龍治豪 連海偉 邢變枝 劉仁忠

膠質(zhì)瘤是最常見的顱內(nèi)原發(fā)性惡性腫瘤。根據(jù)病理學(xué)特征，WHO將膠質(zhì)瘤分為Ⅰ～Ⅳ級，描述腫瘤惡性程度，其中異檸檬酸脫氫酶1（isocitric dehydrogenase 1，IDH-1）基因突變和Ki-67表達水平為重要的診斷依據(jù)[1]。IDH-1 基因突變是評估膠質(zhì)瘤病人預(yù)后的重要指標，IDH-1 野生型提示預(yù)后不良[2，3]。Ki-67 表達水平反應(yīng)腫瘤增殖情況，對膠質(zhì)瘤的診斷、治療和預(yù)后評估有指導(dǎo)意義[4]。術(shù)前對膠質(zhì)瘤IDH-1 基因突變和Ki-67 表達水平進行評估，可為膠質(zhì)瘤病人提供無創(chuàng)的診斷[5]。近年來，研究表明，影像組學(xué)可通過大量病人影像學(xué)資料的機器深度學(xué)習(xí)，構(gòu)建疾病診斷、預(yù)后預(yù)測模型，為優(yōu)化疾病的診斷、預(yù)后預(yù)測提供有價值的信息[6]。本文探討基于T2WI 序列影像組學(xué)模型預(yù)測膠質(zhì)瘤IDH-1 基因突變和Ki-67表達水平的價值。

1 資料與方法

1.1 研究對象 納入標準：①行腫瘤切除術(shù)或活檢術(shù)；②術(shù)后病理診斷為腦膠質(zhì)瘤，且包含完整的IDH-1或Ki-67檢測結(jié)果；③具有完整清晰可用于分析的術(shù)前MRI影像資料。排除標準：①IDH-1或Ki-67檢測結(jié)果不明確；②MRI序列不完整，所需序列不清晰或有明顯偽影，或者未滿足診斷標準；③二次或多次手術(shù)。

收集2017年1月至2021年6月經(jīng)手術(shù)切除且病理診斷為腦膠質(zhì)瘤的臨床、病理和術(shù)前影像學(xué)資料。根據(jù)納入排除標準最終篩選出77例，其中男41例，女36 例；年齡11～73 歲，平均（48.64±13.64）歲。72 例IDH-1 基因檢測結(jié)果完整（IDH-1 組），75 例Ki-67檢測結(jié)果完整（Ki-67組），兩者檢測結(jié)果均完整共70 例。IDH-1 組男40 例，女32 例；野生型47例，突變型25例。Ki-67組男40例，女35例；低表達48例，高表達27例。

1.2 影像學(xué)資料 選取顱腦軸位T2WI序列，均于武漢大學(xué)人民醫(yī)院放射科采集。儀器設(shè)備：3.0 T超導(dǎo)型磁共振掃描儀。掃描參數(shù)：TR/TE為3 000 ms/15ms，F(xiàn)lip角為90°，視野為230×230，重建矩陣為128×128，采樣矩陣為96×96，層距為2.0 mm，層厚為5.0 mm，激勵次數(shù)為1次等。

1.3 影像組學(xué)分析

1.3.1 感興趣區(qū)域（region of interest，ROI）的選擇 使用T2WI軸位像選擇ROI（圖1A、2A）。將MRI資料上傳至ITK-SNAP（Version3.8.0）軟件[7]，先手動沿腫瘤邊緣逐層選擇ROI，再由神經(jīng)外科、影像科高年資醫(yī)師各一名進行審核，有爭議時，由影像學(xué)科醫(yī)師確定。腫瘤區(qū)域選擇時，參考T1WI和T1WI+C 序列，涵蓋囊變或壞死區(qū)。

1.3.2 影像組學(xué)特征的提取和篩選 首先，進行圖像預(yù)處理，包括圖像歸一化、偏置場矯正和重采樣。然后，應(yīng)用Python3.0 和Pyradiomics（https://pyradiomics.readthedocs.io/）處理影像數(shù)據(jù)和ROI數(shù)據(jù)，提取特征包括一階特征、形態(tài)特征和紋理特征，其中紋理特征包括灰度共生矩陣參數(shù)、灰度行程矩陣參數(shù)、灰度尺寸區(qū)域矩陣、鄰域灰度差矩陣參數(shù)、灰度相關(guān)矩陣參數(shù)、小波濾波特征和高斯-拉普拉斯濾波特征，共提取影像特征1 037個。

應(yīng)用Python 3.0，將IDH-1野生型病例添加標簽“0”，突變病例添加標簽“1”。根據(jù)Beesley[8]報道方法將Ki-67 表達水平陽性率分為4 級：0～4%為0 級，5%～24%為1 級，25%～49%為2 級，50%以上為3 級。本文將Ki-67 表達水平分為低表達組（0～1 級）和高表達組（2～3級），并分別添加標簽“0”和“1”。然后，將影像組學(xué)特征值進行標準化、混序，先用兩獨立樣本t檢驗進行篩選，排除組間無統(tǒng)計學(xué)差異的特征值，再用LASSO回歸進一步篩選。

1.3.3 影像組學(xué)模型的建立及驗證 使用Python 3.0和scikit-learn機器學(xué)習(xí)算法進行影像組學(xué)模型建立和驗證。將數(shù)據(jù)按7:3的比例分為訓(xùn)練集和測試集，分別用于影像組學(xué)模型的建立和驗證。使用隨機森林和參數(shù)優(yōu)化后的支持向量機兩種分類器建立影像組學(xué)模型。最后，繪制受試者工作特征（receiver operating characteristic，ROC）曲線，并計算曲線下面積（area under curve，AUC）判斷模型預(yù)測IDH-1基因突變和Ki-67表達水平的靈敏度、特異度。

