宮悅，胡逸凡，夏茜，丁娟娟，顧紅梅

目前，食管癌是發(fā)病率排名第八位、死亡率排名第六位的惡性腫瘤，晚期患者生存率僅15%～25%[1]。在中國，95.5%的食管癌病理類型為食管鱗狀細(xì)胞癌(esophageal squamous cell carcinoma，ESCC)[2]。根據(jù)食管癌治療指南的推薦，對于cT1b～cT2N+或cT3～cT4a+N0～1可切除食管癌患者，術(shù)前新輔助治療聯(lián)合手術(shù)切除是較為推薦的治療模式[3]。晚期食管癌患者術(shù)前進(jìn)行新輔助治療可以提高患者的生存率[4]。在新輔助治療方式的選擇上，歐美國家首選新輔助放化療(neoadjuvant chemoradiation treatment，NCRT)，亞洲國家則推薦新輔助化療(neoadjuvant chemotherapy，NAC)[5]。針對ESCC患者，NAC和NCRT哪種更優(yōu)目前尚存在爭議。接受NCRT的患者在手術(shù)后心臟和肺部并發(fā)癥的發(fā)生率及圍手術(shù)期的死亡率較接受NAC的患者更高[6]，因此本研究著重于探討ESCC患者NAC療效。

使用實(shí)體腫瘤PET反應(yīng)標(biāo)準(zhǔn)有助于預(yù)測腫瘤的治療反應(yīng)和預(yù)后[7-8]，但PET-CT價格昂貴，基層普及率不高。影像組學(xué)通過定量分析腫瘤的紋理特征，解碼腫瘤在遺傳和細(xì)胞水平上的生物學(xué)特征，有助于對腫瘤療效的預(yù)測和預(yù)后的判斷[9-10]。有研究者建立了基于CT的食管癌NCRT療效評估的機(jī)器學(xué)習(xí)模型，并顯示出比臨床模型更好的預(yù)測性能[11-12]。

炎癥微環(huán)境與腫瘤的發(fā)展密切相關(guān)，以往的研究多探討炎癥指標(biāo)與患者長期生存率之間的關(guān)系，而本文則評估了其在預(yù)測ESCC患者在NAC療效中的應(yīng)用價值。血液學(xué)炎癥指標(biāo)可影響ESCC患者的療效和預(yù)后生存期，但其在食管癌中的價值以及如何優(yōu)化其與其它因素的組合以盡早選擇針對不同患者的最優(yōu)個性化治療，仍需進(jìn)一步深入研究。

食管癌患者的總生存期(overall survival period，OSP)與腫瘤對治療的反應(yīng)顯著相關(guān)[13]，對反應(yīng)不佳的患者采用NAC方案，不僅使患者遭受不必要的治療導(dǎo)致的不良反應(yīng)，增加治療費(fèi)用，還會延誤最佳治療時機(jī)。故本文通過分析基于CT影像組學(xué)和血液學(xué)炎癥指標(biāo)構(gòu)建的列線圖對預(yù)測ESCC患者NAC反應(yīng)的效能，尋找能早期篩查出對NAC反應(yīng)不佳患者的影像學(xué)方法，旨在為臨床最優(yōu)的個性化治療提供依據(jù)。

材料與方法

1.研究對象

本研究為回顧性研究，研究對象為2016年1月-2021年9月在南通大學(xué)附屬醫(yī)院(醫(yī)院A)和東臺市人民醫(yī)院(醫(yī)院B)接受規(guī)范化NAC治療的ESCC患者。入組標(biāo)準(zhǔn)：①經(jīng)手術(shù)病理證實(shí)為食管鱗狀細(xì)胞癌；②根治性手術(shù)前接受規(guī)范化NAC治療；③有NAC治療前、后的完整的胸部CT增強(qiáng)圖像；④在完成NAC后接受食管癌根治切除術(shù)。排除標(biāo)準(zhǔn)：①同期接受了其它相關(guān)治療(免疫治療、新輔助放療等)；②合并其它惡性腫瘤；③腫瘤病灶過小(直徑<10 mm)或圖像質(zhì)量差，不能滿足評價要求；④靠近賁門的病灶與賁門分界不清。最終共將54例符合要求的患者納入本研究，其中男41例、女13例，年齡49～78歲，中位年齡64歲；28例來自醫(yī)院A， 26例來自醫(yī)院B。

圖1 食管癌患者CT圖像。a～b)靜脈期增強(qiáng)圖像，逐層沿腫瘤邊緣勾畫ROI(綠色區(qū)域)，避開空氣等；c)逐層勾畫ROI后軟件自動生成VOI。

