張智星， 黃忠江， 何生， 王軍， 梁敏茜， 楊曉芳， 李卓君， 姜增譽， 李健丁

肝硬化是一種慢性、進(jìn)行性、破壞性的肝臟疾病[1]，30%的肝硬化患者最終會發(fā)展為肝細(xì)胞癌，約有90%的肝細(xì)胞癌合并肝硬化[2]。肝硬化患者的肝內(nèi)活性肝細(xì)胞數(shù)目減少從而導(dǎo)致肝臟儲備功能下降，此時若行肝切除術(shù)發(fā)生肝功能衰竭的幾率會大大增加[1,3]。因此，在肝切除術(shù)前對肝硬化患者的肝臟儲備功能進(jìn)行準(zhǔn)確的評估，對降低術(shù)后肝衰竭及死亡的發(fā)生率至關(guān)重要[4]。

目前，Child-Pugh評分系統(tǒng)仍然是臨床上應(yīng)用最廣泛的評估肝儲備功能以及輔助原發(fā)性肝癌分期的重要方法[5,6]。根據(jù)中國臨床腫瘤協(xié)會發(fā)布的《原發(fā)性肝癌診療指南(2020)》指出：Child-Pugh A級是實施肝切除手術(shù)的必要條件之一[7]，而Child-Pugh B級患者選擇肝切除術(shù)應(yīng)該慎重，Child-Pugh C級是肝切除手術(shù)及放化療的絕對禁忌證。因此，術(shù)前定量評估Child-Pugh分級對于患者如何選擇治療方式以及評估預(yù)后具有十分重要的意義[8]。

CT檢查是目前篩查和診斷肝臟疾病的主要影像學(xué)檢查手段[9,10]，但放射科醫(yī)生對肝臟影像表征的主觀觀察還不足以診斷肝臟儲備功能，以致影響治療方案的選擇和患者的預(yù)后。近年來興起的影像組學(xué)能從標(biāo)準(zhǔn)醫(yī)學(xué)影像中高通量挖掘、提取并分析人眼不能直接觀察到的高維影像組學(xué)特征，實現(xiàn)對醫(yī)學(xué)影像的量化分析[11]。本研究使用影像組學(xué)技術(shù)基于CT增強圖像提取肝臟影像組學(xué)特征，建立列線圖模型預(yù)測肝硬化患者的Child-Pugh分級，以期能夠定量評估肝臟儲備功能，輔助臨床診療決策。

材料與方法

1.研究對象

回顧性分析2018年1月-2020年1月于山西醫(yī)科大學(xué)第一醫(yī)院經(jīng)臨床證實為肝硬化并行上腹部增強CT檢查的患者，納入標(biāo)準(zhǔn):①據(jù)中華肝病學(xué)分會《肝硬化診治指南(2019)》[12]中的臨床診斷標(biāo)準(zhǔn)確診為肝硬化的患者；②具有完整的臨床病史資料及腹部CT檢查一周以內(nèi)的實驗室檢查結(jié)果，包括白蛋白水平、膽紅素水平、凝血酶原時間國際標(biāo)準(zhǔn)化比值(International normalized ratio of prothrombin time，INR)等指標(biāo)；③均行腹部增強CT掃描，有完整、清晰的腹部CT影像資料。④均行腹部超聲檢查，有關(guān)于腹水嚴(yán)重程度的診斷報告。排除標(biāo)準(zhǔn):①既往有過介入治療或肝切除術(shù)史的患者；②肝內(nèi)有巨大腫塊(最大直徑>5 cm)或肝內(nèi)有彌漫性病灶(數(shù)目>5個)的患者；③肝靜脈和/或門靜脈主干內(nèi)有血栓或癌栓等改變肝臟血流動力學(xué)而影響肝臟顯像的患者；④因運動等產(chǎn)生偽影導(dǎo)致圖像質(zhì)量不佳者。根據(jù)上述納入標(biāo)準(zhǔn)及排除標(biāo)準(zhǔn)，最終納入符合條件的肝硬化患者共144例。其中Child-Pugh A級33例，Child-Pugh B級61例，Child-Pugh C級50例。

