梁梓南,楊薇,北京大學(xué)腫瘤醫(yī)院暨北京市腫瘤防治研究所超聲科惡性腫瘤發(fā)病機(jī)制及轉(zhuǎn)化研究教育部重點(diǎn)實(shí)驗(yàn)室 北京市 100142

0 引言

肝臟病變分為局灶性病變和彌漫性病變,臨床上常見的肝局灶性病變(focal liver lesions,FLL)有囊腫或膿腫、局灶性結(jié)節(jié)性增生,血管瘤、肝細(xì)胞癌(hepatocellular carcinoma,HCC)、轉(zhuǎn)移瘤等.FLL在發(fā)病的早期,患者一般不會出現(xiàn)典型的臨床癥狀,診斷難度較大,多數(shù)患者確診時已經(jīng)發(fā)展到中晚期,FLL良惡性病變在治療中存在較大差異,且預(yù)后效果不同[1-3].因此,FLL盡早進(jìn)行診斷,對治療及預(yù)后有重要意義.超聲是診斷FLL最常用的成像方式之一,與增強(qiáng)電子計(jì)算機(jī)斷層掃描(computed tomography,CT)或磁共振成像(magnetic resonance imaging,MRI)方式相比,具有實(shí)時、無輻射、無腎毒性的優(yōu)點(diǎn).但是,二維超聲在FLL和復(fù)雜的復(fù)發(fā)性病變的臨床診斷中作用有限[4].近年來,隨著計(jì)算機(jī)分析技術(shù)和影像圖像處理技術(shù)相結(jié)合的發(fā)展,Lambin等[5]人首先提出影像組學(xué)的概念,其內(nèi)容是將圖像轉(zhuǎn)換為客觀的高通量特征,挖掘患者圖像中豐富的紋理信息,以便對圖像進(jìn)行分類.影像組學(xué)隨后拓展到超聲領(lǐng)域,建立超聲影像組學(xué).表明,超聲組學(xué)建立的檢測模型,在FLL良惡性分辨、惡性腫瘤分級診斷及預(yù)后預(yù)測有良好的應(yīng)用前景.另外,二維超聲圖像對于慢性肝病、肝纖維化及肝硬化的鑒別診斷能力有限,超聲組學(xué)的應(yīng)用也改善了肝彌漫性病變的診斷準(zhǔn)確性[6].

1 影像組學(xué)

影像組學(xué)的概念最早由荷蘭學(xué)者在2012年提出,是指從影像(CT、MRI、正電子發(fā)射計(jì)算機(jī)斷層顯像等)中高通量地提取大量影像信息,實(shí)現(xiàn)病灶分割、特征提取與模型建立,對大量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測和分析,輔助醫(yī)師做出最準(zhǔn)確的診斷[5].隨后在超聲診斷領(lǐng)域引入,成為影像組學(xué)的一個分支.影像組學(xué)研究流程包括圖像的獲取和重建、圖像的分割、圖像的特征提取及量化、特征降維、分類與預(yù)測[7,8].影像組學(xué)作為一種新興的醫(yī)學(xué)圖像處理方法,用于將醫(yī)學(xué)圖像轉(zhuǎn)換為反映潛在病理生理信息的高維可挖掘特征[8],并且利用各種最先進(jìn)的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)技術(shù)來完成各種臨床任務(wù),極大地推動了精密醫(yī)學(xué)的發(fā)展[9].影像組學(xué)的應(yīng)用可以鑒別疾病良惡性,評估病變分級,分析預(yù)后.由于影像組學(xué)反映的是腫瘤的紋理特征信息,是腫瘤內(nèi)異質(zhì)性和基因組異質(zhì)性的重要標(biāo)志.與基因組異質(zhì)性相關(guān)的腫瘤更可能發(fā)生轉(zhuǎn)移,與預(yù)后相關(guān)[5,10],提示基因組異質(zhì)性可以被影像圖像識別[11,12].近期報(bào)道,影像基因組學(xué)、影像組學(xué)、超聲組學(xué)已經(jīng)應(yīng)用到肝良性病變、HCC,肝內(nèi)膽管癌,肝轉(zhuǎn)移癌以及肝彌漫性病變中[4,13,14].

