劉琢玉，黃小華，陳雨薇，胡云濤，唐玲玲，劉念

作者單位：川北醫(yī)學(xué)院附屬醫(yī)院放射科，南充 637000

胰腺導(dǎo)管腺癌（pancreatic ductal adenocarcinoma,PDAC）占胰腺惡性腫瘤的95%，5 年存活率僅為1%～5%[1-2]。接受根治性手術(shù)的PDAC 患者生存率有所提高，但伴有淋巴結(jié)轉(zhuǎn)移的患者預(yù)后差，且術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)高[3-5]。因此，術(shù)前準(zhǔn)確評(píng)估PDAC 淋巴結(jié)狀態(tài)對(duì)指導(dǎo)臨床醫(yī)師治療方案的選擇及預(yù)后預(yù)測的評(píng)估至關(guān)重要。計(jì)算機(jī)體層攝影（computed tomography, CT）和MRI 檢測PDAC 的敏感度分別為76%～96%、83%～93.5%[2]，但在術(shù)前評(píng)估淋巴結(jié)狀態(tài)的準(zhǔn)確性方面仍存在很大挑戰(zhàn)[6-7]。影像組學(xué)通過量化定量特征來表征腫瘤的生物學(xué)特點(diǎn)[8-9]，已用于胰腺腫瘤的鑒別診斷、療效評(píng)估與預(yù)后預(yù)測等方面[10-14]。目前已有少數(shù)基于影像組學(xué)預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移的研究，然而這些研究多基于增強(qiáng)CT圖像且研究多采用單一建模方法[15-18]。因此，本研究旨在利用三種機(jī)器學(xué)習(xí)模型探討T1WI 動(dòng)脈期圖像預(yù)測PDAC 患者淋巴結(jié)轉(zhuǎn)移的價(jià)值，以期獲得一種無創(chuàng)、準(zhǔn)確且便利的術(shù)前預(yù)測淋巴結(jié)轉(zhuǎn)移的方法。

1 材料與方法

1.1 研究對(duì)象

本研究經(jīng)川北醫(yī)學(xué)院附屬醫(yī)院倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：2022ER045-1?；仡櫺苑治霰驹?016 年3 月至2022 年3 月收治的121 例經(jīng)術(shù)后病理證實(shí)為PDAC 患者的MRI 圖像及臨床病理信息。男73 例，女48 例，年齡（61±10）歲。納入標(biāo)準(zhǔn)：（1）術(shù)后病理證實(shí)為PDAC；（2）術(shù)中行淋巴結(jié)清掃且具有術(shù)后詳細(xì)淋巴結(jié)病理報(bào)告；（3）MRI 增強(qiáng)掃描在術(shù)前1 個(gè)月內(nèi)進(jìn)行。排除標(biāo)準(zhǔn)：（1）圖像質(zhì)量不符合診斷標(biāo)準(zhǔn)；（2）術(shù)前進(jìn)行抗癌治療；（3）有其他惡性腫瘤患者。根據(jù)術(shù)后淋巴結(jié)病理結(jié)果：淋巴結(jié)轉(zhuǎn)移陽性者44例，陰性者77例。

本研究患者納入過程：在本院圖片歸檔和通信系統(tǒng)（picture archiving and communication system,PACS）中查找疑似PDAC 且行MRI 掃描患者共307 例，排除未行T1WI 增強(qiáng)掃描患者21 例、非PDAC 患者20 例、圖像質(zhì)量不符合標(biāo)準(zhǔn)14 例，共獲得MRI 診斷為PDAC 患者252 例。而后排除術(shù)前進(jìn)行抗癌治療患者23 例、未進(jìn)行術(shù)后病理證實(shí)為PDAC 患者71 例、未進(jìn)行術(shù)后淋巴結(jié)病理檢查29 例、同時(shí)患有其他惡性腫瘤者8 例，最終納入患者121 例。將患者按7∶3 的比例隨機(jī)分為訓(xùn)練組（83例）與驗(yàn)證組（38例）。