2.肝儲備功能分級

依照《臨床實踐指南：肝膽腫瘤(2020.V4)》[5]中的Child-Pugh評分細(xì)則(表1)，據(jù)每位患者肝性腦病程度、腹水程度、白蛋白水平、膽紅素水平、INR等五項指標(biāo)進(jìn)行評分。每項指標(biāo)按照3個等級分別記為1、2、3分，以5項指標(biāo)的分?jǐn)?shù)總和進(jìn)行Child-Pugh分級：Child-Pugh A級為5～6分；Child-Pugh B級為7～9分；Child-Pugh C級為10～15分。

表1 Child-Pugh評分細(xì)則

3.CT圖像采集

所有患者均接受上腹部CT平掃及增強掃描。采用美國GE64排128層Light Speed螺旋CT、西門子雙源能譜Force CT以及飛利浦IQon光譜CT。3種型號的CT機器采用相同的掃描參數(shù)：橫斷層厚5 mm，層間距5 mm，管電壓120 kV，管電流自動調(diào)控，矩陣512×512，掃描范圍自膈頂至肝右葉下緣。增強掃描用高壓注射器經(jīng)肘靜脈注入對比劑(優(yōu)顯維，370 mg I/mL)，劑量80～100 mL，流率3.0 mL/s，延遲時間分別約為35～40 s、60～80 s、100～120 s，分別獲得動脈期、門脈期和平衡期的肝臟圖像。

4.CT圖像預(yù)處理及特征提取

將DICOM格式的原始CT圖像導(dǎo)入醫(yī)學(xué)圖像處理軟件ITK-SNAP(Penn image computing and science laboratory,version3.8.0)。由4名影像住院醫(yī)師對動脈期、門脈期、平衡期薄層圖像中的肝臟區(qū)域進(jìn)行逐層手動勾畫作為感興趣區(qū)(region of interest，ROI)，勾畫時沿肝臟邊緣進(jìn)行，盡可能避開肝內(nèi)大血管、膽管及病灶，最后儲存為3維容積ROI(圖1)。然后由2名影像診斷主任醫(yī)師(醫(yī)師A與醫(yī)師B)對ROI進(jìn)行檢驗及校準(zhǔn)，之后對醫(yī)師A與醫(yī)師B的檢驗及校準(zhǔn)結(jié)果進(jìn)行一致性分析，計算組內(nèi)相關(guān)系數(shù) (interclass correlation coefficient,ICC) ，最終醫(yī)師A與醫(yī)師B判定結(jié)果比較的ICC為0.866～0.938。說明所提取影像特征在兩者間的一致性較好，其再現(xiàn)性及可重復(fù)性能夠滿足研究需要。使用Pycharm(version-2021.1.3)平臺載入pyradiomics庫對ROI進(jìn)行特征提取，在原始圖像上和衍生圖像上提取一階特征(first order statistics)、形狀特征(shape-based)、灰度共生矩陣特征(gray levelco-occurrence matrix,GLCM)、灰度區(qū)域大小矩陣特征(gray level sizezone matrix,GLSZM)、灰度行程矩陣特征(gray level runLength matrix,GLRLM)、鄰域灰度差矩陣特征(neighborhood graytone difference matrix,NGTDM)以及灰度相關(guān)矩陣特征(gray level dependence matrix,GLDM)，共提取2832個組學(xué)特征。

圖1 肝臟分割與生成3D-ROI。

5.特征篩選及影像組學(xué)標(biāo)簽建立

構(gòu)建Child-PughAVersus (vs) Child-Pugh B/C(數(shù)據(jù)集1)和Child-Pugh A/B vs Child-PughC(數(shù)據(jù)集2)2個數(shù)據(jù)集，將每個數(shù)據(jù)集中的病例按8∶2的比例分層抽樣分為訓(xùn)練集和測試集。采用合成少數(shù)類過采樣技術(shù)(synthetic minority oversampling technique,SMOTE)解決數(shù)據(jù)集中樣本不平衡的問題。使用Z-SCORE技術(shù)對特征進(jìn)行歸一化處理，然后用主成分分析法(principal component analysis,PCA)對特征進(jìn)行降維。使用遞歸特征消除法(recursive feature elimination,RFE)及5倍交叉驗證法進(jìn)行特征選擇，分別選取權(quán)重最高的1～10個影像組學(xué)特征使用邏輯回歸(logistic regression,LR)構(gòu)建影像組學(xué)標(biāo)簽，以交叉驗證集受試者工作特征(receiver operating characteristic,ROC)曲線下面積(area under curve,AUC)最大的模型為最優(yōu)、最穩(wěn)定模型。