2 超聲組學(xué)在肝局灶性病變中的應(yīng)用

2.1 肝局灶性病變良惡性鑒別的應(yīng)用 基于超聲影像資料的影像組學(xué)分析技術(shù)有助于提取大量客觀的高通量特征,在早期診斷、預(yù)后評估和疾病預(yù)測方面取得較好的結(jié)果[4,15,16].Yao等[4]人的研究共納入111例FLL患者,其中46例良性病變,47例HCC和18例其他惡性腫瘤病例(11例腺癌和7例膽管癌),均接受了多模式超聲檢查,包括B型超聲,剪切波彈性成像(shear wave elastography,SWE)和剪切波粘度成像.在稀疏表示理論和不對稱數(shù)據(jù)的支持向量機(jī)(support vector machine,SVM)的基礎(chǔ)上建立放射學(xué)分析系統(tǒng),使用留一法交叉驗(yàn)證(leaveone-out cross-validation,LOOCV)來評估模型.在該研究中,發(fā)現(xiàn)惡性腫瘤圖像具有更復(fù)雜的紋理和更多的結(jié)構(gòu)信息,良性和惡性分類的受試者工作特征曲線(receiver operating characteristic curve,ROC)下面積(area under curve,AUC)為0.94、惡性分型的AUC為0.97、PD-1預(yù)測為0.97、Ki-67預(yù)測為0.94以及MVI預(yù)測為0.98.該模型對良惡性肝腫瘤的分類、惡性腫瘤亞型的區(qū)分以及惡性腫瘤預(yù)后預(yù)測取得良好的效果.Ta等[17]人利用計(jì)算機(jī)輔助診斷系統(tǒng)分析了105個病例中95個(90.5%)二維和超聲造影視頻(雙重顯示),惡性50個,良性45個,使用人工神經(jīng)網(wǎng)絡(luò)和SVM進(jìn)行分析,將這些特征與已知診斷相關(guān)聯(lián),將11種不同的局灶性肝病灶準(zhǔn)確分類為良性或惡性,準(zhǔn)確性為81.1% (77/95),AUC為0.883,由于研究樣本量受限,所以準(zhǔn)確性稍低于其他研究.Peng等[18]人建立了基于Savitzky-Golay濾波器的超聲造影(contrastenhanced ultrasonography,CEUS)定量方法分析肝腫瘤及腫瘤血流動力學(xué),97例肝腫瘤患者在術(shù)前接受CEUS檢查,其中HCC (n=52),結(jié)直腸癌肝轉(zhuǎn)移瘤(n=45),應(yīng)用S-G濾波理論的CEUS定量分析軟件分析CEUS數(shù)據(jù),擬合時間-強(qiáng)度曲線,得到下降斜率a2、上升斜率a3、AUC、平均渡越時間(mean transit time,MTT)、灌注時間(perfusion time,PT)和增強(qiáng)強(qiáng)度(enhanced intensity,EI)等參數(shù)及擬合度指數(shù).