余 楊 管 維 李 凡 鄧又斌 王 婷
腎癌的發(fā)病率逐年增長,90%為腎細胞癌,其最常見的病理類型為腎透明細胞癌,約占腎細胞癌的75%[1]。最大徑≤4 cm的腎臟占位約占所有腎臟占位的40%[2],其中10%以上為良性,而腎血管平滑肌脂肪瘤占43%~53%[3],常因術前誤診導致臨床過度治療。由于腎透明細胞癌和腎血管平滑肌脂肪瘤的影像學特征存在部分重疊[4],且容易受醫(yī)師主觀經(jīng)驗的影響,因此,僅憑影像學特征鑒別二者目前仍有困難且存有爭議。研究[5-6]表明基于CT圖像的紋理分析可以很好地鑒別二者。腹腔鏡超聲雖然是一項有創(chuàng)檢查,但其圖像分辨率高,本研究旨在探討基于腹腔鏡超聲圖像的紋理分析鑒別最大徑≤4 cm的腎透明細胞癌與腎血管平滑肌脂肪瘤的臨床價值。
收集2012年12月至2020年6月我院行腹腔鏡切除術后經(jīng)病理證實的124例腎臟占位患者(最大徑≤4 cm),其中腎透明細胞癌66例,男52例,女14例,年齡16~78歲,平均(46.14±11.67)歲;腎血管平滑肌脂肪瘤58例,男11例,女47例,年齡33~78歲,平均(52.43±10.53)歲。將其分為訓練組87例(腎透明細胞癌46例、腎血管平滑肌脂肪瘤41例)和驗證組37例(腎透明細胞癌20例、腎血管平滑肌脂肪瘤17例)。納入標準:①手術前均行腎臟占位腹腔鏡超聲檢查,并保存有影像資料;②僅分析病灶最大徑切面的二維超聲圖像,如患者有多個病灶符合標準,則僅選取最大的一個病灶;③病灶最大徑≤4 cm。排除標準:①病灶最大徑>4 cm;②超聲圖像上病灶顯示不清或者未完整顯示;③腹腔鏡超聲檢查前行穿刺、射頻消融、放療或化療;④合并其他惡性腫瘤。本研究經(jīng)我院醫(yī)學倫理委員會批準,未涉及患者重要隱私,無需患者知情同意。
1.超聲檢查:使用日立Alokaα10彩色多普勒超聲診斷儀,UST5550線陣探頭,探頭直徑10 mm,探頭長 度38 mm,頻 率4~10 MHz,4段 變 頻(5.0 MHz、6.0 MHz、7.5 MHz、10.0 MHz)?;颊咛幱谌闋顟B(tài),由外科醫(yī)師在腹腔鏡直視下完全暴露患側(cè)腎臟后,再由另一具有五年以上工作經(jīng)驗的超聲醫(yī)師從一側(cè)Troca置入腹腔鏡超聲對患側(cè)腎臟掃查,調(diào)節(jié)采集深度及灰度至圖像清晰顯示,并留存腎臟占位最大徑切面的二維影像資料。
2.圖像紋理分析:采用軟件ITK-SNAP(3.8版本,http://www.itksnap.org)對超聲圖像中的感興趣區(qū)域(ROI)進行手動分割,具體方法:由兩名分別具有5年和8年的超聲醫(yī)師(均對病理結(jié)果不知情)沿腎臟占位的邊緣勾畫包括整個腫瘤,不包括假包膜的ROI(圖1,2)。采用軟件Python(3.6版本,https://www.python.org)中的Pyradiomics工具包(2.2版本,https://pyradiomics.readthedocs.io)提取圖像ROI中的107個紋理特征[7],分別為glcm、gldm、glrlm、glszm、ngtdm、shape、firstorder[8]。
應用R軟件(3.3版本,https://www.r-project.org),計量資料以x±s表示,計數(shù)資料以頻數(shù)表示。兩組特征之間的一致性通過組內(nèi)相關系數(shù)(ICC)評估,ICC>0.80表示一致性良好。采用最大相關最小冗余(mRMR)算法篩選用于區(qū)分腎透明細胞癌與腎血管平滑肌脂肪瘤相關的特征,最后通過十折交叉驗證和最小絕對收縮和選擇算子(LASSO)回歸方法構(gòu)建區(qū)分腎透明細胞癌與腎血管平滑肌脂肪瘤的預測模型。繪制受試者工作特征(ROC)曲線評價該模型區(qū)分腎透明細胞癌與腎血管平滑肌脂肪瘤的診斷效能。P<0.05為差異有統(tǒng)計學意義。
圖1 腎血管平滑肌瘤患者腹腔鏡超聲圖像及對應的腎臟占位區(qū)域勾畫示意圖
圖2 腎透明細胞癌患者腹腔鏡超聲圖像及對應的腎臟占位區(qū)域勾畫示意圖
腎透明細胞癌患者年齡較低,且腎透明細胞癌患者男性比例高,二者比較差異均有統(tǒng)計學意義(均P<0.05)。
從每個病灶的感興趣區(qū)提取107個超聲影像組學特征,ICC為0.75~0.99,剔除ICC<0.8的特征,然后通過mRMR算法進一步的篩選特征,選擇mRMR系數(shù)絕對值最大的前10個特征,見表1。