1.2 MRI掃描

采用GE Discovery MR 750 3.0 T 及聯(lián)影UMR790 3.0 T 掃描儀和32 通道相控陣線圈行腹部常規(guī)序列掃描，GE Discovery MR 750 3.0 T 掃描序列及參數(shù)：軸位LAVA 三期動(dòng)態(tài)增強(qiáng)掃描序列，TR 4 ms，TE 1.9 ms，層厚5 mm，間距0 mm，矩陣224×190，視野36 cm×36 cm。聯(lián)影UMR790 3.0 T 掃描序列及參數(shù)：軸位Quick 3D三期動(dòng)態(tài)增強(qiáng)掃描序列，TR 3 ms，TE 1.5 ms，層厚5 mm，間距0 mm，矩陣256×224，視野40 cm×30 cm。以2.5 mL/s的流速靜脈注射釓貝葡胺注射液（0.1 mmol/kg；上海博萊科信誼藥業(yè)有限責(zé)任公司），然后用10 mL 生理鹽水沖洗?？紤]到患者年齡、心功能等個(gè)體差異，動(dòng)脈期時(shí)間約為注射對(duì)比劑后16 s～20 s。

1.3 圖像分割及特征提取

使用3D slicer（version 4.11.20210226，美國，https://www.slicer.org/）進(jìn)行感興趣區(qū)（region of interest, ROI）勾畫及特征提取。一位具有5 年工作經(jīng)驗(yàn)的影像科醫(yī)師在T1WI動(dòng)脈期圖像上逐層勾勒胰腺腫塊輪廓，獲取胰腺腫塊的三維感興趣容積（圖1）。同時(shí)一位具有7年工作經(jīng)驗(yàn)的影像科醫(yī)師隨機(jī)抽取一半圖像進(jìn)行ROI 勾畫。基于3D slicer 軟件中Python包“PyRadiomics”提取特征，包括形狀特征、一階特征、灰度共生矩陣特征、灰度區(qū)域大小矩陣特征、灰度行程矩陣特征、灰度相關(guān)矩陣特征、鄰域灰度差矩陣特征及經(jīng)小波及拉普拉斯變換后的特征共1223個(gè)。由于本研究收集不同型號(hào)磁共振掃描儀的圖像，為保證模型的泛化能力和結(jié)果的可重復(fù)性，在特征提取之前進(jìn)行重采樣，并對(duì)提取的數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化處理。

圖1 胰腺腫塊三維感興趣區(qū)勾畫示意圖。1A、1B：男，64歲，淋巴結(jié)轉(zhuǎn)移陽性；1C、1D：男，53歲，淋巴結(jié)轉(zhuǎn)移陰性。1A、1C：腫瘤最大層面的橫斷面圖像，1A中紅箭所示為轉(zhuǎn)移性淋巴結(jié)；1B、1D：3D-Slicer軟件靶區(qū)勾畫示意圖。Fig.1 Schematic diagram of the three-dimensional region of interest (ROI) of pancreatic masses. 1A and 1B: Male, 64 years old, positive for lymph node metastasis.1C and 1D:Male,53 years old,negative for lymph node metastasis.1A and 1C are the cross-sectional images of the largest level of the tumor,red arrow in 1A shows the metastatic lymph nodes.1B and 1D are the sketch diagrams of 3D-slicer software target area.

