杜丹丹，李小虎，劉 斌，周 勇，張學(xué)喜，吳興旺

甲狀腺腺瘤(thyroid adenoma，TA)是甲狀腺病變中最常見的良性腫瘤，部分患者因治療無效或延誤病情致甲亢發(fā)生。甲狀腺乳頭狀癌(papillary thyroid carcinoma，PTC)是最常見的甲狀腺惡性腫瘤，惡性程度最低，當(dāng)早期發(fā)現(xiàn)腫瘤局限于腺體內(nèi)無轉(zhuǎn)移時(shí)，手術(shù)切除后5年治愈率達(dá)90%[1]，因此早期診斷TA和PTC對患者的預(yù)后具有特別大的價(jià)值。目前臨床中影像學(xué)檢查主要為超聲和計(jì)算機(jī)斷層掃描(computed tomography，CT)檢查，但對上述兩種疾病鑒別有一定的困難。影像組學(xué)通過醫(yī)工相結(jié)合的方式更加深入的揭示腫瘤內(nèi)部信息，該技術(shù)已被廣泛應(yīng)用于全身各部位腫瘤的評估[2-3]，但其在TA的定性診斷方面的應(yīng)用報(bào)道并不多，該文研究影像組學(xué)技術(shù)在甲狀腺良性結(jié)節(jié)中TA及惡性結(jié)節(jié)中PTC的診斷中的價(jià)值，并與傳統(tǒng)超聲及CT檢查做對比，以期對兩種常見甲狀腺結(jié)節(jié)定性診斷提供幫助。

1 材料與方法

1.1 病例資料回顧性收集2016年1月～2018年3月在安徽醫(yī)科大學(xué)第一附屬醫(yī)院術(shù)前行甲狀腺CT及超聲檢查甲狀腺結(jié)節(jié)患者269例，所有病例均經(jīng)外科手術(shù)病理或細(xì)胞學(xué)穿刺證實(shí)，其中TA 110例，男26例，女84例，年齡19 ～77(47.7±15.5)歲；PTC 159例，男49例，女110例，年齡13 ～75(42.8±14.05)歲。納入標(biāo)準(zhǔn)：① 單純TA或PTC結(jié)節(jié)；② 同時(shí)有CT、超聲檢查及病理或細(xì)胞學(xué)穿刺結(jié)果；③ 所有患者有原始數(shù)據(jù)(digital imaging and communications in medicine，DICOM)；排除標(biāo)準(zhǔn)：① 病灶小于1 cm；② 非同一臺(tái)CT掃描的病例；③ 偽影較多及噪聲太大影響圖像質(zhì)量的病例。

1.2 掃描方法采用TOSHIBA Aquilion16排CT掃描儀器。所有患者均行CT平掃檢查，掃描范圍從耳下至主動(dòng)脈弓上。螺旋CT掃描條件為：管電壓：120 kV，管電流：300 mAs，層厚：5 mm，螺距：0.984 ∶1，F(xiàn)OV：32.0 cm。

1.3 紋理特征提取、統(tǒng)計(jì)學(xué)習(xí)及建模分析將所有患者CT平掃DICOM數(shù)據(jù)導(dǎo)入影像組學(xué)智能分析軟件 (artificial intelligent kit，AK)，此軟件購自上海通用電器醫(yī)療公司，由2名從事影像診斷10年的醫(yī)師對圖像進(jìn)行處理，其中一名醫(yī)師對甲狀腺結(jié)節(jié)感興趣區(qū)(region of interest, ROI)進(jìn)行手動(dòng)勾畫，另一名醫(yī)師驗(yàn)證。在勾畫ROI前仔細(xì)觀察圖像是否存在偽影，根據(jù)病灶圖像質(zhì)量及大小勾畫，盡量與病灶邊緣保持一致，每個(gè)病灶選取ROI約1～3個(gè)，總共獲得541個(gè)ROI，通過AK軟件分析，每個(gè)ROI獲取396個(gè)影像組學(xué)特征，包括直方圖參數(shù)，灰度共生矩陣，游程矩陣等六類參數(shù)見表1。

