of view，F(xiàn)OV）為400 mm×325 mm，采集矩陣為286×352，反轉(zhuǎn)角70°；② FSEFS序列常規(guī)軸位T2WI，采用呼吸促發(fā)技術(shù)，并于軸位T2WI施加預(yù)飽和脂肪抑制技術(shù)獲得軸位抑脂T2WI，TR/TE為2 160 ms/100 ms，層厚/層間距為6.0 mm/2.7 mm，NEX為1，F(xiàn)OV為433 mm×325 mm，采集矩陣為320×216。

增強掃描：三維容積式內(nèi)插值法屏氣檢查序列（volumetric interpolated breath hold examination，VIBE），簡稱3D VIBE序列，并于軸位VIBE T1WI施加預(yù)飽和脂肪抑制技術(shù)獲得軸位抑脂T1WI。TR/TE為4.0 ms/1.9 ms，層厚/層間距為2.0 mm/0.4 mm，NEX為1，F(xiàn)OV為400 mm×296 mm，反轉(zhuǎn)角9°。掃描范圍與平掃一致，采用高壓注射器注射對比劑，運用腹帶減少呼吸干擾，對比劑注射劑量0.1 mmol/kg，速率2 mL/s。注射對比劑后15、55 s分別行VIBE雙期掃描，分別獲得動脈期（arterial phase，AP）和門靜脈期（portal venous phase，PVP）圖像，16 s掃完1次肝臟。

圖 1 回顧性和前瞻性患者入組流程圖

1.4 MRI 3D-texture特征提取

首先，基于全腫瘤的圖像分割，將AP、PVP圖像導(dǎo)入ITK-SNAP軟件，手動逐層勾畫腫瘤，腫瘤的邊界參照T2WI脂肪抑制序列，盡可能避開出血和壞死區(qū)域。腫瘤邊界、出血和壞死區(qū)域由放射科2位腹部診斷醫(yī)師按照LI-RADS 2017版指南［5］達成共識后，由第3位醫(yī)師勾畫。然后，將分割好的圖像導(dǎo)入AK軟件進行紋理特征的提取。

1.5 統(tǒng)計學(xué)處理

1.5.1 預(yù)測模型特征篩選

按照多變量回歸的要求，樣本量至少應(yīng)是自變量的10倍左右［6］，對患者臨床參數(shù)和腫瘤MRI 3D-texture特征均采用數(shù)據(jù)去冗余和Lasso回歸進行特征的選擇。數(shù)據(jù)去冗余對納入特征的相關(guān)性進行分析，當兩特征間相關(guān)系數(shù)（Pearson系數(shù)）≥0.7時，特征之間為高相關(guān)，然后遞歸地對其中一個特征進行剔除。再將去冗余后的數(shù)據(jù)進一步納入Lasso回歸模型中，用向前（LR）法進行多變量分析。通過設(shè)定調(diào)整參數(shù)λ，3折交叉驗證時，誤差最小的log(λ)值即Lasso回歸最優(yōu)λ值，此時對應(yīng)的非零系數(shù)特征即用于建立預(yù)測模型的有意義的特征。

1.5.2 構(gòu)建預(yù)測模型

將篩選出的臨床參數(shù)特征和3D-texture特征分別用于建立臨床參數(shù)預(yù)測模型、影像組學(xué)模型和臨床參數(shù)結(jié)合影像組學(xué)的綜合模型。以患者實際復(fù)發(fā)狀態(tài)為參考標準，經(jīng)受試者工作特征（receiver operating characteristic，ROC）曲線計算3個模型預(yù)測HCC術(shù)后早期復(fù)發(fā)的準確率（accuracy，ACC）、靈敏度及特異度。統(tǒng)計學(xué)分析軟件為R軟件3.4.2。

2 結(jié) 果

2.1 患者基線資料

98例回顧性患者中，男性88例，平均年齡（53.8±10.7）歲，女性10例，平均年齡（48.2±15.4）歲，其中早期復(fù)發(fā)患者45例（45.9%）；83例前瞻性患者中，男性66例，平均年齡（51.4±9.6）歲，女性17例，平均年齡（47.2±12.9）歲，其中早期復(fù)發(fā)患者43例（51.8%）。全部HCC患者均于MRI檢查后3～5 d在四川大學(xué)華西醫(yī)院接受手術(shù)切除治療，病理學(xué)檢查于術(shù)后1周證實為HCC?；仡櫺曰颊吲c前瞻性患者臨床實驗室檢查結(jié)果見表1，影像征象見表2。

2.2 預(yù)測模型特征選擇

臨床參數(shù)特征包括實驗室檢查結(jié)果和MRI征象共計23項特征，數(shù)據(jù)去冗余后LYMPH、PLB/LYMPH及腫瘤內(nèi)動脈3項參數(shù)被剔除，剩余20項特征，進而經(jīng)Lasso回歸后剩余的8項特征為意義顯著的特征（圖2）。每例患者AP和PVP序列各提取出的紋理特征為385項，經(jīng)數(shù)據(jù)去冗余和Lasso回歸后最終篩選出的特征分別為6項和2項。