腫瘤與周圍正常肝實(shí)質(zhì)a2、a3、PT、AUC均有顯著差異,另外轉(zhuǎn)移癌與周圍肝實(shí)質(zhì)的EI有顯著差異.HCC和轉(zhuǎn)移癌之間的AUC,a2,a3有統(tǒng)計(jì)學(xué)差異; a2,AUC和EI與肝內(nèi)大血管癌栓相關(guān),所以SGCQ的參數(shù)可以顯示HCC和轉(zhuǎn)移癌的血液動力學(xué)差異.該團(tuán)隊(duì)的另一項(xiàng)研究[19]得到了相似的結(jié)論,PT對于分析HCC的血流動力學(xué),a2及AUC對于分析轉(zhuǎn)移癌的血流動力學(xué)有較大的價(jià)值.Guo等[20]人分析了93個肝腫瘤(47個惡性,46個良性)的CEUS的圖像,分為兩個階段,第一階段： 對動脈和門靜脈相,動脈和延遲相以及門靜脈和延遲相之間的三組圖像分別進(jìn)行了深度規(guī)范相關(guān)分析(deep canonical correlation analysis,DCCA); 第二階段： 將這些圖像送到基于多核學(xué)習(xí)(multiple kernel learning,MKL)的分類器.從而建立基于計(jì)算機(jī)輔助系統(tǒng)(computer-aided diagnosis,CAD)的兩階段多視圖學(xué)習(xí)框架(DCCA-MKL框架),其鑒別肝腫瘤良、惡性的準(zhǔn)確性、敏感性、特異性分為為90.41%±5.80%,93.56%±5.90%,86.89%±9.38%,證明基于CEUS三相圖像的CAD對于研究肝腫瘤是可行的.Wu等[21]人評估了CEUS的彩色編碼成像(color parametric imaging,CPI)在22例結(jié)直腸癌肝轉(zhuǎn)移和20例非典型血管瘤鑒別診斷中的作用,CPI是CEUS的分析軟件,可用任意顏色表示造影劑在病變中到達(dá)時間的差異,從而分析病灶的血流灌注特征.結(jié)果顯示兩種病灶的CPI模(圖1)具有統(tǒng)計(jì)學(xué)差異.加入CPI成像可以顯著提高兩種病變的診斷效能,其中住院醫(yī)師的診斷準(zhǔn)確性得到提高(81.0%vs54.8%),甚至高年資醫(yī)生診斷的特異性和準(zhǔn)確性也得到顯著提高(77.3%vs45.5%; 78.6%vs50.0%).吳劍等[22]人研究了42例肝血管瘤患者的CEUS定量特征,結(jié)果顯示,肝臟大、小血管瘤的造影劑峰值強(qiáng)度Imax、灌注指數(shù)高于病灶周圍正常肝實(shí)質(zhì),上升時間(rise time,RT)、達(dá)峰時間(time to peak,TTP)、平均渡越時間(mean transit time,MTT)均短于病灶周圍正常肝實(shí)質(zhì); 肝臟大血管瘤Imax高于小血管瘤,肝血管瘤中央部Imax、RT、TTP均大于邊緣部.利用病灶與其周圍正常肝實(shí)質(zhì)的增強(qiáng)程度的差值作為參數(shù)進(jìn)行動態(tài)血管模型參數(shù)成像,可直觀顯示肝血管瘤與病灶周圍肝實(shí)質(zhì)血流灌注的差異.