2 結(jié)果

2.1 影像組學(xué)特征篩選結(jié)果IDH-1 組t檢驗篩選出47 個特征，再通過LASSO 回歸篩選出11 個特征（圖1B～D；表1）。Ki-67組t檢驗篩選出17個特征，再通過LASSO回歸篩選出10個特征（圖2B～D；表2）。

表1 IDH-1組特征值及其權(quán)重

表2 Ki-67組特征值及其權(quán)重

圖1 基于MRI T2WI影像組學(xué)模型預(yù)測膠質(zhì)瘤IDH-1突變特征篩選結(jié)果

圖2 基于MRI T2WI影像組學(xué)模型預(yù)測膠質(zhì)瘤Ki-67表達水平特征篩選結(jié)果

2.2 影像組學(xué)模型的預(yù)測效能 支持向量機和隨機森林兩種影像組學(xué)模型的敏感度、特異度與AUC 見表3，其ROC曲線見圖3。兩種模型的對IDH-1基因突變和Ki-67表達水平均有較好的預(yù)測效能（AUC＞0.850），兩種模型的預(yù)測準確率均大于0.880，其中隨機森林比支持向量機的效果更好。

圖3 不同機器學(xué)習(xí)分類器的ROC曲線

表3 機器學(xué)習(xí)ROC曲線結(jié)果

3 討論

IDH-1 基因突變和Ki-67 表達水平對膠質(zhì)瘤病人的預(yù)后評估具有重要意義。IDH-1突變型膠質(zhì)瘤病人預(yù)后優(yōu)于野生型病人[9]，IDH-1 突變型膠質(zhì)瘤DNA 甲基化增加、生物學(xué)侵襲行為減少、總生存期延長[10]。膠質(zhì)瘤Ki-67 表達水平明顯高于正常腦組織[11]，Ki-67表達水平越高，腫瘤惡性程度越高、預(yù)后越差[12]。IDH-1 基因突變和Ki-67 表達水平的檢測依賴腫瘤組織病理檢查，是一種具有侵襲性的檢查，而且還存在取樣誤差、有時臨床難以獲得滿意的數(shù)據(jù)等局限性。

影像組學(xué)作為一個新興的技術(shù)，近年來被廣泛應(yīng)用于腫瘤的診斷、治療及預(yù)后的評價和預(yù)測，基于T2WI、T1WI+C、ADC、PET-CT/MR 的影像組學(xué)分析、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等均表現(xiàn)出對膠質(zhì)瘤基因型和腫瘤分級的良好預(yù)測能力，其中多序列和多臨床參數(shù)的影像組學(xué)聯(lián)合模型進一步提高了對腫瘤IDH等基因突變的預(yù)測能力[13]。MRI T2WI序列影像學(xué)特征表現(xiàn)為膠質(zhì)瘤診斷的依據(jù)之一[14]。本文提取MRI T2WI序列影像組學(xué)特征，構(gòu)建支持向量機和隨機森林兩種機器學(xué)習(xí)分類器，預(yù)測膠質(zhì)瘤IDH-1 基因突變和Ki-67 表達水平，預(yù)測準確率超過88.0%。這提示MRI T2WI 序列影像組學(xué)特征對膠質(zhì)瘤病理結(jié)果具有較高的預(yù)測準確率，可為臨床確定腫瘤手術(shù)方案、評估膠質(zhì)瘤預(yù)后等提供依據(jù)。

值得注意的是，灰度相關(guān)矩陣參數(shù)中的大依賴高灰度增強特征表示具有較高灰度值的高相關(guān)性體素的聯(lián)合分布情況，此特征在鑒別IDH-1 基因突變中有特殊意義。此外，IDH-1 組特征值權(quán)重絕對值最大的特征為一階特征平均值，這說明腫瘤組織T2WI 序列平均灰度在鑒別IDH-1 基因突變中可能具有較高的價值。這提示對T2WI 序列信號分布均勻的膠質(zhì)瘤，可以通過T2WI序列灰度預(yù)測IDH-1基因突變情況。但是對有鈣化或者囊變的膠質(zhì)瘤瘤，這種評估就相對比較困難。

Ki-67 組特征值權(quán)重絕對值最大的特征為偏度特征，表明體素灰度平均值分布的不對稱性；其次是逆差歸一化特征，表示圖像局部均勻程度。這兩個特征分別從整體和局部描述灰度的不均勻程度。這提示T2WI灰度分布不均勻程度反映Ki-67表達水平的差異。

本文的局限性：①樣本相對較少；②回顧性研究，存在選擇性偏倚；③未根據(jù)膠質(zhì)瘤級別進行亞組分析；④為單序列影像組學(xué)分析；⑤由于分類器原理，無法分析各特征值與基因型的具體關(guān)系；⑥未對預(yù)測結(jié)果進行交叉驗證。

總之，本文基于MRI T2WI序列建立支持向量機和隨機森林機器學(xué)習(xí)分類器預(yù)測膠質(zhì)瘤IDH-1基因突變和Ki-67 表達水平，準確率均超過88.0%，具有良好的應(yīng)用價值，為膠質(zhì)瘤術(shù)前預(yù)測提供了新思路。