田士峰，劉愛(ài)連,2*，郭 妍，林 濤，陳麗華，王 楠，李 昕

(1.大連醫(yī)科大學(xué)附屬第一醫(yī)院放射科，遼寧 大連 116011；2.大連市醫(yī)學(xué)影像人工智能工程技術(shù)研究中心，遼寧 大連 116011；3.通用電氣醫(yī)療，上海 200336)

微衛(wèi)星不穩(wěn)定性(microsatellite instability， MSI)指DNA復(fù)制過(guò)程中某些具有特定功能，如調(diào)控基因表達(dá)、保持基因組穩(wěn)定等的小序列發(fā)生錯(cuò)配、插入及缺失等錯(cuò)誤，且因錯(cuò)配修復(fù)系統(tǒng)功能存在缺陷而未得到及時(shí)修正，導(dǎo)致新等位基因累積[1]。MSI是基于癌癥基因組圖譜(The Cancer Genome Atlas， TCGA)的子宮內(nèi)膜癌(endometrial carcinoma， EC)分子分型要素之一[2]，亦是EC發(fā)病機(jī)制之一。明確判斷EC MSI有利于篩查林奇綜合征相關(guān)病例、評(píng)估程序性死亡分子1(programmed death 1， PD-1)/程序性死亡配體1(programmed death ligand 1， PD-L1)免疫治療EC療效及預(yù)測(cè)預(yù)后[3]。目前術(shù)后多采用免疫組織化學(xué)(簡(jiǎn)稱免疫組化)方法檢測(cè)EC腫瘤組織中的4種錯(cuò)配修復(fù)蛋白，即MLH-1、MSH-2、MSH-6和PMS-2表達(dá)情況，以確定MSI；而術(shù)前預(yù)測(cè)EC MSI為臨床所期待。增強(qiáng)T2*加權(quán)血管成像(enhanced T2 star weighted angiography， ESWAN)序列是采用特殊重建算法的多回波3D T2*磁敏感技術(shù)，基于血氧水平依賴效應(yīng)和不同組織之間的磁敏感性差異進(jìn)行成像；經(jīng)后處理可獲得橫向弛豫率圖(R2*圖)，以定量反映組織的氧合水平[4]。利用紋理分析(texture analysis， TA)方法可系統(tǒng)提取腫瘤紋理特征，采用特定數(shù)學(xué)和統(tǒng)計(jì)學(xué)分析方法發(fā)掘肉眼無(wú)法識(shí)別的腫瘤異質(zhì)性信息，并加以量化[5]。本研究評(píng)估基于術(shù)前R2*圖的腫瘤全域TA預(yù)測(cè)EC MSI的價(jià)值，以期為臨床實(shí)施精準(zhǔn)個(gè)體化治療提供參考。

1 資料與方法

1.1 一般資料 回顧性分析大連醫(yī)科大學(xué)附屬第一醫(yī)院2017年6月—2019年12月38例經(jīng)手術(shù)病理證實(shí)的女性單發(fā)EC患者術(shù)前盆腔MRI資料。納入標(biāo)準(zhǔn)：①完善免疫組化檢測(cè)項(xiàng)目，包括MLH-1、MSH-2、MSH-6和PMS-2指標(biāo)，以其中1種或多種表達(dá)缺失為MSI、4項(xiàng)均表達(dá)為微衛(wèi)星穩(wěn)定(microsatellite stability， MSS)；②無(wú)MR檢查禁忌證，檢查前未接受放射、化學(xué)治療及其他治療或穿刺活檢、刮宮術(shù)等，并于其后2周內(nèi)接受手術(shù)治療；③MR圖像質(zhì)量良好，病灶最大徑≥1.5 cm，病灶于3個(gè)層面中可見(jiàn)。38例中，12例為MSI(MSI組)，年齡47～82歲，平均(64.1±9.8)歲；26例為MSS(MSS組)，年齡35～78歲，平均(56.7±12.8)歲。檢查前患者均簽署知情同意書(shū)。

1.2 儀器與方法 檢查前囑患者禁食并適度飲水充盈膀胱。采用GE Signa HDxt 1.5T MR超導(dǎo)型掃描儀，配備體部8通道相控陣線圈，行盆腔掃描。軸位T1WI：TR/TE 680 ms/10 ms，NEX 2.0，矩陣320×192，層厚/層間距7.0 mm/2.0 mm，F(xiàn)OV 300 mm×300 mm，掃描時(shí)間84 s；軸位T2WI：TR/TE 5 600 ms/88 ms，NEX 3.0，矩陣228×224，層厚/層間距7.0 mm/2.0 mm，F(xiàn)OV 300 mm×300 mm，掃描時(shí)間161 s；ESWAN序列掃描：TR/TE 16.5 ms/2.1、5.1、8.0、10.9、13.8 ms，NEX 0.68，矩陣256×170，層厚/層間距8.0 mm/-4.0 mm，F(xiàn)OV 400 mm×400 mm，F(xiàn)A 12°，采集加速因子2，掃描時(shí)間38 s。