1.建模:通過LASSO回歸方法及十則交叉驗證法,通過2個非零系數(shù)的特征構(gòu)建模型(圖3),分別為glszm_GrayLevelNonUniformity和firstorder_90 Percentile,構(gòu)建模型:Y=0.185+0.387×glszm_GrayLevel NonUniformity-0.319×firstorder_90 Percentile。
2.模型效能評估:構(gòu)建的預測模型鑒別驗證組中腎透明細胞癌與腎血管平滑肌脂肪瘤的診斷效能見表2;在訓練組和驗證組中,鑒別腎透明細胞癌與腎血管平滑肌脂肪瘤的ROC曲線下面積(AUC)分別為0.911[95%可信區(qū)間(CI)=0.845~0.977]和0.900(95%CI=0.781~1.000)。見圖4。
表1 mRMR篩選的10個紋理特征
表2 驗證組預測模型和部分紋理特征的診斷效能
圖3 對紋理特征進行十折交叉驗證的Lasso回歸分析
圖4 預測模型鑒別腎透明細胞癌與腎血管平滑肌脂肪瘤的ROC曲線圖
最大徑≤4 cm的腎透明細胞癌很少發(fā)生壞死,與腎血管平滑肌脂肪瘤的影像學表現(xiàn)相似,準確鑒別二者是困擾臨床影像醫(yī)師的難題。既往研究[9-10]提出了一些鑒別方法,但是大多僅基于病灶的定性或者半定量信息,耗時且易受影像醫(yī)師主觀經(jīng)驗的影像,難以在實際操作中獲得令人滿意的鑒別效果。紋理分析是一種以定量方式提取紋理信息來減少主觀性的圖像處理方式,可以對圖像中像素強度的變化進行數(shù)學檢測,挖掘肉眼無法識別的細微差異。對于腎臟腫瘤而言,這些像素強度的細微變化可能反映了良、惡性腫瘤間的差異。Feng等[6]研究發(fā)現(xiàn)基于CT圖像中提取的紋理特征構(gòu)建的機器學習模型可以準確區(qū)分最大徑≤4 cm的腎細胞癌與腎血管平滑肌脂肪瘤,診斷效能最佳的模型AUC為0.939。Yang等[11]則發(fā)現(xiàn)基于腎臟平掃CT的融合機器學習可以鑒別腎透明細胞癌與缺乏脂肪的腎血管平滑肌脂肪瘤,其中診斷效能最佳的模型AUC為0.90。表明圖像的紋理分析技術是鑒別二者的有效潛在方法。
超聲檢查是臨床評估腹部疾病的一線影像學檢查方法,較CT更加經(jīng)濟、便攜,且無輻射。若基于超聲的紋理分析可以輔助提高鑒別腎透明細胞癌與腎血管平滑肌脂肪瘤的診斷效能,在實際的臨床工作中將具有更加廣闊的應用前景,相較于普通的腹部超聲檢查獲得的腎臟腫瘤圖像,腹腔鏡超聲圖像的分辨率更高。本研究擬探討基于腹腔鏡超聲圖像的紋理分析鑒別腎透明細胞癌與腎血管平滑肌脂肪瘤的可行性,研究結(jié)果發(fā)現(xiàn)鑒別腎透明細胞癌與腎血管平滑肌脂肪瘤的2個具有代表性紋理特征分別為glszm_GrayLevelNonUniformity和firstorder_90 Percentile,基于上述特征構(gòu)建的模型鑒別二者的AUC為0.900(95%CI=0.781~1.000),敏感性為0.950(95%CI=0.850~1.000),特異性為0.647(95%CI=0.412~0.882),與以往研究[6,11-17]結(jié)果接近。glszm_GrayLevel NonUniformity表示圖像中灰度強度值的變化,較低的值表示灰度強度值更均勻,圖像紋理異質(zhì)性更??;firstorder_90 Percentile表示ROI中高亮度的灰度值,由于血管平滑肌脂肪瘤由不同數(shù)量的畸形血管、平滑肌成分和成熟脂肪組織組成[18],超聲圖像上血管平滑肌脂肪瘤較腎細胞癌的圖像更亮。本研究模型中glszm_GrayLevelNonUniformity越大,預測惡性的可能性更大;firstorder_90 Percentile越大,預測良性的可能性更大,與病理上腎細胞癌的異質(zhì)性更大和超聲圖像上腎血管平滑肌脂肪瘤的亮度更高相符。
本研究局限性:①回顧性研究存在固有缺陷,難免存在選擇偏倚;②樣本量較小,未能建立外部驗證集進行驗證,待后續(xù)收集更多的外部驗證數(shù)據(jù)集;③由于腹腔鏡超聲儀及探頭型號唯一,且探頭長度為38 mm,納入研究的病例屬于小占位,但是范圍更小,所得模型的推廣有待進一步研究;④未統(tǒng)一圖像存儲標準,未分析不同圖像存儲標準對結(jié)果的影響,單一切面的紋理分析也不能像全腫瘤分析一樣充分體現(xiàn)腫瘤的異質(zhì)性,后期應設計相應的前瞻性研究以補充。
綜上所述,從腹腔鏡二維超聲圖像中提取的紋理特征可以反映腎透明細胞癌與腎血管平滑肌脂肪瘤之間的差異?;趃lszm_GrayLevelNonUniformity和firstorder_90 Percentile的模型可能是有效、無創(chuàng)鑒別最大徑≤4 cm的腎透明細胞癌與腎血管平滑肌脂肪瘤的潛在方法。