1.4 評(píng)估觀察者間的一致性檢驗(yàn)

影像組學(xué)特征在觀察者間的一致性檢驗(yàn)采用組間相關(guān)系數(shù)（interclass correlation coefficient,ICC）作為度量指標(biāo)，對(duì)兩名醫(yī)師勾畫ROI后所提取的影像組學(xué)特征進(jìn)行ICC 檢驗(yàn)，ICC≥0.75 認(rèn)為具有較好的一致性。

1.5 特征選擇及模型建立

采用單因素分析（Student'st檢驗(yàn)和曼—惠特尼U檢驗(yàn)）選擇兩組間差異有統(tǒng)計(jì)學(xué)意義的特征，進(jìn)而使用最小絕對(duì)收縮與選擇算子（least absolute shrinkage and selection operator, LASSO）進(jìn)行特征選擇，將部分參數(shù)的回歸系數(shù)抑制為0，再通過LASSO 算法下十折交叉驗(yàn)證完成參數(shù)篩選，選擇最優(yōu)影像組學(xué)特征。使用支持向量機(jī)、邏輯回歸及決策樹3種機(jī)器學(xué)習(xí)方法對(duì)最優(yōu)特征子集進(jìn)行模型構(gòu)建。將121 例患者按7∶3 隨機(jī)分為訓(xùn)練集（83 例）和驗(yàn)證集（38 例）。在訓(xùn)練組中進(jìn)行模型的訓(xùn)練、并在驗(yàn)證組中進(jìn)行模型性能驗(yàn)證。

1.6 統(tǒng)計(jì)學(xué)方法

采用SPSS（25.0 版，IBM 公司，美國）完成臨床病理資料的統(tǒng)計(jì)分析，滿足正態(tài)分布的計(jì)量資料用平均值±標(biāo)準(zhǔn)差（±s）表示，組間比較采用獨(dú)立樣本t檢驗(yàn)。不滿足正態(tài)分布的計(jì)量資料用中位數(shù)±四分位數(shù)間距（M±Q）表示，組間比較采用曼—惠特尼U檢驗(yàn)。計(jì)數(shù)資料以例數(shù)表示，組間比較采用χ2檢驗(yàn)。采用R（x64 4.1.1）和python（3.9.12）完成特征篩選及模型建立，繪制并計(jì)算受試者工作特征（receiver operating characteristic, ROC）曲線下面積（area under the curve, AUC)來評(píng)估各模型的預(yù)測效能，使用Hosmer-Lemesow 檢驗(yàn)和校準(zhǔn)曲線進(jìn)行模型的擬合優(yōu)度檢驗(yàn)。使用Delong檢驗(yàn)實(shí)現(xiàn)三種機(jī)器學(xué)習(xí)模型之間的比較。P＜0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 淋巴結(jié)轉(zhuǎn)移陽性組與陰性組臨床病理特征比較

兩組間患者在年齡、性別、腫瘤部位、組織學(xué)分級(jí)、CA199、T分期的差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）（表1）。

表1 淋巴結(jié)轉(zhuǎn)移陽性組與陰性組患者的臨床病理資料比較Tab.1 Comparison of clinicopathological data between patients with positive and negative lymph node metastasis

2.2 訓(xùn)練組與驗(yàn)證組臨床病理特征比較

兩組間患者年齡、淋巴結(jié)狀態(tài)、性別、腫瘤部位、組織學(xué)分級(jí)、CA199、T分期的差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）（表2）。

表2 訓(xùn)練組與驗(yàn)證組患者的臨床病理資料比較Tab.2 Comparison of clinicopathological data between training group and validation group

2.3 影像組學(xué)特征篩選

根據(jù)一致性檢驗(yàn)分析結(jié)果，ICCmean=0.81，ICCmedian=0.86。為了選擇受觀察者影響較小的特征為后續(xù)模型特征，選擇ICC 值≥0.75 的影像組學(xué)特征，共895 個(gè)。單因素分析和LASSO 篩選出5 個(gè)預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移最優(yōu)的特征，分別為1個(gè)灰度共生矩陣特征[相關(guān)度（correlation）]、2個(gè)灰度行程矩陣特征[長行程灰度優(yōu)勢（long run ray level emphasis）、長行程優(yōu)勢（long run emphasis）]、2個(gè)灰度區(qū)域大小矩陣特征[小區(qū)域低灰度優(yōu)勢（small area low gray level emphasis）、灰度非均勻歸一化（gray level non uniformity normalized）]。