2.2 肝細(xì)胞癌病理分級的應(yīng)用 對于肝癌病理分化程度的鑒別有助于治療方法的選擇.周榴等[23]人提出一種基于二維灰階超聲圖像預(yù)測HCC分級影像組學(xué)預(yù)測模型,通過對43例HCC患者的二維超聲圖像腫瘤區(qū)域影像特征的提取,采用影像組學(xué)建模,LOOCV驗(yàn)證,HCC分級的AUC為0.757.但由于入組病例數(shù)較少,該模型預(yù)測的準(zhǔn)確性待進(jìn)一步驗(yàn)證.CEUS是診斷肝腫瘤常用的手段,其中Sonazoid造影劑的優(yōu)勢在于,在血管后期(即注射造影劑后10 min)可以進(jìn)行Kupffer相成像.Sonazoid微泡可以被肝Kupffer細(xì)胞吞噬,而肝惡性腫瘤幾乎沒有Kupffer細(xì)胞,導(dǎo)致Kupffer期明顯存在造影劑缺失[24].因此肝腫瘤惡性程度可以通過觀察Kupffer相進(jìn)行鑒別.造影劑微泡的最大投影強(qiáng)度和微血流成像可以描繪腫瘤組織中的血管結(jié)構(gòu),腫瘤中的血管結(jié)構(gòu)與腫瘤組織分化程度有相關(guān)性[25].Sugimoto等[26]人認(rèn)為Kupffer相和微血流成像的結(jié)合可能為評估肝癌的惡性程度提供更精確的信息,對232例經(jīng)病理證實(shí)的HCC進(jìn)行研究,包括76例高分化,133例中分化和23例低分化,第一次注射造影劑連續(xù)觀察1 min,記錄血流和增強(qiáng)情況,第二次注射造影劑進(jìn)行微血流成像,將微血流圖像、二維超聲和Kupffer相圖像一起顯示,放入CAD系統(tǒng)鑒別HCC的惡性程度,結(jié)果驗(yàn)證該系統(tǒng)在對HCC的高、中、低分化鑒別方面具有很高的性能,尤其對于分化較差的肝癌,CAD系統(tǒng)的分類準(zhǔn)確性為100.0%.

