劉妮，謝元亮，黃增發(fā)，王翔

甲狀腺惡性結(jié)節(jié)的發(fā)病率呈逐年上升趨勢(shì)，手術(shù)切除為主要治療方式[1]，多數(shù)研究者認(rèn)為頸部淋巴結(jié)轉(zhuǎn)移(cervical lymph node metastasis,CLNM)是甲狀腺乳頭狀癌(papillary thyroid carcinoma,PTC)復(fù)發(fā)及遠(yuǎn)處轉(zhuǎn)移的高危因素[2]。因此，術(shù)前準(zhǔn)確檢出CLNM對(duì)選擇治療方案、評(píng)估預(yù)后有重要價(jià)值。超聲是甲狀腺術(shù)前檢查的常規(guī)方法，但檢出CLNM的敏感性較低[3]。影像學(xué)組學(xué)作為一項(xiàng)新興技術(shù)，可以高通量地從影像數(shù)據(jù)中提取大量肉眼無(wú)法識(shí)別的特征信息，對(duì)影像數(shù)據(jù)進(jìn)行更深層次的挖掘、預(yù)測(cè)和分析[4]。目前應(yīng)用影像組學(xué)預(yù)測(cè)甲狀腺癌伴有CLNM的相關(guān)研究較少，因此本研究旨在探討CT組學(xué)特征對(duì)PTC伴有頸部淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè)價(jià)值。

材料與方法

1.研究對(duì)象及分組

搜集2019年6月-2019年12月在本院經(jīng)手術(shù)病理證實(shí)(無(wú)論超聲或CT提示有無(wú)淋巴結(jié)轉(zhuǎn)移，均行可疑區(qū)域頸部淋巴結(jié)清掃術(shù)，術(shù)后獲取病理檢查結(jié)果)且行CT增強(qiáng)掃描的甲狀腺結(jié)節(jié)患者的病例資料。納入標(biāo)準(zhǔn)：(1)為避免因設(shè)備不同造成圖像參數(shù)和質(zhì)量等的差異，僅納入使用Siemens雙源CT機(jī)進(jìn)行檢查的患者；(2)為避免甲狀腺多個(gè)或彌漫性結(jié)節(jié)影響對(duì)責(zé)任病灶的確定，僅納入甲狀腺內(nèi)僅單個(gè)結(jié)節(jié)灶的患者；(3)為避免不同病理學(xué)類(lèi)型的生物學(xué)及影像學(xué)差異，僅納入病理證實(shí)為PTC的患者。排除標(biāo)準(zhǔn)：(1)結(jié)節(jié)長(zhǎng)徑小于1 cm；(2)CT圖像偽影較大，影響對(duì)甲狀腺結(jié)節(jié)的形態(tài)觀(guān)察和范圍測(cè)量；(3)病灶內(nèi)有大面積鈣化或囊變(鈣化及囊變面積占病灶面積的1/2或以上)。最終納入130例PTC患者，女92例，男38例；年齡27～72歲，平均(60±13)歲；結(jié)節(jié)直徑1.00～4.23 cm，平均(2.12±0.61) cm；CLNM組65例，無(wú)淋巴結(jié)轉(zhuǎn)移(nCLNM)組65例。

2.CT檢查方法

使用Siemens Somatom Definition Flash CT機(jī)，掃描范圍自顱底至胸廓入口水平，所有患者行靜脈期增強(qiáng)掃描，經(jīng)肘靜脈注射非離子型對(duì)比劑碘海醇(0.3 mg I/mL)，劑量1 mL/kg，注射流率3.0 mL/s，隨后以相同流率注射30 mL生理鹽水，延遲時(shí)間50 s，其它掃描參數(shù)：100 keV，自動(dòng)mAs，二代迭代重建技術(shù)，螺距0.984，視野30 cm ×30 cm，矩陣512 ×512，層厚和層間距均為5.00 mm，重建層厚1.25 mm。

3.紋理分析方法

將CT增強(qiáng)圖像(DICOM 格式)導(dǎo)入Mazda 4.6軟件(波蘭Institute of Electronics公司)進(jìn)行影像組學(xué)分析。首先，由兩位高年資主治醫(yī)師在腫瘤最大層面手動(dòng)勾畫(huà)ROI，意見(jiàn)不一致時(shí)請(qǐng)一位副主任醫(yī)師閱片，最終協(xié)商確定。自每個(gè)ROI提取6大類(lèi)近300個(gè)紋理參數(shù)，詳見(jiàn)表1。

