謝麗霞 呂海香 曾歡 劉翰文 鐘榮明

（廣東省人民醫(yī)院贛州醫(yī)院（贛州市立醫(yī)院）放射影像科，江西 贛州 341000）

近年來，頭頸部惡性腫瘤的發(fā)病率持續(xù)增長。臨床對早期或局限性頭頸部惡性腫瘤患者常采用單一治療方法。同步放化療是局部晚期頭頸部惡性腫瘤患者的主要治療方式，通過開展同步放化療可減少患者術(shù)后周圍神經(jīng)浸潤、血管侵犯或淋巴結(jié)轉(zhuǎn)移等風(fēng)險[1]。目前，隨機森林算法在國內(nèi)外影像學(xué)領(lǐng)域受到高度關(guān)注，在腫瘤的診斷與評估中均能發(fā)揮良好的作用[2]。本研究旨在有效提升對頭頸部腫瘤患者放化療結(jié)局的預(yù)測評估準確性，選取頭頸部腫瘤放化療患者后，為其開展了MRI影像組學(xué)及隨機森林模型評估，通過進行矢狀面T2WI與增強T1WI掃描，提取影像組學(xué)特征并實施隨機森林測試，最終獲得MRI影像組學(xué)及隨機森林模型預(yù)測頭頸部腫瘤放化療結(jié)局的作用及價值，從而為頭頸部腫瘤放化療患者形成良好臨床獲益。報道如下。

1 資料與方法

1.1 一般資料 選取2020年1月至2021年11月我院頭頸部腫瘤患者100例。在本組患者中男性75例（75.0%），女性25例（25.0%）；年齡22～83歲，平均（61.7±5.8）歲；其中，喉癌9例（9.0%），甲狀腺癌17例（17.0%），食管癌24例（24.0%），鼻咽癌50例（50.0%）。本研究中涉及內(nèi)容均經(jīng)過本院醫(yī)學(xué)倫理委員會批準，患者或家屬簽署知情同意書。

1.2 納入與排除標(biāo)準 納入標(biāo)準：①符合頭頸部惡性腫瘤的病理診斷標(biāo)準。②入組前未行手術(shù)、放化療等治療。③入組后接受放化療。④具有良好依從性。排除標(biāo)準：①合并肝腎功能障礙。②存在精神系統(tǒng)疾病病史。③接受了影像研究結(jié)果的治療方式。

1.3 方法

1.3.1 儀器與參數(shù) 在檢查時輔助患者取仰臥位，使用1.5T MRI掃描儀與3.0T掃描儀，采取體部相控陣線圈。矢狀面T2WI掃描參數(shù)：1.5T MRI，層厚為5.0 mm，間距為6.0 mm，層數(shù)為20，F(xiàn)OV為340 mm×340 mm，TE為125 ms，TR為4120 ms；3.0T MRI，層厚為5.0 mm，間距為1.0 mm，層數(shù)為24，F(xiàn)OV為240 mm×240 mm，TE為116 ms，TR為4500 ms。而后經(jīng)患者周靜脈注入扎特酸葡胺0.5 mL/kg與生理鹽水20 mL，速率為2 mL/s，在注射后的19 s、35～50 s以及112～130 s時反復(fù)開展3個時相的增強掃描，隨后再行冠狀面、橫軸面延遲掃描。增強T1WI掃描參數(shù)：1.5T MRI，層厚為2.5 mm，間距為0 mm，層數(shù)為48，F(xiàn)OV為340 mm×340 mm，TE為1.55 ms，TR為3.25 ms；3.0T MRI，層厚為2.5 mm，間距為0 mm，層數(shù)為48，F(xiàn)OV為360 mm×282 mm，TE為1.22 ms，TR為3.22 ms。

1.2.2 分割圖像、提取影像組學(xué)特征及建立模型的方法 在矢狀面T2WI與增強T1WI掃描圖像中勾畫腫瘤組織的各個層面，綜合各層面將其保存在三維圖像Mask并獲得VOI。使用軟件工具包提取所有影像VOI腫瘤區(qū)域的影像組學(xué)特征。提取包括鄰域灰度差分矩陣、灰度相關(guān)矩陣、灰度級長矩陣、灰度級帶矩陣、灰度共生矩陣、形狀及一階統(tǒng)計量7類影像組學(xué)特征，采取分層抽樣發(fā)（1∶4）將患者的不同掃描影像數(shù)據(jù)劃分為測試集與訓(xùn)練集。開展隨機森林模型訓(xùn)練使用集成學(xué)習(xí)算法RF分類器，在2種掃描模式下建立預(yù)測模型，結(jié)合患者的放化療結(jié)局評價其預(yù)測效能。

