臧書芹 沈 浮 陸建平

近年來隨著我國人口的老齡化及飲食結(jié)構(gòu)的西化，以結(jié)直腸癌為代表的肛腸外科疾病發(fā)病率明顯增加，這類疾病嚴(yán)重威脅我國人民的健康[1]。局部進展期直腸癌的治療推薦采取新輔助治療后手術(shù)治療，該方案明顯降低了術(shù)后局部復(fù)發(fā)率，提高了長期生存率及保肛率。因此，對直腸癌新輔助治療的患者進行準(zhǔn)確的影像學(xué)評估及早期預(yù)測預(yù)后將使治療方案更加個性化和有效化，所以如何應(yīng)用影像學(xué)方法來準(zhǔn)確預(yù)測與評估直腸癌新輔助治療后的轉(zhuǎn)歸情況便成了一個非常迫切的問題[2]。

影像組學(xué)（radiomics）應(yīng)用大量的自動化數(shù)據(jù)特征化算法，將影像感興趣區(qū)域（region of interest，ROI） 的影像數(shù)據(jù)轉(zhuǎn)化為具有高分辨率的、可發(fā)掘的特征空間數(shù)據(jù)，具有數(shù)據(jù)維度高、定量分析等優(yōu)點，通過特征選擇具有診斷、預(yù)測價值的影像組學(xué)標(biāo)簽，采用人工智能分析方法將其用于影像診斷、療效評估、預(yù)后預(yù)測、支持個性化臨床決策、改善個體化治療選擇等，有望成為精準(zhǔn)影像醫(yī)學(xué)的重要基石[3]。

因此本研究基于磁共振高分辨率T2WI，引入影像組學(xué)的方法，得到直腸高分辨率T2WI 圖像影像組學(xué)特征，運用主成分分析法探討直腸磁共振高分辨率T2WI 圖像影像組學(xué)特征對直腸癌新輔助治療的療效評估價值。

方 法

1.臨床資料

回顧性分析2018 年1 月～2018 年12 月期間在上海長海醫(yī)院符合以下納入標(biāo)準(zhǔn)的患者：①術(shù)后病理檢查證實為直腸癌；②單一病灶；③nCRT 前行直腸高分辨T2WI 磁共振檢查；④所有患者nCRT 后行手術(shù)治療，有詳細病理報告結(jié)果。排除標(biāo)準(zhǔn)：圖像質(zhì)量差，偽影明顯，無法用于圖像的分割及影像組學(xué)特征的提取。46 例患者納入研究，男性35 例，女性11 例，年齡36 ～74 歲，平均年齡55.7±9.2 歲。

2.MR 檢查方法

磁共振掃描采用3T 磁共振系統(tǒng)（Siemens MAGNETOM Skyra 3T 磁共振成像系統(tǒng)）。所有患者檢查前4h 禁食。掃描前囑患者使用開塞露（20ml甘油）清潔腸道。采用腹部相控陣線圈。掃描序列均采用常規(guī)直腸MRI 及高分辨T2WI 序列。常規(guī)序列包括矢狀面T2WI 脂肪抑制序列，橫斷面T1WI 及增強、DWI。高分辨T2WI 為斜橫斷面，掃描平面垂直于病灶所在腸管的長軸。掃描參數(shù)：TR4000ms，TE108ms，F(xiàn)OV18cm，矩陣320×320，層厚3mm，層間距0，層數(shù)28 層，反轉(zhuǎn)角度150°，帶寬108Hz/像素。無脂肪抑制，GRAPPA 并行采集模式，加速因子為3，平均累加次數(shù)2，回波鏈長度16，掃描時長為4 分10 秒。

3.治療方案及病理標(biāo)準(zhǔn)

3.1 治療方案：所有患者均行術(shù)前長程盆腔放療，處方劑量45 ～50Gy，分25 ～28 次，共計5 周到5 周半完成?；熡诘谝淮闻枨环暖熼_展時實施，持續(xù)靜滴5-FU 或口服卡培他濱[4]。新輔助放化療結(jié)束后間隔5 ～12 周行TME 手術(shù)[5]。

3.2 病理診斷：根據(jù)美國癌癥聯(lián)合委員會（American Joint Committee on Cancer，AJCC）第七版[6]的分類標(biāo)準(zhǔn)進行病理診斷，記錄術(shù)后病理腫瘤退縮分級（tumor regression grade，TRG），根據(jù)標(biāo)準(zhǔn)分為0 ～3 級共4 類：0 級（完全消退）指無鏡下可見的腫瘤細胞；1 級（中等退縮）在鏡下僅見單個或小灶腫瘤細胞；2 級（輕微退縮）是腫瘤殘留但少于纖維化間質(zhì)；3 級（無退縮）指無或少量腫瘤細胞壞死，廣泛的腫瘤殘留。將TRG 0、1 級分類為療效良好組，TRG 2、3 級分類為療效不良組。