2.臨床資料及分組

所有入組患者的NAC方案：第1天靜脈滴注紫杉醇(135 mg/m2)，第1～3天靜脈滴注順鉑(30 mg/m2)；重復(fù)上述注射方案，3周為1個療程，持續(xù)進(jìn)行2個療程。所有患者在完成NAC后4～6周接受食管癌根治切除術(shù)。

搜集所有患者在NAC前一周內(nèi)的基線實(shí)驗(yàn)室檢查資料，主要包括血液學(xué)炎癥相關(guān)指標(biāo)：單核細(xì)胞(monocytes，MON)、血小板(platelet，PLT)、中性粒細(xì)胞(neutrophilicgranulocyte，NE)、淋巴細(xì)胞(lymphocyte，LYM)和白細(xì)胞計(jì)數(shù)(white blood count，WBC)，并計(jì)算其衍生指標(biāo)：淋巴細(xì)胞-單核細(xì)胞比(lymphocyte to monocyte ratio，LMR)、中性粒細(xì)胞-淋巴細(xì)胞比值(neutrophil to lymphocyte ratio，NLR)、中性粒細(xì)胞/血小板比值(platelet to lymphocyte ratio，PLR)和系統(tǒng)免疫炎癥指數(shù)(systemic immune-inflammation index，SII=血小板×中性粒細(xì)胞計(jì)數(shù)/淋巴細(xì)胞)。

本研究按照實(shí)體腫瘤療效評價標(biāo)準(zhǔn)(Response Evaluation Criteria in Solid Tumors，RECIST)1.1進(jìn)行療效評估。在縱隔窗矢狀面或橫軸面圖像上測量腫瘤的最長徑。NAC結(jié)束3周后復(fù)查胸部增強(qiáng)CT，測量治療后病灶的最長徑，計(jì)算最長徑的變化率。對于治療后CT圖像上未能觀察到的病灶則在觀察期間記錄為病灶消失，不測量其大小。

在NAC治療前、后的增強(qiáng)CT圖像上測量治療前、后病灶的最長徑，計(jì)算其變化率；根據(jù)變化率將治療效果分為以下4種。完全緩解(complete response，CR)：目標(biāo)病灶完全消失；部分緩解(partial response，PR)：病灶最長徑較基線縮小程度≥30%；疾病進(jìn)展(progressive disease，PD)：病灶最長徑較基線增加至少20%；疾病穩(wěn)定(stable disease，SD)；病灶最長徑減小或增加的程度介于PR和PD之間。將CR和PR患者納入NAC治療有效組，將PD和SD患者納入無效組[14]。

3.CT掃描方法

患者取仰臥位，雙手舉過頭頂；掃描范圍為胸廓入口至雙側(cè)腎上腺下緣水平。兩家醫(yī)院掃描層厚、層間隔均為5.0 mm，120 kV，像素矩陣512×512，0.75 s/r；行動脈期和靜脈期雙期增強(qiáng)掃描，對比劑注射流率為3.0 mL/s，采用CT值閾值法觸發(fā)動脈期掃描，動脈期掃描完成后延遲30 s行靜脈期掃描。

醫(yī)院A：使用Philips Brilliance ICT機(jī)，對比劑為碘普羅胺，用量約60 mL，掃描前口服對比劑；醫(yī)院B：使用Siemens Definition AS螺旋CT機(jī)，對比劑為碘佛醇，用量約80 mL，掃描前未口服對比劑。

4.影像組學(xué)特征提取

將患者NAC治療前靜脈期原始圖像以DICOM格式導(dǎo)入3D Slicer 4.11軟件(https://download.slicer.org/)，采用人工方法沿腫瘤邊界逐層勾畫ROI，避開空氣，來自醫(yī)院A的圖像還需注意避開對比劑，勾畫完成后軟件自動生成病灶的三維容積感興趣區(qū)(圖1)。ROI的勾畫由一位具有5年以上相關(guān)工作經(jīng)驗(yàn)的住院醫(yī)師和一位主治醫(yī)師分別進(jìn)行。

本研究設(shè)計(jì)基于影像生物標(biāo)記物標(biāo)準(zhǔn)化倡議(Image Biomarkers Standardization Initiative，IBSI)。使用PyRadiomics 3.0.1軟件包(https://pyradiomics.readthedocs.io/)對DICOM格式的圖像進(jìn)行標(biāo)準(zhǔn)化及重采樣(體素大小2.0×2.0×2.0 mm3)處理，使用小波(Wavelet)濾波器、高斯濾波器的拉普拉斯算子(LoG)濾鏡，對原始圖像和經(jīng)濾鏡處理后的圖像分別進(jìn)行特征提取，包括一階特征、形態(tài)特征、灰度共生矩陣(gray level co-occurrence matrix，GLCM)、灰度區(qū)域大小矩陣(gray-level size-zone matrix，GLSZM)灰度游程矩陣(gray-level run-length matrix，GLRLM)、鄰域灰度差矩陣(neighborhood gray-tone difference matrix，NGTDM)和灰度依賴矩陣(gray-level dependence matrix，GLDM)。其中，形態(tài)特征只能自原始圖像中提取。