其中，直方圖紋理特征為一階紋理參數(shù)，灰度共生矩陣(grey-level co-occurrence matrix,GLCOM)、灰度游程矩陣(grey-level run length matrix,GLRLM)、梯度模型、自回歸模型和小波轉(zhuǎn)換(wavelet transform)類(lèi)的紋理特征屬于二階及高階紋理參數(shù)。然后，使用Mazda軟件提供的3種降維方法，即Fisher相關(guān)系數(shù)、分類(lèi)誤差概率和平均相關(guān)系數(shù)(classification error probability and average correlation coefficients，POE+ACC)及交互信息(mutual information，MI)，分別篩選出能鑒別兩組的10個(gè)最佳紋理特征。隨后，分別使用Mazda 軟件中的B11模塊中提供的4種統(tǒng)計(jì)方法，包括原始數(shù)據(jù)分析(raw data analysis，RDA)、主成分分析(principal component analysis，PCA)、線(xiàn)性判別分析(linear discriminant analysis，LDA)和非線(xiàn)性判別分析(nonlinear discriminant analysis，NDA)進(jìn)一步對(duì)紋理特征進(jìn)行分類(lèi)和篩選。將不同統(tǒng)計(jì)學(xué)方法與不同降維方法組合，分別建立相應(yīng)的影像組學(xué)模型，采用錯(cuò)判率這一指標(biāo)來(lái)描述各個(gè)模型的診斷效能，錯(cuò)判率越小則說(shuō)明該方法提取的紋理特征在鑒別PTC有無(wú)淋巴結(jié)轉(zhuǎn)移中的準(zhǔn)確性越高、價(jià)值越大。

4.統(tǒng)計(jì)學(xué)分析

根據(jù)Mazda軟件的輸出結(jié)果，使用SPSS 25.0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)學(xué)分析，采用Fisher確切概率法(四格表中至少有一個(gè)格子的理論頻數(shù)<1)對(duì)同一種降維方法與不同統(tǒng)計(jì)學(xué)方法(NDA、RDA、PCA和LDA)組合建立的組學(xué)模型、同一種統(tǒng)計(jì)學(xué)方法與不同降維方法組合建立的模型對(duì)CLNM評(píng)估所得的錯(cuò)判率均進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.最佳紋理特征的篩選

每種降維方法篩選出10個(gè)最佳紋理特征，共獲得30個(gè)最佳紋理特征，其中21個(gè)特征屬于GLRLM類(lèi)，5種屬于小波轉(zhuǎn)換類(lèi)，3種屬于GLCOM類(lèi)，1種屬于直方圖參數(shù)。

在3種降維方法中均被篩選出的紋理特征有游程長(zhǎng)度不均勻性45°方向(45 degree run length non uniformity,45dgr_ RLN)、游程長(zhǎng)度不均勻性垂直方向(vertical RLN,Vertl_RLN)、垂直方向(Vertl_)灰度不均勻性(grey-level non uniformity,GN)；在3種降維方法中被篩選出2次的紋理參數(shù)有水平方向(Horizonl,Horzl)_RLN、135dgr_RLN、Horzl_GN、135dgr_GN、45dgr_GN、小波轉(zhuǎn)換系數(shù)s-2(Wavelet energy with low pass and high pass frequency bands with scale factors 2,WavEnLH_s-2)，前8種屬于GLRLM類(lèi)參數(shù)，最后一項(xiàng)屬于小波轉(zhuǎn)換類(lèi)參數(shù)。

2.組學(xué)模型的判別結(jié)果

不同統(tǒng)計(jì)學(xué)方法與不同降維方法組合下的組學(xué)模型(如圖1，以MI降維算法分別與4種統(tǒng)計(jì)學(xué)方法組合)對(duì)PTC合并GLNM的判別結(jié)果見(jiàn)表2。分別與4種統(tǒng)計(jì)學(xué)方法組合，F(xiàn)isher系數(shù)法組學(xué)模型的錯(cuò)判率為3.08%～16.92%，POE+ACC法為3.08%～15.38%，MI法為3.08%～14.68%。四種統(tǒng)計(jì)學(xué)方法(RDA、PCA、LDA、NDA組合不同降維方法建立的組學(xué)模型中，以NDA法的判別結(jié)果最穩(wěn)定，組合3種降維方法的3個(gè)組學(xué)模型之間的判別結(jié)果基本一致，且錯(cuò)判率最低(3.08%)，敏感度和特異度最高(分別為98.46%和95.38%)。

圖1 Mazda軟件中B11模塊提供的4種統(tǒng)計(jì)學(xué)方法與MI降維算法組合建立的組學(xué)模型的分析結(jié)果。數(shù)字1(紅色)代表甲狀腺乳頭狀癌伴頸部淋巴結(jié)轉(zhuǎn)移，數(shù)字2(綠色)代表甲狀腺乳頭狀癌不伴淋巴結(jié)轉(zhuǎn)移。兩種顏色的數(shù)碼字分的越開(kāi)、重疊越少，提示該方法的鑒別能力越高、誤判率越低。a)RDA；b)PCA；c)LDA；d)NDA。