6.列線圖預(yù)測模型的建立與評估

根據(jù)影像組學(xué)標(biāo)簽分別創(chuàng)建用于區(qū)分Child-Pugh A級和Child-Pugh B/C級以及區(qū)分Child-Pugh A/B級和Child-Pugh C級的列線圖預(yù)測模型(分別命名為A vs B/C模型與A/B vs C模型)，將模型分別用于訓(xùn)練集與測試集，繪制ROC曲線，并計算AUC。采用Hosmer-Lemeshow擬合優(yōu)度檢驗分析模型的擬合度，并繪制校正曲線。最后繪制臨床決策曲線(decision curve analysis,DCA)評價模型鑒別Child-Pugh分級的凈獲益。

7.統(tǒng)計學(xué)分析

結(jié) 果

1.臨床資料比較

將數(shù)據(jù)集1和數(shù)據(jù)集2分別按照8：2的比例隨機分成訓(xùn)練集和測試集。分別比較2個數(shù)據(jù)集中訓(xùn)練集和測試集的一般臨床資料及實驗室指標(biāo)，發(fā)現(xiàn)差異均無統(tǒng)計學(xué)意義(P>0.05) (表2) 。

2.特征篩選及影像組學(xué)標(biāo)簽建立

在數(shù)據(jù)集1中，經(jīng)特征降維后發(fā)現(xiàn)選取權(quán)重最大的前6個特征(圖2a)所建立的模型在交叉驗證集中表現(xiàn)最優(yōu)，其AUC=0.757 (95%CI：0.840～0.866)。對這6個特征進(jìn)行LR回歸構(gòu)建影像組學(xué)標(biāo)簽計算公式(表3)，并計算每例患者的組學(xué)評分。對每例患者影像組學(xué)標(biāo)簽分?jǐn)?shù)值進(jìn)行統(tǒng)計學(xué)分析顯示訓(xùn)練集與測試集中的Child-Pugh A和Child-Pugh B/C的差異具有統(tǒng)計學(xué)意義(表4)。

在數(shù)據(jù)集2中，經(jīng)特征篩選后發(fā)現(xiàn)選取權(quán)重最大的前4個特征(圖2b)所建立模型的交叉驗證集AUC=0.710(95%CI：0.601～0.812)為最高。用這4個特征構(gòu)建鑒別Child-Pugh A/B與Child-Pugh C的影像組學(xué)標(biāo)簽公式(表5)，并計算每例患者的組學(xué)評分。對每例患者影像組學(xué)標(biāo)簽分?jǐn)?shù)值進(jìn)行統(tǒng)計學(xué)分析顯示訓(xùn)練集與測試集中的Child-Pugh A/B和Child-Pugh C的差異具有統(tǒng)計學(xué)意義(表6)。

圖2 建立最優(yōu)模型所選取的特征及貢獻(xiàn)度，Y軸代表特征名稱，X軸代表貢獻(xiàn)度。a) A vs B/C模型；b) A/B vs C模型。圖3 基于訓(xùn)練集數(shù)據(jù)構(gòu)建的預(yù)測Child-Pugh分級的列線圖。a) A vs B/C模型列線圖； b) A/B vs C模型列線圖。圖4 最優(yōu)模型在訓(xùn)練集及測試集中預(yù)測Child-Pugh分級的效能a)A vs B/C模型; b)A/B vs C模型。