2.3 3個預(yù)測模型對HCC術(shù)后早期復(fù)發(fā)的預(yù)測效能

AP-3D-texture Radiomics signature=－3.81×10-1GLCM Entropy_angle90_offset1+2.81×10-4Inertia_angle135_offset4－1.07×104correlation_All Direction_offset7_SD+2.57×10-9HaralickCorrelation_AllDirection_offset7_SD－16.6 HaraEntroy－4.72×10-4Long Run High Grey Level Emphasis_AllDirection_offset4_SD+17.6。訓(xùn)練集中AP-3D-texture模型預(yù)測早期復(fù)發(fā)的ACC為0.735，ROC曲線的曲線下面積（area under curve，AUC）為0.759；驗證集中ACC為0.735，AUC為0.769；測試集中ACC為0.651，AUC為0.669（圖3）。

訓(xùn)練集中PVP-3D-texture模型預(yù)測早期復(fù)發(fā)的ACC為0.721，AUC為0.591；驗證集中ACC為0.367，AUC為0.498；測試集中ACC為0.402，AUC為0.560。結(jié)果表明，PVP-3D-texture模型對HCC切除術(shù)后早期復(fù)發(fā)無預(yù)測價值（圖4）。

將臨床參數(shù)與AP-3D-texture相結(jié)合，在訓(xùn)練集中評估HCC術(shù)后早期復(fù)發(fā)的ACC為0.838，AUC為0.876；驗證集中ACC為0.833，AUC為0.864；測試集中ACC為0.663，AUC為0.656（圖5）。3D-texture與臨床參數(shù)綜合后的模型為：Radiomics signature combined=-0.053 3+0.961 5×Rad_score_AP+1.138 7 clinical signature。其中clinical signature=-20.126+1.596×MVI+0.222×腫瘤大小+病理分化程度+0.766×肝硬化-0.111×肝邊緣狀態(tài)-1.175×肝包膜完整狀態(tài)+17.013×動脈期快速強化-1.103×門靜脈期廓清。

表 1 回顧性、前瞻性HCC患者臨床基線資料［n（%）］

表 2 回顧性與前瞻性HCC患者MRI影像特征［n（%）］

圖 2 訓(xùn)練集患者lasso法決定最優(yōu)調(diào)整參數(shù)λ和特征篩選過程

圖 3 AP-3D-texture模型在訓(xùn)練集、驗證集、測試集中評估HCC術(shù)后早期復(fù)發(fā)的預(yù)測效能

圖 4 PVP-3D-texture模型在訓(xùn)練集、驗證集、測試集中評估HCC術(shù)后早期復(fù)發(fā)的預(yù)測效能

圖 5 臨床參數(shù)結(jié)合肝動脈期紋理特征綜合評估HCC術(shù)后早期復(fù)發(fā)的預(yù)測效能

3 討 論

導(dǎo)致HCC術(shù)后早期復(fù)發(fā)的因素眾多，主要歸納為患者相關(guān)因素、背景肝臟因素及腫瘤異質(zhì)性因素3個方面，應(yīng)將這些因素綜合起來對HCC術(shù)后早期復(fù)發(fā)進行預(yù)測。而且當預(yù)測變量的個數(shù)顯著高于樣本量時已超出傳統(tǒng)醫(yī)學(xué)統(tǒng)計學(xué)的范疇，而機器學(xué)習(xí)可以對回顧性數(shù)據(jù)特征學(xué)習(xí)后對前瞻性數(shù)據(jù)中與之類似的特征進行預(yù)測。本研究采用監(jiān)督學(xué)習(xí)算法對術(shù)后早期復(fù)發(fā)的HCC患者MRI紋理特征、臨床參數(shù)進行學(xué)習(xí)，進而前瞻性地預(yù)測HCC患者術(shù)后的早期復(fù)發(fā)。