2.4 三種機(jī)器學(xué)習(xí)模型對(duì)淋巴結(jié)轉(zhuǎn)移的預(yù)測效能

在訓(xùn)練組中，支持向量機(jī)模型、決策樹模型和邏輯回歸模型的AUC分別為0.882 [95%置信區(qū)間（confidence interval,CI）：0.797～0.968]、0.842（95%CI：0.755～0.930）、0.813（95%CI：0.710～0.915）。在驗(yàn)證組中，三種模型的AUC 分別為0.726（95%CI：0.546～0.906）、0.753（95%CI：0.606～0.899）、0.702（95%CI：0.522～0.883）（表3、圖2)。Delong 檢驗(yàn)顯示三個(gè)模型兩兩比較差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05）。分別繪制三種機(jī)器學(xué)習(xí)模型在驗(yàn)證組中的校準(zhǔn)曲線圖（圖3）。Hosmer-Lemeshow 檢驗(yàn)（邏輯回歸模型P=0.42；支持向量機(jī)模型P=0.24；決策樹模型P=1.00）驗(yàn)證了預(yù)測值和實(shí)際臨床觀察值之間存在一致性，其中決策樹模型擬合最佳。

圖2 訓(xùn)練組和驗(yàn)證組三個(gè)模型的受試者工作特征曲線（ROC）及曲線下面積（AUC）。2A：訓(xùn)練組；2B：驗(yàn)證組。 圖3 三種機(jī)器學(xué)習(xí)模型在驗(yàn)證組中的校準(zhǔn)曲線圖。Fig. 2 Receiver operating characteristic (ROC) curve and area under the curve (AUC) of three models in training group and validation group. 2A: The training group;2B:The validation group.Fig.3 Calibration plots of the three machine learning models in the validation group.

表3 3種機(jī)器學(xué)習(xí)模型對(duì)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的預(yù)測價(jià)值Tab.3 Predictive value of three machine learning models for lymph node metastasis in pancreatic ductal adenocarcinoma

3 討論

本研究回顧性分析121例PDAC患者的T1WI動(dòng)脈期圖像，旨在通過影像組學(xué)模型為術(shù)前預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移提供一個(gè)潛在無創(chuàng)的新方法。研究發(fā)現(xiàn)基于三種分類器的機(jī)器學(xué)習(xí)模型均具有較好的預(yù)測價(jià)值，Delong 檢驗(yàn)顯示三個(gè)模型兩兩比較差異均無統(tǒng)計(jì)學(xué)意義。提示基于T1WI動(dòng)脈期圖像的影像組學(xué)模型可以在術(shù)前進(jìn)行PDAC 患者淋巴結(jié)狀態(tài)的評(píng)估，可在傳統(tǒng)醫(yī)學(xué)圖像的基礎(chǔ)上提供額外有價(jià)值的信息，為臨床醫(yī)師治療方案的選擇提供參考。