3.列線圖構(gòu)建及效能評價

根據(jù)2個數(shù)據(jù)集中的影像組學(xué)評分創(chuàng)建并繪制Avs B/C模型與A/B vs C模型列線圖(圖3)，列線圖分別給出了預(yù)測肝儲備功能為Child-Pugh B/C與Child-Pugh C的風(fēng)險系數(shù)(0.1～0.99，0.1～0.95)。繪制ROC曲線(圖4)，并計算AUC值、敏感度(sensitivity)、特異度(specificity)、陽性預(yù)測值(positive predictive value,PPV)、陰性預(yù)測值(negative predictive value,NPV)等評價指標(biāo)(表7)。Hosmer-Lemeshow擬合優(yōu)度檢驗顯示列線圖校準(zhǔn)曲線(圖5)在訓(xùn)練集和測試集顯示出良好的校準(zhǔn)性能([A vs B/C模型：訓(xùn)練集P=0.624，測試集P=0.563]，[A/B vs C模型：訓(xùn)練集P=0.137，測試集P=0.059])。采用DCA曲線(圖6)評價模型在臨床上的實用性，A vs B/C模型當(dāng)訓(xùn)練集概率閾值0.19～0.98和測試集概率閾值0.17～0.83時，比認(rèn)為全是Child-Pugh A或全是Child-Pugh B/C獲得更多的凈收益。A/B vs C模型中當(dāng)訓(xùn)練集概率閾值0.09～1.00和測試集概率閾值0.23～0.79時，比認(rèn)為全是Child-Pugh A/B或全是Child-Pugh C獲得更多的凈收益。這證明兩模型在鑒別肝硬化患者Child-Pugh分級方面有較高的臨床應(yīng)用價值。

表2 訓(xùn)練集與測試集肝硬化患者臨床資料與實驗室指標(biāo)比較

表3 鑒別Child-Pugh A與Child-Pugh B/C 的影像組學(xué)評分公式

圖5 模型在訓(xùn)練集與測試集中的校準(zhǔn)曲線。a) A vs B/C模型訓(xùn)練集；b) A vs B/C模型測試集； c) A/B vs C模型訓(xùn)練集； d) A/B vs C模型測試集。

表4 A vs B/C模型訓(xùn)練集和測試集影像組學(xué)標(biāo)簽分?jǐn)?shù)值統(tǒng)計

表5 鑒別Child-Pugh A/B與Child-Pugh C的影像組學(xué)評分公式

表6 A/B vs C模型訓(xùn)練集和測試集影像組學(xué)標(biāo)簽分?jǐn)?shù)值統(tǒng)計

討 論

Child-Pugh分級是目前臨床上使用最廣泛的評價肝硬化患者肝儲備功能的手段，其對減少肝硬化患者肝臟術(shù)后肝衰竭、肝性腦病甚至死亡的發(fā)生至關(guān)重要[12]。但是要進(jìn)行Child-Pugh分級需要搜集多項臨床及實驗室指標(biāo)，在使用時存在一定的局限性[14]。國內(nèi)外學(xué)者研究表明多期增強CT圖像可量化肝循環(huán)血流動力學(xué)改變來評估肝硬化患者的肝儲備功能[15]，Kang等[16]的研究顯示肝臟多期增強CT掃描圖像經(jīng)后處理得到的動脈增強分?jǐn)?shù)可反應(yīng)肝硬化患者的血流動力學(xué)改變，并與Child-Pugh分級存在顯著相關(guān)性(Spearman ρ=0.553，P<0.0001)。容鵬飛等[17]研究表明肝臟3期增強CT圖像經(jīng)后處理得到的肝動脈增強分?jǐn)?shù)對于無肝臟疾病者、肝硬化Child-Pugh A、B、C級的患者具有良好的鑒別能力(AUC均>0.9)。

表7 2組模型在訓(xùn)練集與測試集中的診斷性能

影像組學(xué)是近年來新興的可用于影像診斷的一種新技術(shù)。它能夠在醫(yī)學(xué)圖像的感興趣區(qū)中深度挖掘與疾病診斷相關(guān)的有價值的高維度組學(xué)特征，應(yīng)用影像組學(xué)標(biāo)簽評分將人眼無法觀察的組學(xué)特征轉(zhuǎn)化為定量化的數(shù)值，并依此構(gòu)建模型應(yīng)用于臨床決策?；卺t(yī)學(xué)影像利用影像組學(xué)對肝臟儲備功能進(jìn)行定量分級成為近年來的研究熱點。Shi等[18]回顧性分析了60例肝硬化肝癌患者的釓塞酸二鈉(Gd-EOB-DTPA)增強磁共振圖像的組學(xué)提取特征并利用影像組學(xué)標(biāo)簽建模，研究表明基于增強磁共振圖像的影像組學(xué)模型在進(jìn)行肝儲備功能分級時表現(xiàn)出良好的性能。周瑋等[19]利用影像組學(xué)技術(shù)基于Gd-EOB-DTPA磁共振成像肝膽期圖像創(chuàng)建列線圖實現(xiàn)了對100例肝硬化患者肝儲備功能的Child-Pugh分級(訓(xùn)練集AUC=0.88,測試集AUC=0.86)。