圖2 Boruta特征按重要性排序，wavelet-HLL_gldm_DependenceEntropy、wavelet-HHL_gldm_LargeDependenceLowGrayLevelEmphasis、wavelet-HHH_glrlm_HighGrayLevelRunEmphasis、wavelet-HHH_glrlm_LowGrayLevelRunEmphasis、wavelet-HLL_glszm_ZoneEntropy這5個影像組學(xué)特征的重要性最高，最終用于構(gòu)建影像組學(xué)標(biāo)簽。

在Python中使用Sklearn 0.23.2(https://scikit-learn.org/)軟件包進(jìn)行特征工程。在R語言4.0.3(https://www.r-project.org/)中使用irr程序包計(jì)算組間相關(guān)系數(shù)(Intraclass Correlation Coefficient，ICC)來評估基于兩位醫(yī)師勾畫的VOI所提取的紋理特征的一致性，ICC>0.75表明相關(guān)性較好，選擇相關(guān)性較好的特征進(jìn)行標(biāo)準(zhǔn)化處理后，使用mRMR及Boruta程序包進(jìn)行特征降維，構(gòu)建邏輯回歸模型，并根據(jù)邏輯回歸中截距和特征系數(shù)計(jì)算影像組學(xué)標(biāo)簽(Radscore)。

5.統(tǒng)計(jì)分析

使用R語言stats程序包中的Shapiro-Wilk檢驗(yàn)對計(jì)量資料是否符合正態(tài)分布進(jìn)行驗(yàn)證，如符合正態(tài)分布使用均值±標(biāo)準(zhǔn)差表示，不符合則使用中位數(shù)(上、下四分位數(shù))表示。對于符合正態(tài)分布的變量，組間比較采用獨(dú)立樣本t檢驗(yàn)；非正態(tài)分布的變量，組間比較則采用Mann-WhitneyU檢驗(yàn)。將P<0.05的變量納入后續(xù)分析。

6.模型的建立和驗(yàn)證

基于血液學(xué)炎癥指標(biāo)和影像組學(xué)特征分別建立邏輯回歸模型，通過R語言中rms程序包構(gòu)建血液學(xué)炎癥指標(biāo)聯(lián)合Radscore的邏輯回歸模型，使用六折交叉驗(yàn)證對3個模型分別進(jìn)行內(nèi)部驗(yàn)證，并繪制其ROC曲線。使用ROC曲線評估影像組學(xué)模型、血液學(xué)炎癥指標(biāo)模型及聯(lián)合模型的效能，計(jì)算曲線下面積(AUC)，并利用混淆矩陣得到模型預(yù)測效能的各項(xiàng)定量指標(biāo)(平均準(zhǔn)確率、平均精確率、平均召回率及F1-score)。使用rmda程序包中的決策曲線分析(decision curve analysis，DCA)評估模型的臨床價值。

結(jié) 果

1.基本臨床資料

54例患者中治療有效組30例，無效組24例。兩組患者NAC前的血液學(xué)炎癥指標(biāo)值詳見表1。兩組之間LYM和LMR的差異有統(tǒng)計(jì)學(xué)意義(P均<0.05)；MON、PLT、NE、WBC、NLR、PLR和SII在兩組間的差異無統(tǒng)計(jì)學(xué)意義(P均>0.05)。

2.影像組學(xué)模型及標(biāo)簽

表1 兩組患者NAC前血液學(xué)炎癥指標(biāo)值的比較

共提取1168個組學(xué)特征，經(jīng)特征降維后最終篩選出5個特征用于構(gòu)建影像組學(xué)模型(圖2)，相應(yīng)的影像組學(xué)標(biāo)簽(Radscore)的計(jì)算公式：

Radscore=0.16-0.48×wavelet-HLL_gldm_DependenceEntropy+0.63×wavelet-HHL_gldm_LargeDependenceLowGrayLevelEmphasis-0.20×wavelet-HHH_glrlm_HighGrayLevelRunEmphasis+0.20×wavelet-HHH_glrlm_LowGrayLevelRunEmphasis+0.52×wavelet-HLL_glszm_ZoneEntropy

(1)