4.影像組學(xué)方法

4.1 圖像分割和特征提?。簩@取到的高分辨T2WI 原始DICOM 圖像導(dǎo)入后處理平臺（大數(shù)據(jù)智能分析云平臺，慧影醫(yī)療科技有限公司，北京），一名放射科醫(yī)師采用手動方式在高分辨率T2WI 圖像上沿病灶邊緣逐層勾畫感興趣區(qū)（region of interest，ROI），計算機自動生成病灶的三維容積感興趣區(qū)（volume of interest，VOI），另一名高年資放射科醫(yī)師檢查勾畫結(jié)果。將上述獲取到的VOI 使用上述平臺自動提取影像組學(xué)特征，包含兩類特征：①基于特征類：一階統(tǒng)計量特征（first order statistic）、形狀特征（shape-based）、紋理特征（texture）；② 基于過濾器類：小波分析（wavelets）、拉普拉斯轉(zhuǎn)換（Laplacian transforms）、對數(shù)特征（logarithm）、指數(shù)特征（exponential）等。共1029 個。

4.2 特征降維及模型構(gòu)建：提取影像組學(xué)特征后，采用主成分分析法（principal component analysis，PCA）進行特征值降維，使用降維后的特征與術(shù)后腫瘤退縮分級（tumor regression grade，TRG）分 類 建 立K 近 鄰（K-nearest neighbor，KNN）模型，將樣本隨機分為訓(xùn)練集（80%）與測試集（20%）進行機器學(xué)習(xí)，分別繪制ROC 曲線。分類器模型驗證測試集采用5 折交叉驗證，計算AUC、靈敏度、特異度、95%置信區(qū)間。

結(jié) 果

1.一般資料

表1 KNN 分類器訓(xùn)練集及測試集ROC 分析結(jié)果

圖1 男性，52 歲，便血、便秘1 個月。A.nCRT 前高分辨T2WI 示腔內(nèi)腫塊（白箭）。B.nCRT 后復(fù)查T2WI，提示腫塊較前明顯縮?。ò准?，病理示直腸中分化腺癌，新輔助治療后完全退縮，TRG=0 級。圖2 男性，74 歲，膿血便3 個月，腸鏡發(fā)現(xiàn)直腸占位。A.nCRT 前高分辨T2WI 示腔內(nèi)腫塊（白箭）。B.nCRT 后復(fù)查T2WI，提示腫塊較前明顯縮?。ò准±硎局蹦c中分化腺癌，新輔助治療后大部分退縮，TRG=1 級。

圖3 男性，66 歲，大便習(xí)慣改變半年。A.nCRT 前高分辨T2WI 示腸壁增厚占管腔3/4 圈（白箭）。B.nCRT 后復(fù)查示病灶較前小部分退縮（白箭）。病理示直腸中分化腺癌，新輔助治療后小部分退縮，TRG=2 級。圖4 男性，58 歲，腸鏡發(fā)現(xiàn)直腸占位。A.nCRT 前高分辨T2WI 示腸壁增厚占管腔全圈（白箭）。B.nCRT 后復(fù)查示病灶退縮較前不明顯（白箭）。病理示直腸中分化腺癌，新輔助治療后無明顯退縮，TRG=3 級。

納入的46 例直腸癌患者，男性35 例，女性11例，年齡36 ～74 歲，平均年齡55.7±9.2 歲。術(shù)后病理報告顯示：T1 期0 例，T2 期19 例，T3 期20 例，T4 期3 例，無法評估T 分期4 例。TRG 0 級4 例，TRG 1 級15 例，TRG 2 級17 例，TRG 3 級10 例。療效良好組19 例，療效不良組為27 例。病例詳見圖1 ～4。

圖5 主成分分析法（PCA）。

圖7 測試集ROC 曲線。

2.影像組學(xué)結(jié)果

2.1 影像組學(xué)特征：共提取得到的1029 個組學(xué)特征，采用主成分分析（PCA）的方法進行特征值降維，將影像組學(xué)特征重新組合為新的特征，選取前5個最能代表整個影像組學(xué)特征矩陣的特征，保證能得到整個影像組學(xué)特征矩陣中99%以上的信息（圖5）。

2.2 分類器模型預(yù)測表現(xiàn)：KNN 分類器的訓(xùn)練集ROC 曲線下面積為0.690，見圖6；交叉驗證測試集的平均ROC 曲線下面積為0.712，見圖7。訓(xùn)練集及測試集的AUC、靈敏度、特異度、95%置信區(qū)間詳見表1。