3.1 PDAC淋巴結(jié)轉(zhuǎn)移研究現(xiàn)狀

淋巴結(jié)轉(zhuǎn)移是PDAC患者重要的生存預(yù)測因子，但術(shù)前檢測存在困難[19-22]。不利于臨床醫(yī)師進(jìn)行腫瘤的術(shù)前分期及治療方案的選擇。近年來，血清標(biāo)志物如MMP7、MUC1、MUC2和中性粒細(xì)胞數(shù)與淋巴細(xì)胞數(shù)的比值等被提出可用于術(shù)前檢測PDAC淋巴結(jié)狀態(tài)，但由于技術(shù)和準(zhǔn)確性等問題，其臨床應(yīng)用受到限制[19-20]。超聲內(nèi)鏡引導(dǎo)下細(xì)針抽吸（endoscopic ultrasound-guided fine needle aspiration, EUS-FNA）對(duì)檢測淋巴結(jié)轉(zhuǎn)移非常敏感，但EUS-FNA是一種有創(chuàng)的診斷工具，很大程度會(huì)導(dǎo)致患者發(fā)生胰腺炎等并發(fā)癥[21]。影像組學(xué)可以從醫(yī)學(xué)圖像（CT、MRI 等）中提取大量的高維量化特征，揭示肉眼無法清楚觀察到的疾病的隱藏特征[23-24]。既往研究[15-17,25-26]多采用增強(qiáng)CT 影像組學(xué)預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移情況，Bian 等[15]研究發(fā)現(xiàn)CT 動(dòng)脈期影像組學(xué)評(píng)分（RAD-score）越高，淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)越高。Li等[17]結(jié)合臨床數(shù)據(jù)和CT靜脈期特征建立模型進(jìn)行研究，發(fā)現(xiàn)聯(lián)合影像組學(xué)特征與臨床特征的預(yù)測模型對(duì)術(shù)前淋巴結(jié)轉(zhuǎn)移的識(shí)別能力優(yōu)于臨床模型。證明了CT 影像組學(xué)在PDAC 淋巴結(jié)轉(zhuǎn)移中的預(yù)測價(jià)值。但CT檢查產(chǎn)生的電離輻射對(duì)人體有一定的損傷，且碘對(duì)比劑可能會(huì)使患者發(fā)生過敏反應(yīng)甚至腎功能損害。

3.2 PDAC淋巴結(jié)轉(zhuǎn)移主要研究結(jié)果分析

目前，MRI 檢查以其無輻射、高軟組織對(duì)比及多參數(shù)成像被越來越多的患者所選擇，有學(xué)者研究[27-28]認(rèn)為增強(qiáng)T1WI影像組學(xué)模型對(duì)腫瘤組織淋巴結(jié)轉(zhuǎn)移及預(yù)后評(píng)估具有重要價(jià)值。由于在增強(qiáng)T1WI 序列中，動(dòng)脈期的腫瘤與背景胰腺信號(hào)強(qiáng)度差異最大，因此本研究采用T1WI 動(dòng)脈期影像組學(xué)預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移情況。降維處理后獲得5 個(gè)預(yù)測淋巴結(jié)轉(zhuǎn)移最優(yōu)的特征，分別為1個(gè)灰度共生矩陣特征、2個(gè)灰度行程矩陣特征、2 個(gè)灰度區(qū)域大小矩陣特征?；叶裙采仃嚳梢垣@得圖像中具有相似或特定強(qiáng)度的像素對(duì)的空間相關(guān)關(guān)系，灰度行程矩陣反映了圖像灰度關(guān)于方向、相鄰間隔和變化幅度等信息，灰度區(qū)域大小矩陣是在二維空間中記錄圖像區(qū)域內(nèi)有j個(gè)i元素相鄰的情況的出現(xiàn)次數(shù)或概率[29-30]。Shi 等[18]同樣基于T1WI 動(dòng)脈期圖像進(jìn)行分析，該研究僅采用邏輯回歸分類器建立模型。而本研究除采用邏輯回歸模型外，還使用支持向量機(jī)和決策樹進(jìn)行建模。其中支持向量機(jī)模型的預(yù)測效能較邏輯回歸模型與決策樹模型好，AUC 在訓(xùn)練組與驗(yàn)證組中分別為0.882 與0.726。總之，構(gòu)建的3種機(jī)器學(xué)習(xí)模型在訓(xùn)練組均表現(xiàn)為較好的預(yù)測效能（AUC＞0.8），雖在驗(yàn)證組略有下降，但都維持在一個(gè)較理想的范圍內(nèi)（AUC＞0.7）。