圖6 模型在訓(xùn)練集與測試集中的決策曲線。a) A vs B/C模型訓(xùn)練集；b) A vs B/C模型測試集；c) A/B vs C模型訓(xùn)練集；d) A/B vs C模型測試集。

之前的研究表明利用肝臟影像組學(xué)特征進(jìn)行肝儲備功能分級具有可行性和臨床價值，但目前國內(nèi)外鮮有基于多期增強CT肝臟影像組學(xué)特征進(jìn)行Child-Pugh分級的研究。本研究基于肝硬化患者腹部3期增強CT圖像，利用肝臟區(qū)域與Child-Pugh分級相關(guān)性最高的組學(xué)特征建立影像組學(xué)標(biāo)簽，并創(chuàng)建可視化的列線圖模型進(jìn)行肝儲備功能的預(yù)測，列線圖在訓(xùn)練集與測試集均表現(xiàn)出良好性能。雖Shi等[18]與周瑋等[19]研究取得了理想的實驗結(jié)果，但是Gd-EOB-DTPA作為對比劑較為昂貴，且檢查耗時較長，在臨床上廣泛性用于肝功能評價時存在困難。而本研究的優(yōu)勢在于采用了更為低價、更為常規(guī)的增強CT掃描，這提高了在臨床上將影像組學(xué)技術(shù)應(yīng)用于肝儲備功能分級的普適性。而且與周瑋等[19]只提取了肝膽期圖像的396個特征不同，本研究提取了肝臟增強CT 3期原始圖像及衍生圖像中的2832個影像組學(xué)特征，相比較而言，提取的特征更多、更為全面，以免遺漏有價值的特征。周瑋等[19]只進(jìn)行了Child-Pugh A與Child-Pugh B/C的分級，而本研究所建兩個模型可精準(zhǔn)預(yù)測Child-Pugh A、B、C，可為臨床提供更為細(xì)致的肝功能分級的信息，而且本研究所建立的A vs B/C模型在訓(xùn)練集上的診斷性能較周瑋等[19]提升了約5%(本研究A vs B/C模型：AUC=0.920,周瑋等[19]A vs B/C模型：AUC=0.880)。本研究通過挖掘與Child-Pugh分級相關(guān)的肝臟影像組學(xué)特征，建立影像組學(xué)標(biāo)簽并構(gòu)建列線圖，成功地實現(xiàn)了在腹部CT圖像中初步診斷肝儲備功能Child-Pugh分級的功能，這為之后利用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)自動化實現(xiàn)肝臟儲備功能評估提供了可靠依據(jù)。

本研究存在局限性。首先，本研究屬于回顧性的單中心小樣本研究，后期需要擴大樣本量進(jìn)行前瞻性研究并利用其他中心的數(shù)據(jù)進(jìn)行外部驗證以證實模型的泛化能力。其次，Child-Pugh分級屬于半定量分析方法，存在部分主觀因素，以后將加入吲哚氰綠(ICG)清除試驗這一定量指標(biāo)或以病理結(jié)果作為金標(biāo)準(zhǔn)來建模，以提高模型的魯棒性。

綜上，本研究基于不同肝儲備功能的肝硬化患者腹部增強CT圖像，利用影像組學(xué)技術(shù)提取肝區(qū)有價值的影像組學(xué)特征，建立組學(xué)標(biāo)簽并創(chuàng)建用于Child-Pugh分級的列線圖預(yù)測模型，模型表現(xiàn)出較高的預(yù)測能力并具有臨床實用性，可將其作為評估肝儲備功能的可靠工具來輔助臨床醫(yī)生進(jìn)行診療決策。