圖1 應(yīng)用彩色編碼的超聲造影參數(shù)成像模式鑒別診斷肝轉(zhuǎn)移癌及不典型血管瘤.A-C:肝血管瘤周圍結(jié)節(jié)增強(qiáng)模型,常規(guī)超聲造影圖像及彩色編碼的參數(shù)圖像; D-F:肝轉(zhuǎn)移癌鑲嵌混亂增強(qiáng)模型,常規(guī)超聲造影圖像及彩色編碼的參數(shù)圖像.

2.3 肝細(xì)胞癌預(yù)后的應(yīng)用 研究證明,微血管侵犯(microvascular invasion,MVI),不僅是預(yù)測HCC早期復(fù)發(fā)的重要因素,而且也是評估患者長期生存的重要因素,有研究表明,HCC合并MVI的患者5年無復(fù)發(fā)生存率僅為20.8%[27].MVI主要是指在顯微鏡下于內(nèi)皮細(xì)胞襯覆的血管腔內(nèi)見到癌細(xì)胞巢團(tuán)[28].劉桐桐等[29]人分析常規(guī)超聲圖像,利用SVM和LOOCV方法對87例HCC的MVI指標(biāo)以及腫瘤分化等級進(jìn)行評估,MVI的AUC為0.76,腫瘤分化等級的AUC為0.89,且MVI和分化等級之間存在相關(guān)性.Hu等[30]人回顧性分析了482例接受CEUS的HCC患者,分為訓(xùn)練組(n=341)和驗(yàn)證組(n=141),使用LASSO回歸模型建立基于超聲的放射學(xué)評分模型,多因素logistic回歸分析： 放射學(xué)評分、甲胎蛋白(alpha fetoprotein,AFP)和腫瘤大小是與MVI相關(guān)的獨(dú)立因素.應(yīng)用這些因素構(gòu)成影像諾模圖,在訓(xùn)練組中,影像諾模圖將臨床諾模圖的AUC從0.674提高到0.758,驗(yàn)證組證明了這一結(jié)果,表明加入臨床因素的影像諾模圖模型可用于肝癌的個體化MVI預(yù)測.與常規(guī)超聲圖像相比,超聲原始射頻(original radio frequency,ORF)信號不受諸如亮度補(bǔ)償,深度補(bǔ)償或動態(tài)范圍調(diào)整等影響,并包含所有聲學(xué)信息,如衰減,散射,聲速,相位等,這些信息可以比常規(guī)超聲圖像提供更多的組織信息[31,32].Dong等[33]人研究了42例HCC患者,其中21例存在MVI病變,術(shù)前收集肝癌病變的ORF數(shù)據(jù)和二維超聲圖像,利用組學(xué)的方法共獲得四種模型,分別是基于時域、頻域和統(tǒng)計(jì)特征圖的MVI預(yù)測模型(MVI prediction model based on direct energy attenuation,omega of Nakagami distribution and standard deviation of spectrum difference,DOSM)、基于時域和統(tǒng)計(jì)特征圖的MVI預(yù)測模型(MVI prediction model based on direct energy attenuation and omega of Nakagami distribution,DOM)、基于時域特征圖的MVI預(yù)測模型(MVI prediction model based on direct energy attenuation,DM)和基于二維超聲圖像的MVI預(yù)測模型(MVI prediction model based on ultrasound grayscale image,GM)模型,研究結(jié)果證明,DOSM模型預(yù)測的靈敏度為85.7%,特異性為100%,AUC為95.01%,預(yù)測效果優(yōu)于DOM,DM和GM模型,對于術(shù)前無創(chuàng)性預(yù)測HCC患者是否存在MVI具有潛在的臨床應(yīng)用價(jià)值.Dong等[34]人報(bào)道了322例經(jīng)組織病理學(xué)證實(shí)的HCC病例的回顧性研究,建立基于超聲圖像的放射學(xué)算法,術(shù)前分析二維聲像圖分為兩個階段： 第一階段,診斷MVI陰性和MVI陽性病例; 第二階段將MVI陽性病例進(jìn)一步分類為M1或M2病例.使用隨機(jī)森林選取放射特征,在兩個階段生成了總腫瘤區(qū)域(gross-tumoral region,GTR),腫瘤周圍區(qū)域(peri-tumoral region,PTR),總腫瘤結(jié)合腫瘤周圍區(qū)域(gross-and peri-tumoral region,GPTR)的放射學(xué)標(biāo)記,AUC值分別為0.708、0.710和0.726.第一階段,加入臨床因素將GPTR和AFP值組合后的AUC由0.726改進(jìn)為0.744.但是,第二階段,沒有任何臨床因素與MVI狀態(tài)獨(dú)立相關(guān).提示該算法對HCC患者術(shù)前MVI的預(yù)測具有潛在價(jià)值,GTR放射學(xué)標(biāo)記可能有助于進(jìn)一步區(qū)分MVI陽性患者的M1和M2分級(表1).