1.3.3 放化療結(jié)局評估方法 在完成同步放化療后，采用實體瘤的療效評價標(biāo)準（RECIST 1.1）對患者放化療結(jié)局進行評估。其中，腫瘤完全消失為完全緩解（CR），腫瘤減少50%以上為部分緩解（PR），腫瘤面積減少不到50%或增大不超過25%為疾病穩(wěn)定（SD），出現(xiàn)新發(fā)病灶組織或腫瘤面積增大超過25%為疾病進展期（PD），以CR+PR為敏感，以SD+PD為不敏感[3]。

1.4 觀察指標(biāo) 分別比較平掃T∶WI測試集與訓(xùn)練集兩組患者的基本資料，觀察平掃T2WI以及增強T1WI的影像組學(xué)結(jié)果，評價MRI影像組學(xué)模型對放化療后結(jié)局的預(yù)測作用及診斷效能。

1.5 統(tǒng)計學(xué)方法 采用SPSS 22.0統(tǒng)計學(xué)軟件對數(shù)據(jù)進行分析。計量資料采用（）表示，組間比較行t檢驗；計數(shù)資料采用[n（%）]表示，組間比較行χ2檢驗；采用ROC曲線分析基于MRI影像組學(xué)的隨機森林模型對頭頸部腫瘤放化療結(jié)局的預(yù)測價值；P＜0.05表示差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 平掃T2WI的影像組學(xué)結(jié)果 100例頭頸部腫瘤患者均獲得完整平掃T2WI圖像，根據(jù)分層抽樣法得到測試集20例與訓(xùn)練集80例，兩組患者的基本資料比較差異均無統(tǒng)計學(xué)意義（P＞0.05）。見表1。選取測試集中最佳特征子集30個，應(yīng)用RF分類器完成頭頸部腫瘤放化療結(jié)局的預(yù)測模型，測得特異度為93.1%，敏感度為88.2%，準確性為91.2%，AUC為0.935。見表2。根據(jù)影像組學(xué)特征評定其重要性評分，前3位表現(xiàn)為形狀平坦度、灰度級帶矩陣區(qū)域方差、灰度級長矩陣運行方差。

表1 平掃T2WI測試集與訓(xùn)練集兩組患者的基本資料比較

表2 平掃T2WI模型與增強T1WI模型對放化療后結(jié)局的預(yù)測診斷效能比較

2.2 增強T1WI的影像組學(xué)結(jié)果 100例頭頸部腫瘤患者均獲得完整增強T1WI圖像，根據(jù)分層抽樣法得到測試集20例與訓(xùn)練集80例，兩組患者的年齡與性別比較差異無統(tǒng)計學(xué)意義（P＞0.05），但兩組的放化療結(jié)局比較差異有統(tǒng)計學(xué)意義（P＜0.05）。見表3。選取測試集中最佳特征子集30個，應(yīng)用RF分類器完成頭頸部腫瘤放化療結(jié)局的預(yù)測模型，測得特異度為75.4%，敏感度為100.0%，準確性為82.1%，AUC為0.819。見表2。根據(jù)影像組學(xué)特征評定其重要性評分，前3位表現(xiàn)為形狀平坦度、灰度相關(guān)矩陣高灰度依賴程度、灰度共生矩陣相關(guān)性。