表2 不同特征分類(lèi)法的預(yù)測(cè)結(jié)果

3.錯(cuò)判率的比較

同一種降維方法分別與4種統(tǒng)計(jì)學(xué)方法組合，所建立的4個(gè)組學(xué)模型之間錯(cuò)判率的差異有統(tǒng)計(jì)學(xué)意義(P<0.05)。而每種統(tǒng)計(jì)學(xué)方法分別與3種降維方法進(jìn)行組合，所建立的3個(gè)組學(xué)模型之間錯(cuò)判率的差異無(wú)統(tǒng)計(jì)學(xué)意義，RDA、PCA和LDA組對(duì)應(yīng)的P值分別為0.73、0.71和0.87，而NDA組合的3種降維方法建立的組學(xué)模型之間錯(cuò)判率完全相同，均為3.08%。

討 論

頸部淋巴結(jié)是PTC發(fā)生淋巴結(jié)轉(zhuǎn)移的第一站，又稱(chēng)為前哨淋巴結(jié)。超聲檢查對(duì)頸部淋巴結(jié)的顯示不佳，而僅通過(guò)頸部淋巴結(jié)的CT形態(tài)學(xué)特征來(lái)診斷是否發(fā)生轉(zhuǎn)移有較大的局限性。在術(shù)前準(zhǔn)確診斷PTC有無(wú)頸部淋巴結(jié)轉(zhuǎn)移是臨床上一直以來(lái)的熱點(diǎn)和難點(diǎn)。有研究結(jié)果顯示，PTC有無(wú)淋巴結(jié)轉(zhuǎn)移與原發(fā)灶的CT形態(tài)學(xué)特征及病理亞型有關(guān)[5-6]。惡性腫瘤的生物學(xué)異質(zhì)性與影像紋理特征的異質(zhì)性有一定相關(guān)性，基于CT或MRI提取的紋理特征可用于評(píng)估腫瘤的性質(zhì)[7]?；谏鲜鲅芯勘尘?，本研究中應(yīng)用紋理分析軟件對(duì)PTC原發(fā)灶的CT增強(qiáng)圖像進(jìn)行紋理分析，提取CT圖像上大量肉眼無(wú)法識(shí)別的病灶的特征信息，旨在為臨床術(shù)前診斷PTC有無(wú)頸部淋巴結(jié)轉(zhuǎn)移提供參考依據(jù)。據(jù)文獻(xiàn)報(bào)道，當(dāng)ROI的直徑小于1.0 cm時(shí)，影像組學(xué)分析軟件的準(zhǔn)確性會(huì)下降[8]。因此本研究中排除了結(jié)節(jié)長(zhǎng)徑小于1.0 cm的病例。

本研究結(jié)果顯示，3種紋理特征降維方法的錯(cuò)判率均較低，檢出敏感度最高可達(dá)98%，有文獻(xiàn)報(bào)道，超聲新技術(shù)(如超聲造影、彈性成像、超聲引導(dǎo)下細(xì)針穿刺抽吸細(xì)胞學(xué)檢查等)在鑒別甲狀腺癌頸部淋巴結(jié)轉(zhuǎn)移的符合率可達(dá)92%～97%[9]。黃益龍等[10]報(bào)道雙能CT碘圖評(píng)估甲狀腺微小乳頭狀癌頸部淋巴結(jié)的符合率約75.8%。王嫻等[11]報(bào)道多b值DWI鑒別甲狀腺癌甲狀腺外侵犯的陽(yáng)性預(yù)測(cè)值約77.6%。與以上幾種方法的結(jié)果相比，本研究中采用的影像組學(xué)方法的診斷價(jià)值并不遜色，提示影像組學(xué)在鑒別PTC頸部淋巴結(jié)轉(zhuǎn)移中有一定臨床應(yīng)用價(jià)值。