討 論

直腸癌新輔助治療的療效評估是決定下一步治療決策的重要依據(jù)，準(zhǔn)確預(yù)測新輔助治療后轉(zhuǎn)歸良好的患者，能提高直腸癌患者的保肛率及生活質(zhì)量，對轉(zhuǎn)歸不良的患者及時調(diào)整治療方案，提供更多的治療選擇，以期取得好的治療效果。術(shù)后病理學(xué)檢查是判斷新輔助治療后腫瘤退縮的金標(biāo)準(zhǔn)，術(shù)前影像學(xué)檢查NCCN 指南推薦采用直腸高分辨序列進行療效評估[4]，目前主要基于高分辨T2WI 序列。高分辨T2WI 軟組織分辨率高，能清晰顯示腸壁層次結(jié)構(gòu)，對顯示病灶治療后的改變非常重要，但這一傳統(tǒng)影像學(xué)方法僅在形態(tài)學(xué)上對腫瘤進行評估，具有一定的主觀性，缺乏定量評估，導(dǎo)致其預(yù)測病理退縮程度的準(zhǔn)確性仍較低，比如難以區(qū)分新輔助放化療后的纖維組織與殘存腫瘤[7]。臨床往往結(jié)合擴散加權(quán)成像（DWI）所獲得的表觀擴散系數(shù)（ADC）值對腫瘤進行定量分析，但是常規(guī)DWI 及ADC 圖也并不能完全區(qū)分腫瘤組織退縮的改變或者治療后的疤痕、水腫[8]。因此，臨床目前仍沒有可靠的術(shù)前評價手段，現(xiàn)有研究證實影像組學(xué)可以改善這一現(xiàn)狀[9]。

影像組學(xué)（radiomics）方法是指對大量醫(yī)學(xué)圖像提取定量影像學(xué)特征并進行分析，找到疾病的影像學(xué)標(biāo)識物，從而實現(xiàn)對疾病的精準(zhǔn)預(yù)測、診斷及預(yù)后評估等[10]。憑借對海量影像數(shù)據(jù)信息進行更深層次的挖掘、預(yù)測和分析來輔助醫(yī)師做出最準(zhǔn)確的診斷[11-12]。非侵入性影像醫(yī)學(xué)檢查對腫瘤的整體評估具有巨大的潛能，其可對患者進行無損傷和可重復(fù)性檢查[13-14]?；谟跋窠M學(xué)技術(shù)，不僅規(guī)避了觀察者本身對于影像特征解讀的主觀偏向，還能深度挖掘并整合圖像中大量的人眼無法識別和區(qū)分的數(shù)字化信息，從而提高術(shù)前影像診斷效能。目前，國內(nèi)外學(xué)者對結(jié)直腸腫瘤的影像組學(xué)研究主要集中在紋理特征提取、良惡性病變的鑒別、術(shù)前分期、預(yù)后預(yù)測等方面[15-17]。這些研究的圖像采集都以高分辨T2WI 序列為主，所以我們也基于高分辨T2WI 進行組學(xué)研究。

本研究采用PCA 方法進行特征值降維。PCA 作為一種降維算法，是設(shè)法將原來眾多具有一定相關(guān)性指標(biāo)，重新組合成一組新的互相無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)，考察的是多個變量間相關(guān)性。K 近鄰（KNN）算法是模式識別眾多算法中一個簡單有效的分類方法，通過相似性的度量方式發(fā)現(xiàn)與測試樣本最近的K 個訓(xùn)練樣本，對K 個樣本進行統(tǒng)計分析，并把測試樣本判決為鄰近數(shù)量最多的那一類。本研究結(jié)果顯示KNN 分類器模型測試集的ROC 曲線下面積為0.712，靈敏度為78.8%，特異度為56.6%，95%置信區(qū)間為0.557 ～0.867，表明KNN 分類器對直腸癌新輔助治療后的療效評估具有診斷價值。

本研究局限性主要在于：第一，這是一項回顧性研究，可能存在選擇偏倚，為了驗證目前的結(jié)果，有必要進行大規(guī)模前瞻性多中心研究；第二，影像組學(xué)特征是從手動勾畫的VOI 中提取，很難避免腸壁形變對VOI 產(chǎn)生的影響，并且沒有對圖像的分割進行一致性檢驗，進而可能會影響機器學(xué)習(xí)準(zhǔn)確性；第三，本研究TRG 診斷效能并未達到最好，且沒有進行是否達到pCR 影像組學(xué)分析，這與樣本量較小有關(guān)，需擴大樣本量以減少數(shù)據(jù)量對模型的影響。

綜上所述，基于高分辨T2WI 圖像的影像組學(xué)PCA 法對直腸癌新輔助治療后的療效評估具有診斷價值，具有較好的預(yù)測腫瘤退縮的能力，為臨床治療方案的選擇提供有利信息。