1.3 圖像分割、紋理特征提取 將ESWAN序列原始圖像導(dǎo)入GE AW4.6工作站，經(jīng)后處理獲得R2*圖及其偽彩圖，并以DICOM格式導(dǎo)入ITK-SNAP軟件(www.itksnap.org)；由分別具有7年及10年盆腔MRI診斷經(jīng)驗(yàn)的主治醫(yī)師各1名以盲法共同勾畫(huà)病灶ROI[6]，以T1WI及T2WI為參考，于R2*圖上沿EC病灶邊緣手動(dòng)逐層勾畫(huà)，包含出血、壞死及囊變區(qū)，經(jīng)融合獲得腫瘤全域感興趣容積(volume of interest， VOI)，見(jiàn)圖1。之后應(yīng)用人工智能A.K.軟件(Artificial Intelligence Kit，GE Healthcare，China)提取VOI紋理特征，包括一階統(tǒng)計(jì)、灰度共生矩陣(gray level co-occurence matrix， GLCM)、灰度游程矩陣(gray levelrun length matrix， GLRLM)及灰度區(qū)域大小矩陣(gray level sizezone matrix， GLSZM)共4類。

圖1 患者女，58歲，中分化子宮內(nèi)膜腺癌，MSI A.軸位T2WI(箭示病灶)； B.軸位R2*偽彩圖； C.軸位R2*圖，紅色區(qū)域?yàn)镽OI

1.4 統(tǒng)計(jì)學(xué)分析及模型構(gòu)建 采用SPSS 26.0統(tǒng)計(jì)分析軟件。符合正態(tài)分布的計(jì)量資料采用±s表示，比較以獨(dú)立樣本t檢驗(yàn)，計(jì)數(shù)資料比較采用Fisher精確檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

采用R Studio軟件(版本3.3.2，http://www.Rproject.org)篩選紋理特征并構(gòu)建模型，應(yīng)用Spearman相關(guān)性分析對(duì)提取的全部特征進(jìn)行第1次降維，選擇與MSI狀態(tài)相關(guān)系數(shù)>0.1的特征，同時(shí)剔除特征之間相關(guān)系數(shù)>0.9的特征；后以梯度提升決策樹(shù)(gradient boosting decision tree， GBDT)進(jìn)行第2次特征降維，基于最小損失函數(shù)原則篩選最優(yōu)紋理特征，并構(gòu)建多元logistic回歸模型以預(yù)測(cè)EC MSI狀態(tài)，繪制受試者工作特征(receiver operating characteristic， ROC)曲線評(píng)價(jià)模型的預(yù)測(cè)效能，并計(jì)算曲線下面積(area under the curve， AUC)、準(zhǔn)確率、敏感度及特異度。

2 結(jié)果

2組EC患者一般資料差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)，見(jiàn)表1。

表1 MSI組與MSS組EC患者一般資料比較

共提取74個(gè)紋理特征，包括18個(gè)一階統(tǒng)計(jì)特征、24個(gè)GLCM特征、16個(gè)GLRLM特征和16個(gè)GLSZM特征；經(jīng)Spearman分析得到30個(gè)紋理特征，再經(jīng)GBDT降維篩選，最終得到6個(gè)最優(yōu)紋理特征(表2)，包括1個(gè)一階統(tǒng)計(jì)特征、1個(gè)GLCM特征、2個(gè)GLRLM特征和2個(gè)GLSZM特征，以之構(gòu)建多元logistic回歸模型預(yù)測(cè)EC MSI，得到方程Y=-1.72×特征1+1.95×特征2+1.96×特征3+1.63×特征4+0.44×特征5+0.71×特征6-0.72。ROC曲線(圖2)顯示，logistic回歸模型預(yù)測(cè)EC MSI的AUC、準(zhǔn)確率、敏感度及特異度分別為0.95[95%CI(0.89，1.00)]、89.50%、83.30%及92.30%。