本研究中利用3種降維方法分別篩選出10個(gè)最佳紋理參數(shù)，45dgr_RLN、Vertl_RLN、Horzl_RLN、135dgr_RLN、Vertl _GN、Horzl_GN、135dgr_GN、45dgr_GN和WavEnLH_s-2這幾個(gè)紋理特征分別出現(xiàn)在2種或3種方法的篩選結(jié)果中，除最后一個(gè)參數(shù)屬于小波轉(zhuǎn)換類(lèi)，前8個(gè)參數(shù)均屬于灰度游程矩陣類(lèi)。小波轉(zhuǎn)換和灰度游程矩陣類(lèi)的紋理參數(shù)均屬于二階及高階紋理特征。在30個(gè)紋理參數(shù)中，僅有1個(gè)參數(shù)方差(variance)來(lái)源于直方圖(一階紋理參數(shù))，表明基于PTC結(jié)節(jié)CT圖像的二階及高階紋理特征在預(yù)測(cè)頸部淋巴結(jié)轉(zhuǎn)移中有較大價(jià)值，而一階紋理參數(shù)的作用有限。Kim等[12]的研究結(jié)果顯示，基于PTC原發(fā)灶提取的直方圖參數(shù)(平均值、標(biāo)準(zhǔn)差、偏度、峰度和熵)對(duì)預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移無(wú)效。本研究結(jié)果進(jìn)一步驗(yàn)證了上述研究結(jié)果。謝文君等[13]認(rèn)為PTC病理組織學(xué)亞型與頸淋巴結(jié)轉(zhuǎn)移具有緊密的關(guān)系，可能的原因是不同病理組織學(xué)亞型，腫瘤細(xì)胞的致密性不一，或者伴有CLNM的PTC病灶的代謝較活躍，原發(fā)癌灶易發(fā)生壞死致腫塊密度不均，而灰度游程矩陣可以反映圖像紋理的粗細(xì)程度和不均勻程度[14]，所以在本研究中灰度游程矩陣類(lèi)別的紋理參數(shù)能在一定程度上預(yù)測(cè)頸部淋巴結(jié)轉(zhuǎn)移，而一階紋理特征不能很好地反映PTC原發(fā)灶的空間異質(zhì)性改變。

目前大多數(shù)研究中關(guān)于紋理特征的提取是依賴(lài)于紋理分析軟件，而對(duì)最佳紋理特征進(jìn)行篩選分析常用的是傳統(tǒng)的、單一的統(tǒng)計(jì)學(xué)分析方法[15]，這會(huì)導(dǎo)致模型的單一性，在一定程度上影響紋理分析的準(zhǔn)確性。Mazda軟件自帶4種模型的統(tǒng)計(jì)分析方法：線(xiàn)性分類(lèi)(RDA、PCA、LDA)和非線(xiàn)性分類(lèi)(NDA)，可以對(duì)上述三種降維方法得到的紋理參數(shù)進(jìn)行分析和評(píng)判。本研究結(jié)果顯示，NDA與3種降維方法組合的組學(xué)模型的分析結(jié)果穩(wěn)定，且在各組中錯(cuò)判率最低，為3.08%。表明非線(xiàn)性分類(lèi)方法較線(xiàn)性分類(lèi)方法更有效，錯(cuò)判率最低，這可能與NDA算法更適用于CT圖像有關(guān)。因?yàn)镃T 圖像數(shù)據(jù)通常是高維度、非線(xiàn)性數(shù)據(jù)，而 NDA 的特點(diǎn)是通過(guò)選擇使用合適的支持向量機(jī)，把非線(xiàn)性、不可分離數(shù)據(jù)轉(zhuǎn)化成三維空間分布的、可分離的線(xiàn)性數(shù)據(jù)[16]。而RDA、PCA、LDA特征分類(lèi)法是線(xiàn)性變換，在將非線(xiàn)性數(shù)據(jù)轉(zhuǎn)換為線(xiàn)性數(shù)據(jù)方面具有局限性。

本研究中的主要局限性在于僅闡述了CT組學(xué)特征在預(yù)測(cè)甲狀腺癌頸部淋巴結(jié)轉(zhuǎn)移中有一定的預(yù)測(cè)價(jià)值，主要體現(xiàn)在二階及高階紋理參數(shù)中，但是沒(méi)有進(jìn)一步探討具體參數(shù)的數(shù)值、閾值及曲線(xiàn)下面積，離廣泛應(yīng)用于臨床還有一定的距離。影像組學(xué)在甲狀腺病變的研究中，大多數(shù)處于對(duì)結(jié)節(jié)良、惡性的判斷，對(duì)影像組學(xué)在預(yù)測(cè)甲狀腺癌頸部淋巴結(jié)轉(zhuǎn)移中作用的文獻(xiàn)報(bào)道較少，且大多為超聲資料，目前筆者尚未查閱到探討Mazda軟件在相關(guān)領(lǐng)域的研究報(bào)道，所以筆者先探討Mazda軟件在預(yù)測(cè)甲狀腺癌淋巴結(jié)轉(zhuǎn)移中是否有可行性，在可行的基礎(chǔ)上，下一步將分析相關(guān)參數(shù)的數(shù)值、計(jì)算閾值及曲線(xiàn)下面積，并與傳統(tǒng)影像學(xué)方法進(jìn)行比較，這些工作將在今后研究中逐步開(kāi)展。