陳鵬飛，俞詠梅，吳 琦，陳基明

(皖南醫(yī)學院弋磯山醫(yī)院影像中心，安徽 蕪湖 241001)

腺性膀胱炎(cystitis glandular, CG)是呈腫瘤樣表現(xiàn)的膀胱黏膜增生性良性病變，而膀胱癌是膀胱最常見惡性腫瘤，二者治療和預(yù)后不同，但臨床及影像學表現(xiàn)類似，鑒別診斷常感困難[1-2]。目前臨床主要采用CT及膀胱鏡活檢鑒別診斷CG與膀胱癌，但CT診斷準確率較低，而膀胱鏡活檢為侵入性檢查，視野及取材范圍受限，難以全面診斷病變[2]。影像組學通過從醫(yī)學影像中提取高通量組學特征，以非侵入性方式探查病變異質(zhì)性，可提高診斷效能[3-4]。本研究觀察基于CT影像組學模型鑒別診斷CG與膀胱癌的效能。

1 資料與方法

1.1 一般資料 回顧性分析2011年8月—2020年10月40例CG(CG組)和70例膀胱癌患者(膀胱癌組)；CG組男33例，女7例，年齡28～83歲，平均(53.6±13.7)歲；膀胱癌組男62例，女8例，年齡41～82歲，平均(65.3±10.1)歲。納入標準：①膀胱單發(fā)病灶；②經(jīng)病理明確診斷；③術(shù)前1周接受盆腔平掃及增強CT掃描。排除標準：①病灶過小(直徑小于<3 mm)，不利于勾畫ROI；②有其他惡性腫瘤及嚴重疾病史；③泌尿系手術(shù)史、放射及化學治療史；④CT圖像質(zhì)量差，存在運動偽影(包含膀胱充盈欠佳)。按7∶3比例將所有病例隨機分為訓練集和測試集。

1.2 儀器與方法 檢查前囑患者大量飲水以充盈膀胱。采用Siemens SOMATOM Definition Flash CT儀，行盆腔平掃和三期增強掃描，管電流400～500 mAs，管電壓120 kV，層厚5 mm。采用高壓注射器以流率3.5～4.0 ml/s注入對比劑碘佛醇(350 mgI/ml，100 ml) 1.5 ml/kg體質(zhì)量，分別于注入對比劑后25～30 s、55～60 s、180 s采集動脈期、靜脈期及延遲期圖像。

1.3 圖像分割及特征提取 由2名醫(yī)師分別閱片。醫(yī)師A將DICOM格式多期圖像導(dǎo)入ITK-SNAP后處理軟件，避開病灶內(nèi)囊變壞死區(qū)及鈣化區(qū)勾畫病灶，略去病灶剛出現(xiàn)和即將消失的2個層面(圖1、2)，并融合成三維容積感興趣區(qū)(volume of interest, VOI)，使其邊緣與病灶邊緣距離約1～2 mm；B醫(yī)師隨機對20例勾畫VOI。將包括VOI的圖像導(dǎo)入A.K.(Analysis-Kinetics, version 3.2.0, GE Healthcare)分析軟件，提取其特征[5]。

圖1 于動脈期CT圖像(A)勾畫CG病灶ROI(B)，并融合成VOI(C)

1.4 特征篩選和模型建立 對數(shù)據(jù)行歸一化后，采用最小冗余最大相關(guān)方法(maximum relevant, minimum reduandency, mRMR)、最小絕對收縮和選擇算法(least absolute shrinkage and selection operator method, LASSO)及5折交叉驗證對訓練集的影像組學特征進行降維，以模型誤差最小λ+1個標準誤作為最優(yōu)λ，保留系數(shù)不為0的特征，構(gòu)建Logistic回歸模型。

1.5 統(tǒng)計學分析 采用R語言軟件(Version 4.0.2)對數(shù)據(jù)進行分析。以CG患者為陽性病例，計算模型的受試者工作特征(receiver operating characteristic, ROC)曲線下面積(area under the curve， AUC)和敏感度、特異度。使用Delong檢驗評價各模型診斷效能的差異。以決策曲線分析評價模型的臨床應(yīng)用價值。采用Hosmer-Lemeshow擬合優(yōu)度檢驗評價模型的校正能力，以校正曲線表示。采用組間相關(guān)性系數(shù)(intraclass correlation coefficient,ICC)評價觀察者間提取影像組學特征的一致性，ICC>0.80為一致性良好。P<0.05為差異有統(tǒng)計學意義。

2 結(jié)果

觀察者間提取影像組學特征一致性檢驗的ICC>0.80，即觀察者間一致性良好。

2.1 篩選影像組學特征及建立模型 分別于平掃、動脈期、靜脈期、延遲期CT圖像中提取1 316個影像組學特征，采用mRMR法篩選25個互不冗余及與標簽相關(guān)性較高的特征，經(jīng)LASSO及5折交叉驗證在誤差最小λ+1個標準誤時保留權(quán)重非零的特征，分別基于平掃、動脈期、靜脈期、延遲期影像組學特征建立4個模型，即模型1、2、3、4(分別納入4、7、5及6個特征)，見表1及圖3。模型2的特征中，小依賴性高灰度級強調(diào)、平均絕對偏差、游程長度不均勻性標準化是CG的危險因素，球形度和均方根是CG的保護因素，而游程熵不能認為與疾病存在關(guān)聯(lián)(圖4)。