此外，由于胰腺不同部位的PDAC 淋巴結(jié)轉(zhuǎn)移途徑不同，本研究根據(jù)是否有淋巴結(jié)轉(zhuǎn)移將患者分為陽性組與陰性組。并進(jìn)行了淋巴結(jié)轉(zhuǎn)移陽性組與陰性組、訓(xùn)練組和驗(yàn)證組間的臨床及病理資料的比較，結(jié)果顯示淋巴結(jié)轉(zhuǎn)移陽性組和陰性組間的年齡、性別、腫瘤部位、組織學(xué)分級(jí)、CA199 及T 分期等臨床及病理資料差異均無統(tǒng)計(jì)學(xué)意義。臨床病理資料在訓(xùn)練組與驗(yàn)證組中差異無統(tǒng)計(jì)學(xué)意義提示臨床病理信息在組間分布具有均衡性，排除臨床和病理特征在影像組學(xué)模型中的潛在干擾因素。Bian 等[15]的研究同樣得出年齡、性別、腫瘤部位及組織學(xué)分級(jí)在淋巴結(jié)轉(zhuǎn)移陽性與陰性組間差異無統(tǒng)計(jì)學(xué)意義。Li 等[17]的研究發(fā)現(xiàn)年齡、性別及腫瘤部位在PDAC 患者淋巴結(jié)轉(zhuǎn)移陽性及陰性組間的差異無統(tǒng)計(jì)學(xué)意義，但組織學(xué)分級(jí)在兩組間差異有統(tǒng)計(jì)學(xué)意義。然而，通過組織學(xué)分級(jí)等臨床因素構(gòu)建的臨床模型在訓(xùn)練組及驗(yàn)證組中預(yù)測效能欠佳。因此提示僅憑借臨床信息較難預(yù)測淋巴結(jié)轉(zhuǎn)移。在Shi 等[18]的最新研究中發(fā)現(xiàn)PDAC組織學(xué)分級(jí)在淋巴結(jié)轉(zhuǎn)移陽性與陰性組間差異有統(tǒng)計(jì)學(xué)意義，和本研究結(jié)果的差異可能與本研究樣本量較小有關(guān)。此外，Shi 等[18]的研究依據(jù)淋巴結(jié)轉(zhuǎn)移是否大于3例來進(jìn)行分組，與本研究的分組情況略有不同。因此后續(xù)研究將繼續(xù)擴(kuò)大樣本量，排除其他因素對(duì)實(shí)驗(yàn)結(jié)果的影響。

3.3 局限性

本研究的局限性：（1）本研究是一項(xiàng)回顧性研究，外科醫(yī)師所清掃的淋巴結(jié)可能與影像上所觀察到的淋巴結(jié)不一致，較難獲得淋巴結(jié)病理和影像的精準(zhǔn)對(duì)應(yīng)；（2）本研究僅采用TIWI 動(dòng)脈期進(jìn)行建模，可能會(huì)丟失其他序列所提供的有用信息，后續(xù)將采用多期相、多序列聯(lián)合建模以期獲得一個(gè)最佳的預(yù)測模型；（3）由于是回顧性分析，部分臨床病理資料缺失的特征被排除在外，因而所納入臨床病理資料有限，可能忽略對(duì)預(yù)測淋巴結(jié)轉(zhuǎn)移有價(jià)值的臨床特征。因此，未來需要進(jìn)一步進(jìn)行多中心、大樣本研究，同時(shí)納入更全面的臨床特征以進(jìn)一步提高模型的魯棒性和預(yù)測效能。

綜上所述，基于T1WI 動(dòng)脈期圖像提取影像組學(xué)特征構(gòu)建機(jī)器學(xué)習(xí)模型，能客觀反映PDAC 的空間形態(tài)學(xué)異質(zhì)性特征，在術(shù)前預(yù)測PDAC 淋巴結(jié)轉(zhuǎn)移方面具有較高的診斷效能，可幫助臨床獲得更準(zhǔn)確的診斷和分期。

作者利益沖突聲明：全體作者均聲明無利益沖突。