紋理是一種視覺感知的圖像局部特征的綜合，圖像某一位置的紋理特征與這一位置周圍的灰度變化規(guī)律密切相關(guān)［7］，而紋理分析則是對每個像素強度和空間分布的特點進行數(shù)學(xué)分析與運算以量化評估圖像異質(zhì)性的一種工具。惡性腫瘤的生物學(xué)異質(zhì)性與紋理異質(zhì)性有一定的相關(guān)性［8］?；诖讼嚓P(guān)性，有研究發(fā)現(xiàn)腫瘤內(nèi)部的CT紋理特征可用于評估腫瘤的異質(zhì)性［9-10］。本研究中，PVP-3D-texture對HCC術(shù)后早期復(fù)發(fā)無預(yù)測價值，確切機制尚不清楚。AP-3D-texture模型在訓(xùn)練集和驗證集的預(yù)測效能如下，AUC分別為0.759和0.769，ACC均為0.735，低于Zhou等［3］報道的研究結(jié)果，可能是由于本研究用于建模的樣本例數(shù)（45例）少于文獻中的建模例數(shù)（102例）。其次，不同圖像模式的紋理特征的預(yù)測效能是否存在差異尚未見文獻報道，但表明一個趨勢，即MRI AP-3D-texture模型同樣具有預(yù)測HCC患者術(shù)后早期復(fù)發(fā)的價值。在AP-3D-texture模型的6個紋理特征中，entropy是熵，為基于灰度共生矩陣提取出的特征，描述了共生矩陣的復(fù)雜性，其值越大則表示共生矩陣越復(fù)雜，提示病灶越復(fù)雜，異質(zhì)性越大。Inertia是慣性，描述病灶部位的差異性大小，差異越大，則其值也越大。Correlation是相關(guān)性，它度量空間灰度共生矩陣元素在行或列方向上的相似程度，其值大小反映圖像中局部灰度相關(guān)性，即反映圖像紋理的一致性。如果圖像中有水平方向紋理，則水平方向共生矩陣correlation值大于其余方向共生矩陣correlation值。當矩陣元素值均勻相等時，correlation值大；相反，如果矩陣像元值相差很大，則correlation值?。?1］。Long run high grey level emphasis描述的是病灶局部的明暗程度和復(fù)雜程度，基于游程矩陣提取。游程矩陣反映的不再是圖像內(nèi)每一對像素間的空間和像素灰度的相關(guān)性，而可以表征圖像中感興趣區(qū)（region of interest，ROI）內(nèi)一組像素間的灰度相關(guān)性，進而評估ROI的紋理異質(zhì)性［12-13］。Inertia和correlation這兩個紋理特征反映病灶局部像素灰度差異性的大小，不同的是Inertia值越大，局部差異越大，correlation值越大，局部差異越小。本研究中inertia與術(shù)后早期復(fù)發(fā)具有正相關(guān)性，而correlation則相反，表明復(fù)發(fā)患者腫瘤MRI肝動脈期圖像局部像素相差很大，圖像異質(zhì)性大，強化不均勻，符合分化程度低的HCC的肝動脈期強化方式。然而，本研究并不能解釋entropy值與術(shù)后早期復(fù)發(fā)負相關(guān)的機制。盡管Kiryu等［14］通過平掃CT紋理特征評估HCC患者預(yù)后時，同樣發(fā)現(xiàn)entropy值與患者的總體生存期和無瘤生存期呈負相關(guān)，但并未就此機制給予闡述。另外，本研究是注射對比劑后強化圖像，與平掃CT圖像的entropy應(yīng)有很大不同，有關(guān)entropy與術(shù)后復(fù)發(fā)的機制有待進一步深入研究。

將AP-3D-texture與臨床參數(shù)綜合后，在訓(xùn)練集與驗證集中的預(yù)測效能明顯提高，符合HCC術(shù)后早期復(fù)發(fā)是患者相關(guān)因素、背景肝臟因素及腫瘤異質(zhì)性因素綜合作用的假設(shè)。當肝硬化患者腫瘤存在MVI、直徑較大、腫瘤邊緣分葉、邊界不清及病理分化程度較低時，術(shù)后更容易早期復(fù)發(fā)。MVI占有更大的權(quán)重，因為MVI陽性會導(dǎo)致切緣不足，于癌旁肝組織殘留微小轉(zhuǎn)移灶是導(dǎo)致術(shù)后早期復(fù)發(fā)的原因［15］。Hanazaki等［16］也認為，肝硬化程度、Child分級和靛氰綠代謝率等背景肝臟因素，以及病理分型、血管浸潤等腫瘤因素等均可影響HCC術(shù)后復(fù)發(fā)。

此外，為了驗證模型預(yù)測效能的可靠性，在施加內(nèi)部驗證的同時進行了外部驗證。該模型在外部驗證的前瞻性患者中效能低下，主要是由于回顧性和前瞻性的樣本量偏少，兩個數(shù)據(jù)集中具有共性的特征偏少，使得訓(xùn)練集生成的模型在前瞻性患者中的預(yù)測效能減低。

本研究存在以下不足：首先，訓(xùn)練集樣本量偏少，會影響機器學(xué)習(xí)模型預(yù)測的效能，在后續(xù)的研究中會進一步增加訓(xùn)練集樣本量，改善模型在測試集中的效能；其次，對回顧性和前瞻性HCC患者的腫瘤直徑未進行分層分析，但腫瘤直徑是影響HCC患者術(shù)后早期復(fù)發(fā)的因素之一。盡管存在上述不足，本研究首次采用3D-texture，更加客觀地反映了腫瘤異質(zhì)性，結(jié)合臨床參數(shù)，可以作為術(shù)前預(yù)測HCC早期復(fù)發(fā)的一種有效方法。