表1 各模型的組學特征及權(quán)重系數(shù)

圖2 于動脈期CT圖像(A)勾畫膀胱癌病灶ROI(B)，并融合成VOI(C)

圖3 基于動脈期數(shù)據(jù)篩選特征 A.對訓練集數(shù)據(jù)以LASSO降維及5折交叉驗證，選擇誤差最小λ+1個標準誤作為最優(yōu)參數(shù)，λ=0.11； B.影像組學特征系數(shù)收斂圖，曲線代表不同影像組學特征，虛線為使用λ=0.11時繪制，得到7個非零特征

圖4 模型2保留的7個特征系數(shù)的OR值及其95%CI (紅線代表OR值)

2.2 鑒別診斷效能 ROC曲線結(jié)果顯示，4個模型鑒別診斷CG與膀胱癌的AUC均>0.80(表2)，且Delong檢驗表明不同模型間AUC值差異無統(tǒng)計學意義(P均>0.05)。模型2在測試集的AUC最高，為0.939。HosmerLemeshow擬合優(yōu)度檢驗顯示，模型2的預(yù)測結(jié)果與實際結(jié)果差異無統(tǒng)計學意義(訓練集：χ2=8.75，P=0.36；測試集：χ2=4.72，P=0.79)。校正曲線顯示模型2的擬合效果較好(圖5)。決策曲線分析表明模型2用于臨床鑒別CG與膀胱癌的凈獲益最高(圖6)。

表2 各模型對CG與膀胱癌的鑒別診斷效能

圖6 不同模型的決策曲線

3 討論

CG是一種慢性炎性病變，即在慢性刺激因素(如感染、結(jié)石等)作用下，膀胱移行上皮細胞增殖，并凹入膀胱固有層內(nèi)，轉(zhuǎn)化為腺上皮并分泌黏液，發(fā)揮自身保護作用[6]。CG是良性可逆性病變，而膀胱癌是起源于尿路上皮的惡性腫瘤，二者治療方法及預(yù)后均有顯著差異[7-9]。

CG與膀胱癌CT均可表現(xiàn)為膀胱壁隆起性病變或丘狀增厚，臨床常將CG誤診為膀胱癌。既往研究[10-12]表明，CT或MRI影像組學可用于鑒別診斷良惡性腫瘤及評估腫瘤分級。本研究采用LASSO及Logistic回歸分析對多期CT圖像影像組學特征進行特征篩選并建模，以獲得最佳診斷模型；基于盆腔動脈期影像組學特征建立的模型診斷效能最佳，可帶來更多臨床凈獲益。CG增強掃描中呈輕度強化，而膀胱癌血供豐富，增強后明顯強化，故CG與膀胱癌病灶在動脈期差異最為明顯。

既往研究[13]報道，CG的CT表現(xiàn)多為膀胱壁呈片狀增厚，膀胱癌則多呈菜花狀、結(jié)節(jié)狀表現(xiàn)。在基于動脈期影像組學模型的具體特征中，球形度反映VOI形狀與球形的接近程度，其值越大，說明病灶越接近球形。本研究結(jié)果顯示膀胱癌形態(tài)更易呈球形。小依賴性高灰度級反映高灰度值導(dǎo)致的圖像不均勻性，其值越小，代表病灶的高灰度值分布越豐富；均方根是所有平方強度值的平均值的平方根，反映圖像灰度。本研究中，小依賴性高灰度級強調(diào)值越小、均方根值越大，診斷膀胱癌的可能越高，可能由于膀胱癌血供豐富，動脈期CT值更高，病灶區(qū)域更亮，與楊甜等[14]的結(jié)果相符。平均絕對偏差是所有強度值與圖像陣列平均值之間的平均距離，該值越小，表示病灶內(nèi)部密度差異越?。挥纬涕L度不均勻性標準化描述圖像行程長度的相似性，其值越小，整幅圖像的行程長度越相似。本研究中，平均絕對偏差和游程長度不均勻性標準化值越大越可能診斷為CG，原因可能為CG由膀胱移行細胞轉(zhuǎn)化為腺上皮細胞，分泌黏液，導(dǎo)致病灶內(nèi)密度差異更大。游程熵為反映游程長度和灰度等級分布不確定性/隨機性的指標，表示病灶內(nèi)部異質(zhì)性。DAVNALL等[15]認為瘤細胞、血管生成、血管外細胞外基質(zhì)和壞死區(qū)空間變異均導(dǎo)致腫瘤在組織病理學水平存在明顯異型性。本研究游程熵結(jié)果不能認為與疾病有關(guān)，或與樣本量較小相關(guān)。

本研究的主要局限性：手動勾畫VOI，存在一定誤差；為單中心回顧性研究，樣本量小，需進一步擴大樣本量進一步觀察。

綜上所述，基于盆腔CT各時相影像組學模型均可用于鑒別診斷CG與膀胱癌，其中基于動脈期影像組學模型的診斷效能最高。