表1 影像組學(xué)特征

2 結(jié)果

2.1 TA及PTC的患者基本信息兩組病例之間性別、年齡的差異無統(tǒng)計(jì)學(xué)意義(F=0.974,P=0.325；χ2=1.668,P=0.197)，見表2。

表2 患者的基本信息

2.2 TA及PTC的超聲及CT平掃診斷結(jié)果269例甲狀腺結(jié)節(jié)患者用超聲檢查正確診斷惡性結(jié)節(jié)132例，良性結(jié)節(jié)76例，其中假良性27例，假惡性34例，診斷準(zhǔn)確度、特異度及敏感度分別為77.3%、73.8%及79.5%。CT平掃檢查正確診斷惡性結(jié)節(jié)102例，良性結(jié)節(jié)91例，其中假良性57例，假惡性19例，診斷準(zhǔn)確度、特異度及敏感度分別為71.7%、61.5%及84.3%。見表3、圖1。圖1中兩例甲狀腺占位術(shù)前超聲及CT平掃均診斷為良性腫瘤，兩例均表現(xiàn)為類圓形低密度占位，邊界清楚，內(nèi)見囊變壞死。

圖1 TA、PTC的CT平掃圖像

A：甲狀腺右側(cè)葉占位，術(shù)后病理為TA；B：甲狀腺左側(cè)葉占位，術(shù)后病理為PTC

2.3 影像組學(xué)模型對TA及PTC的分析結(jié)果影像組學(xué)方法獲取其特征的流程圖見圖2，將所有患者CT平掃DICOM數(shù)據(jù)導(dǎo)入AK軟件，對甲狀腺結(jié)節(jié)邊緣勾畫，通過AK軟件獲取影像組學(xué)特征參數(shù)，包括直方圖參數(shù)，灰度共生矩陣，游程矩陣等六類參數(shù)。

分別隨機(jī)選擇70%病例為訓(xùn)練組，30%病例為驗(yàn)證組，并獲取不同模型對于兩類甲狀腺疾病鑒別診斷的準(zhǔn)確度、特異度及靈敏度見表4。

采用統(tǒng)計(jì)學(xué)方法為缺失值中位數(shù)差補(bǔ)和數(shù)據(jù)標(biāo)準(zhǔn)化，通過特征降維獲得179個(gè)關(guān)鍵特征參數(shù)，并用這些特征組合成三種鑒別TA和PTC的影像組學(xué)模型，分別為支持向量機(jī)模型(support vector machine，SVM)、 邏輯斯諦回歸模型(logistic regression, LR)及貝葉斯方法。

CT平掃影像組學(xué)SVM模型得到訓(xùn)練集的準(zhǔn)確度、特異度及敏感度分別：100%、100%、100%，測試集分別為：91.4%、95.5%、82.7%，LR模型得到的訓(xùn)練集準(zhǔn)確度、特異度及敏感度分別為：92.1%、88.5%、93.6，測試集分別為：82.8%、73.1%、87.4%，貝葉斯方法模型得到的訓(xùn)練集準(zhǔn)確度、特異度及敏感度分別為：82.5%，93.7及88%，測試集分別為74.8%、76.9%、73.9%，其中SVM診斷效能最佳。見表5。

3 討論

TA是臨床常見病，在一般人群中的發(fā)病率為33%～68%，其中5%～15%的結(jié)節(jié)是惡性腫瘤[4]。實(shí)際檢查工作中，由于人眼對圖像信息識(shí)別能力有限，不同層次和經(jīng)驗(yàn)的醫(yī)師對影像特征的把握存在一定差異性，判別能力各不相同，人為因素影響大，影像特征特異性不足，影響臨床圖像判讀的準(zhǔn)確性。并且認(rèn)為穿刺活檢取材受限，穿刺病理結(jié)果常難以發(fā)現(xiàn)整體病灶性質(zhì)，且為有創(chuàng)檢查，存在著一定的操作風(fēng)險(xiǎn)和結(jié)果的不確定性。

TA的術(shù)前檢查常采用影像科醫(yī)生對傳統(tǒng)影像圖像的判讀，多依據(jù)結(jié)節(jié)的邊界(有無突破包膜、有無暈環(huán))、形態(tài)(圓形、橢圓形、不規(guī)則形)、內(nèi)部特征(出血、粗細(xì)鈣化)、有無侵犯及轉(zhuǎn)移來判斷病灶的良惡性，對于本組269例甲狀腺單純結(jié)節(jié)病例中，有57例CT平掃誤判為良性，可能的原因有以下幾點(diǎn)：① 病灶邊界顯示較光整；② 病灶內(nèi)細(xì)微鈣化肉眼觀察不清；③ 病灶內(nèi)壞死徹底；④ 病灶內(nèi)有較多粗鈣化。以上幾點(diǎn)認(rèn)為是CT平掃檢查對甲狀腺惡性結(jié)節(jié)診斷的局限性。研究[5-6]表明微鈣化對甲狀腺良惡性結(jié)節(jié)的定性診斷具有重要意義，當(dāng)超聲發(fā)現(xiàn)微鈣化時(shí)往往提示為惡性結(jié)節(jié)，發(fā)現(xiàn)粗鈣化時(shí)則提示為良性結(jié)節(jié)可能性較大。本實(shí)驗(yàn)觀察到在159例乳頭狀癌中有42例在CT平掃上能看到細(xì)點(diǎn)狀鈣化，部分微鈣化在CT上顯示不如超聲，造成CT平掃惡性診斷率低于超聲診斷率。