圖2 回歸模型預(yù)測(cè)EC MSI狀態(tài)的ROC曲線

表2 經(jīng)篩選最終得出的6個(gè)最優(yōu)紋理特征

3 討論

TA通過(guò)量化圖像像素的灰度級(jí)變化、空間分布模式特點(diǎn)等，即采用特定方法提取腫瘤的紋理特征參數(shù)，以定量分析其內(nèi)部異質(zhì)性。目前TA相關(guān)EC研究主要集中于評(píng)估其病理特征及預(yù)后。既往研究[7-8]發(fā)現(xiàn)，基于MR T2WI、增強(qiáng)T1WI以及彌散加權(quán)成像(diffusion-weighted imaging， DWI)表觀彌散系數(shù)(apparent diffusion coefficient， ADC)等圖像的紋理特征參數(shù)能有效預(yù)測(cè)EC深肌層浸潤(rùn)、淋巴血管間隙侵犯和病理分級(jí)，但上述研究中的紋理特征僅指一階統(tǒng)計(jì)特征，且均基于腫瘤最大層面、而非腫瘤全域提取特征，未能全面反映腫瘤內(nèi)部異質(zhì)性。YAMADA等[9]針對(duì)121例EC患者ADC圖腫瘤全域VOI共提取45個(gè)紋理特征，分別應(yīng)用21個(gè)與病理級(jí)別相關(guān)的紋理特征(含14個(gè)高階特征)及11個(gè)與腫瘤復(fù)發(fā)生存率相關(guān)紋理特征(含7個(gè)高階特征)建立隨機(jī)森林模型，其預(yù)測(cè)EC高級(jí)別病理類型及無(wú)復(fù)發(fā)生存率的效能均高于單純ADC。GHOSH等[10]觀察基于彌散張量成像(diffusion tensor imaging， DTI)各向異性分?jǐn)?shù)(fractional anisotropy， FA)和平均擴(kuò)散率(mean diffusivity， MD)圖的一階統(tǒng)計(jì)特征評(píng)估EC病理特征的價(jià)值，發(fā)現(xiàn)根據(jù)均勻性、能量及熵等參數(shù)均可有效鑒別EC肌層侵犯程度(深、淺肌層)和病理類型(Ⅰ、Ⅱ型)。GLCM參數(shù)(能量、慣性矩、熵、相關(guān)性和逆差距)與EC細(xì)胞增殖抗原Ki-67表達(dá)存在相關(guān)性，以熵的相關(guān)性最強(qiáng)，提示對(duì)TA與EC免疫組化指標(biāo)建立關(guān)聯(lián)具有可行性[11]。

AHMED等[12]的研究結(jié)果顯示，MSI EC增強(qiáng)T1WI腫瘤增強(qiáng)信號(hào)強(qiáng)度比率高于MSS EC。BHOSALE等[13]報(bào)道， Ⅰ期EC MS組Ⅰ與EC MSS組之間，小視野體素內(nèi)不相干運(yùn)動(dòng)(introvoxel incoherent motion， IVIM)序列圖像標(biāo)準(zhǔn)ADC、真彌散系數(shù)存在差異，但該研究樣本量小(每組6例)。田士峰等[14]分析ESWAN序列多定量參數(shù)預(yù)測(cè)EC MSI的價(jià)值，結(jié)果提示EC MSI 的R2*值大于EC MSS、其T2*值則小于EC MSS，而二者幅度值及相位值差異均無(wú)統(tǒng)計(jì)學(xué)意義，提示R2*及T2*值診斷EC MSI的效能均偏低(AUC為0.797和0.787)；但該研究?jī)H于EC實(shí)質(zhì)區(qū)勾畫(huà)病灶ROI，而未包含腫瘤全域。本研究采用基于R2*圖的腫瘤全域TA建立模型，于術(shù)前評(píng)估EC MSI，結(jié)果顯示模型的診斷效能較高(AUC為0.952)，表明所構(gòu)建模型預(yù)測(cè)EC MSI具有一定價(jià)值，而腫瘤全域TA結(jié)果能更客觀、真實(shí)、全面地體現(xiàn)腫瘤內(nèi)部異質(zhì)性。

EC MSI腫瘤組織內(nèi)常含更多浸潤(rùn)淋巴細(xì)胞以及未分化復(fù)合物[15]，使其單位體積內(nèi)細(xì)胞數(shù)量和代謝水平均高于EC MSS，腫瘤組織耗氧增加，導(dǎo)致脫氧血紅蛋白濃度增高和血氧飽和度降低， R2*圖表現(xiàn)為EC MSI與EC MSS 之間圖像紋理稀疏、規(guī)則及平滑均勻程度存在差異。既往研究[9]認(rèn)為高階特征較一階特征更有利于檢測(cè)腫瘤異質(zhì)性。研究基于R2*腫瘤全域TA共提取74個(gè)一階統(tǒng)計(jì)、GLCM、GLRLM及GLSZM紋理特征，包括56個(gè)為高階特征；而后通過(guò)Spearman相關(guān)性分析和GBDT等方法進(jìn)行特征降維，以合理降低冗余特征可能對(duì)模型造成過(guò)擬合效應(yīng)，最終篩選出的6個(gè)最優(yōu)紋理特征包括反映圖像內(nèi)體素強(qiáng)度分布的最大值、反映灰度空間相關(guān)特性的平方和、反映具備灰度值的像素在既定方向上連續(xù)出現(xiàn)頻數(shù)的低灰度游程優(yōu)勢(shì)和游程熵、反映灰度值相同的聯(lián)通區(qū)域大小的小區(qū)域低灰度優(yōu)勢(shì)和小區(qū)域優(yōu)勢(shì)[16]，可全面反映MSI與MSS狀態(tài)下EC的R2*圖紋理的基元走向、深淺粗細(xì)度、非均勻與復(fù)雜程度、空間排列關(guān)系等多元化差異信息，所建模型預(yù)測(cè)EC MSI具有較高效能。

綜上所述，基于ESWAN序列R2*圖的TA對(duì)術(shù)前預(yù)測(cè)EC MSI具有一定價(jià)值，有助于臨床制定個(gè)體化治療方案。本研究的主要不足：①為單中心研究，且樣本量偏小，有增加特征篩選偶然性的可能；②提取特征數(shù)偏少；③為提高VOI人工勾畫(huà)的準(zhǔn)確性，排除了體積較小的EC病灶，且界定各層面腫瘤邊緣時(shí)存在主觀影響。