3 超聲組學(xué)在肝臟彌漫性病變中的應(yīng)用

肝纖維化是慢性肝病的可逆性病理改變.早期準(zhǔn)確的診斷對于及時治療和預(yù)后具有重要的臨床意義.《慢性乙型肝炎病毒感染預(yù)防、護(hù)理和治療指南》(2015年)提出,建議使用簡單的非侵入性診斷方法評估肝炎肝硬化的發(fā)展階段,并對治療的給出恰當(dāng)建議[35].超聲成像是最常用篩查和診斷慢性肝病的影像學(xué)方法,然而,難以在慢性肝病和肝硬化之間進(jìn)行視覺區(qū)分,而且主觀性強(qiáng),缺乏統(tǒng)一的量化標(biāo)準(zhǔn).利用超聲組學(xué)設(shè)計(jì)計(jì)算機(jī)模型有助于更客觀對肝纖維化進(jìn)程進(jìn)行評估.付甜甜等[36]人設(shè)計(jì)了99只肝纖維化大鼠實(shí)驗(yàn)?zāi)Ｐ?在不同階段對大鼠進(jìn)行二維超聲和彈性成像檢查,構(gòu)建兩種檢測模型： (1)基于影像組學(xué)的機(jī)器學(xué)習(xí)方法模型; (2)機(jī)器學(xué)習(xí)法與超聲彈性成像相結(jié)合的預(yù)測模型.機(jī)器學(xué)習(xí)法在評估各階段肝纖維化的準(zhǔn)確性達(dá)80%以上,聯(lián)合方法診斷效能較機(jī)器學(xué)習(xí)方法有效,且診斷肝硬化的靈敏度最高,兩種方法均在診斷顯著肝纖維化中效果最佳,為診斷肝纖維化進(jìn)程提供新的方法.王偉等[37]人將超聲組學(xué)診斷肝纖維化分級運(yùn)用到臨床實(shí)驗(yàn)中,對144名慢性乙型肝炎患者進(jìn)行前膽性研究,將放射組學(xué)參數(shù)、原始射頻參數(shù)(original radio frequency,ORF)和動態(tài)微血管成像參數(shù)構(gòu)建超聲組學(xué)模型,結(jié)果證明基于機(jī)器學(xué)習(xí)的多參數(shù)超聲組學(xué)分析可以優(yōu)化中重度纖維化的診斷效能.Wang等[14]人開發(fā)了彈性成像的深度學(xué)習(xí)模型以評估肝纖維化階段,采用影像組學(xué)的方法對二維剪切波彈性成像圖像中的異質(zhì)性進(jìn)行定量分析,是一項(xiàng)前瞻性多中心研究,共納入來自12家醫(yī)院398名患者的圖像,同時加入天冬氨酸轉(zhuǎn)氨酶、血小板比率指數(shù)和纖維化指數(shù)血清指標(biāo),對慢性乙型肝炎患者進(jìn)行了評估,肝硬化(F4)、晚期纖維化(≥F3)和顯著性纖維化(≥F2)的AUC分別為0.97、0.98、0.85.與生物標(biāo)志物相比,彈性成像的深度學(xué)習(xí)在預(yù)測肝纖維化分期方面表現(xiàn)出最好的效果,且隨著從每個人獲取圖像的增多(尤其是≥3張圖像),其診斷準(zhǔn)確性進(jìn)一步提高.宋家琳等[38]人根據(jù)超聲組學(xué)評估肝硬化分級,選取了95例肝硬化患者和21名健康志愿者(對照組),分析了實(shí)驗(yàn)者的高頻超聲圖像.當(dāng)出現(xiàn)肝硬化時,肝組織紋理特點(diǎn)為不隨機(jī)、不規(guī)則的“缺陷”區(qū)域,利用計(jì)算機(jī)算法定位“缺陷”,檢測的參數(shù)可以評估早期肝功能,對肝硬化分級診斷有一定價(jià)值.Virmani等[6]人探索了一種區(qū)分正常肝,肝硬化肝和肝硬化HCC的系統(tǒng),共分析了56例超聲影像,包括15例正常肝,16例肝硬化和25例HCC肝圖像,利用遺傳算法結(jié)合SVM的特征選擇方法,將分類準(zhǔn)確率提高到88.8%,診斷正常和肝硬化的敏感性為90%,對HCC病例的敏感性為86.6%,證明該系統(tǒng)可以提高診斷準(zhǔn)確性.

表1 評估各類肝局灶性病變的超聲組學(xué)模型及效果

4 不足及展望

雖然超聲組學(xué)在肝局灶性或彌漫性病變診斷、分級以及預(yù)后有一定的進(jìn)展,但是現(xiàn)有的實(shí)驗(yàn)大多是單一機(jī)構(gòu)的小樣本探索,而且受到某些良性疾病發(fā)病率低,早期無癥狀的影響,所得結(jié)論缺乏廣泛驗(yàn)證.研究結(jié)果仍需經(jīng)過多中心、大樣本、隨機(jī)對照臨床試驗(yàn)反復(fù)檢驗(yàn)和提煉,才能準(zhǔn)確、可靠、有效地指導(dǎo)臨床醫(yī)療策略.雖然影像組學(xué)融合計(jì)算機(jī)算法,通過海量數(shù)據(jù)可使結(jié)果更加客觀,但是同一病灶通過不同設(shè)備采集獲得的圖像差別較大,給基于灰度值特征的分析如直方圖、紋理分析等帶來一定影響.對于邊界模糊不清的腫瘤感興趣區(qū)域提取,手動分割、計(jì)算機(jī)半自動分割和計(jì)算機(jī)全自動分割的結(jié)果存在明顯差異,會降低特征的穩(wěn)定性.隨著超聲儀器的智能化發(fā)展,超聲檢查方法的規(guī)范化培訓(xùn)以及計(jì)算機(jī)處理水平的改善,相信超聲組學(xué)也將提升至新的階段,今后會在安全,無輻射的基礎(chǔ)上,為臨床應(yīng)用提供精準(zhǔn)的診斷信息.