表3 超聲診斷及CT平掃對269例甲狀腺良、惡性結(jié)節(jié)鑒別診斷情況

圖2 影像組學(xué)特征參數(shù)獲取流程

表4 影像組學(xué)訓(xùn)練組和驗(yàn)證組樣本分布

表5 CT影像組學(xué)分析鑒別診斷結(jié)果

影像組學(xué)的概念最早由荷蘭學(xué)者Lambin et al[7]在2012年提出，主要應(yīng)用于醫(yī)學(xué)圖像并進(jìn)行定量處理，是指從影像(超聲，CT、核磁共振、正電子發(fā)射計(jì)算機(jī)斷層顯像等)中提取大量影像信息，實(shí)現(xiàn)腫瘤分割、特征提取與模型建立，用來預(yù)測和分析病變，已經(jīng)廣泛用于影像診斷中，尤其在腫瘤良惡性鑒別中運(yùn)用較多，例如肺癌、腎癌及神經(jīng)系統(tǒng)等中[8-9]。目前影像組學(xué)對甲狀腺結(jié)節(jié)良惡性的診斷及鑒別診斷國內(nèi)外應(yīng)用不多，主要集中在以超聲圖像為載體的影像組學(xué)對甲狀腺良惡性結(jié)節(jié)的鑒別以及預(yù)測是否有淋巴結(jié)轉(zhuǎn)移。Kim et al[10]使用計(jì)算機(jī)輔助技術(shù)(computer assistant diagnosing, CAD)軟件對甲狀腺結(jié)節(jié)的超聲圖像進(jìn)行紋理分析，鑒別其良惡性，結(jié)果顯示超聲灰階成像診斷效能遠(yuǎn)遠(yuǎn)超過紋理分析，認(rèn)為超聲紋理分析對鑒別甲狀腺惡性沒有意義。Abbasian et al[11]應(yīng)用超聲CAD輔助技術(shù)來進(jìn)行紋理分析，對甲狀腺結(jié)節(jié)良惡性進(jìn)行鑒別，結(jié)果顯示紋理分析的準(zhǔn)確性較高，認(rèn)為紋理分析能夠?qū)﹁b別甲狀腺結(jié)節(jié)良惡性有較高的應(yīng)用價(jià)值。吳宇強(qiáng) 等[12]探討研究基于灰度共生矩陣的紋理特征值測量技術(shù)在甲狀腺良惡性結(jié)節(jié)中的鑒別價(jià)值，使用Image J軟件剪影病灶同一層的平掃和增強(qiáng)圖像，測量ROI的紋理特征(對比度、熵和分行維數(shù))，結(jié)果顯示惡性結(jié)節(jié)的熵及分行維數(shù)值均高于良性結(jié)節(jié)，差異有統(tǒng)計(jì)學(xué)意義。郭煒 等[13]應(yīng)用CT-Kinetics軟件對甲狀腺良惡性結(jié)節(jié)進(jìn)行研究，認(rèn)為熵值在甲狀腺良惡性結(jié)節(jié)間差異有統(tǒng)計(jì)學(xué)意義。

本研究使用AK軟件，基于CT平掃圖像的影像組學(xué)分析方法提取甲狀腺結(jié)節(jié)的影像特征，分別采用SVM、 LR及貝葉斯三種方法建立TA和PTC的影像組學(xué)模型，結(jié)果顯示SVM回歸分析方法建立的預(yù)測模型對鑒別兩者有較好的結(jié)果，明顯高于常規(guī)超聲及CT平掃的診斷結(jié)果。綜上所述，基于CT平掃圖像影像組學(xué)分析的SVM預(yù)測模型可較好區(qū)分TA及PTC，可為這兩種病變鑒別診斷提供依據(jù)，促進(jìn)后續(xù)治療工作的順利開展等具有積極意義。

本研究存在一定局限性：① 選擇了以TA為代表的良性結(jié)節(jié)及以PTC為代表的惡性結(jié)節(jié)，對甲狀腺良惡性結(jié)節(jié)鑒別結(jié)果存在一定的誤差；② 甲狀腺結(jié)節(jié)ROI的勾畫采用二維手動(dòng)勾畫，圖像層厚為5 mm，對圖像信息的覆蓋不全，且存在主觀上的誤差；③ 病例數(shù)較少，需要調(diào)查更大的數(shù)據(jù)集。