表3 增強T1WI測試集與訓(xùn)練集兩組患者的基本資料比較

3 討 論

近年來，頭頸部惡性腫瘤已成為國內(nèi)外臨床中常見的惡性腫瘤。調(diào)查數(shù)據(jù)顯示，頭頸部惡性腫瘤的發(fā)病率在各類腫瘤中占第7位，每年約有88萬新發(fā)病例，約45萬人由于頭頸部惡性腫瘤導(dǎo)致死亡[4-5]。目前，局限性或早期頭頸部惡性腫瘤患者主要采取手術(shù)或放療的單一治療方法，對于此類患者行手術(shù)或放療取得的療效基本相當(dāng)。但局部晚期頭頸部惡性腫瘤患者在手術(shù)后仍需接受化療聯(lián)合治療[6]，部分患者在手術(shù)后仍會存在周圍神經(jīng)浸潤、血管侵犯或淋巴結(jié)轉(zhuǎn)移等高危風(fēng)險，還需進一步補充放療或給予同步放化療[7-8]。隨著臨床影像診斷學(xué)技術(shù)的不斷發(fā)展，頭頸部病變的診斷篩查方法也取得了顯著進步。新型影像診斷方法不僅在使用效果上得到認可，而且其易用性與使用成本也具備良好的優(yōu)勢?，F(xiàn)階段，超聲、CT、MRI等影像技術(shù)均已被應(yīng)用于頭頸部病變的篩查診斷中，通過開展MRI檢查還能進一步了解腫瘤組織范圍及其與周圍結(jié)構(gòu)的關(guān)系。超聲對操作者的要求較高，對于實性病變的鑒別能力相對偏差。CT不僅對人體存在輻射，而且難以準確顯示病灶內(nèi)部結(jié)構(gòu)。MRI的軟組織分辨率高，但常規(guī)MRI檢查并不能準確評價惡性腫瘤的類型及其惡性程度。因此，還需要尋找新的影像診斷方法，以為頭頸部惡性腫瘤患者的篩查診斷及預(yù)后評估形成積極作用[9-11]。

2012年，來自荷蘭的研究人員提出了影像組學(xué)概念，通過高通量獲取大量的醫(yī)學(xué)影像特征，采取自動化數(shù)據(jù)算法將圖像具化為空間數(shù)據(jù)，此類空間數(shù)據(jù)具有可深度挖掘、高分辨率等特征，據(jù)此完成建模分析，客觀定量地進行疾病診斷及預(yù)后評估[12]?，F(xiàn)階段，該種影像組學(xué)技術(shù)被認為是改進醫(yī)學(xué)影像評估質(zhì)量的重要途徑，現(xiàn)已被應(yīng)用在多種惡性腫瘤的診斷中。隨機森林算法主要是指一種新型且具有高度靈活性的集成學(xué)習(xí)算法，其中含有較多的決策樹，在多個領(lǐng)域均有廣泛的應(yīng)用前景[13]。該種學(xué)習(xí)算法融合了不同集成方式[14]，促使獲得了不同的決策樹集成學(xué)習(xí)算法，在實際應(yīng)用時善于快速、大量處理數(shù)據(jù)集[15]，同時存在較強的泛化能力，增強了計算效率，使用便捷性極高[16-17]。目前，在國內(nèi)外的醫(yī)學(xué)圖像分析系統(tǒng)中已使用了隨機森林算法，將其應(yīng)用于影像分析中有助于提高自動化與準確性[18-20]。在頭頸部腫瘤診斷及療效評估中，MRI始終為其重要影像學(xué)檢查方法，能夠為診斷、評估疾病發(fā)揮可靠作用，但基于MRI影像組學(xué)的隨機森林模型對頭頸部腫瘤放化療結(jié)局的預(yù)測作用仍有待研究。

本研究結(jié)果顯示，平掃T2WI測得特異度為93.1%，敏感度為88.2%，準確性為91.2%，AUC為0.935。根據(jù)影像組學(xué)特征評定其重要性評分，前3位表現(xiàn)為形狀平坦度、灰度級帶矩陣區(qū)域方差、灰度級長矩陣運行方差。增強T1WI測得特異度為75.4%，敏感度為100.0%，準確性為82.1%，AUC為0.819。根據(jù)影像組學(xué)特征評定其重要性評分，前3位表現(xiàn)為形狀平坦度、灰度相關(guān)矩陣高灰度依賴程度、灰度共生矩陣相關(guān)性。

由此可見，基于MRI影像組學(xué)的隨機森林模型對頭頸部腫瘤放化療結(jié)局有較好的預(yù)測作用，而平掃T2WI具有更好的臨床應(yīng)用潛力。