3.血液學(xué)炎癥指標(biāo)模型及聯(lián)合模型

將組間差異有統(tǒng)計(jì)學(xué)意義的血液學(xué)炎癥指標(biāo)納入邏輯回歸分析，LYM和LMR被納入臨床預(yù)測模型?；谘簩W(xué)炎癥指標(biāo)和Radscore構(gòu)建聯(lián)合模型并繪制列線圖(圖3)，相應(yīng)的計(jì)算公式[P(y=1)是預(yù)測為治療有效的概率]：

P(y=1)=-2.27+1.28×LYM+0.094×LMR+1.20×Radscore

(2)

圖3聯(lián)合CT影像組學(xué)標(biāo)簽和血液學(xué)炎癥指標(biāo)構(gòu)建的預(yù)測ESCC患者NAC療效的列線圖。圖4血液炎癥學(xué)模型的ROC曲線，經(jīng)過6折交叉驗(yàn)證后平均AUC為0.72。 圖5影像組學(xué)模型6折交叉驗(yàn)證的ROC曲線圖，平均AUC為0.77。 圖6聯(lián)合模型6折交叉驗(yàn)證的ROC曲線圖，經(jīng)過6折交叉驗(yàn)證后平均AUC為0.80。圖7各模型的DCA圖，顯示影像組學(xué)模型和聯(lián)合模型的患者臨床受益均較好，風(fēng)險閾值為0.68～0.84時聯(lián)合模型的獲益較其它模型高。

表2 不同模型的預(yù)測效能指標(biāo)

不同模型預(yù)測治療有效的效能指標(biāo)值見表2，6折交叉驗(yàn)證的ROC曲線見圖4～6，DCA曲線見圖7。結(jié)果顯示影像組學(xué)模型、臨床模型和聯(lián)合模型均具有較高的預(yù)測效能，其中以聯(lián)合模型的預(yù)測效能最佳。DCA曲線顯示影像組學(xué)模型和聯(lián)合模型具有較好的患者獲益，風(fēng)險閾值為0.68～0.84時聯(lián)合模型的獲益較其它模型高。

討 論

NAC在不同ESCC患者中治療效果差異較大，治療前判斷患者能否從NAC中受益具有較大的臨床價值。ESCC患者對NAC反應(yīng)的差異可能與其腫瘤的異質(zhì)性有關(guān)，本研究利用影像組學(xué)方法，通過不同的紋理參數(shù)值來揭示病變內(nèi)部性質(zhì)變化，從而無創(chuàng)性量化分析腫瘤的微環(huán)境。本研究結(jié)果顯示：GLRLM中的高灰度運(yùn)行強(qiáng)調(diào)(high GrayLevel Run Emphasis，HGLRE)特征測量的是病灶內(nèi)高灰度值的分布，其與治療效果呈負(fù)相關(guān)，而低灰度運(yùn)行強(qiáng)調(diào)(low gray level run emphasis，LGLRE)與治療效果呈負(fù)相關(guān)，上述結(jié)果與一項(xiàng)基于PET-CT及另一項(xiàng)基于MR T2WI序列的影像組學(xué)研究結(jié)果類似[15-16]，這表明HGLRE不僅具有良好的魯棒性，在預(yù)測腫瘤治療效果方面也具有良好效能。GLSZM參數(shù)中的區(qū)域熵(zone entropy，ZE)測量的是區(qū)域大小和灰度級別分布的隨機(jī)性，其值越大說明腫瘤的異質(zhì)性越高[17]，此紋理參數(shù)與治療效果呈正相關(guān)，說明內(nèi)部結(jié)構(gòu)異質(zhì)性越高的病灶治療療效更好，這似乎意味著愈加混亂的腫瘤微環(huán)境更有利于化療藥物作用于腫瘤細(xì)胞。本研究發(fā)現(xiàn)降維后的影像組學(xué)特征全部為Wavelet濾波器預(yù)處理圖像提取的特征，我們推測Wavelet濾波器通過應(yīng)用高通或低通濾波器可降低影像噪聲，增強(qiáng)紋理細(xì)節(jié)，從而有助于提高表達(dá)腫瘤異質(zhì)性的效率，提升放射組學(xué)模型的預(yù)測效能。

炎癥指標(biāo)與大多數(shù)種類的惡性腫瘤的行為與進(jìn)展密切相關(guān)，如國內(nèi)劉永倩[18]等在原發(fā)性肝癌的研究中顯示了NLR與腫瘤病理分級的相關(guān)性，由免疫細(xì)胞、基質(zhì)和血管系統(tǒng)組成的腫瘤微環(huán)境是影響常規(guī)放化療和免疫治療療效的關(guān)鍵因素[19-20]。在日本的一項(xiàng)研究中，NLR是反映ESCC患者NAC病理反應(yīng)的獨(dú)立預(yù)測指標(biāo)[21]，但本研究中并未顯示出NLR是NAC療效的獨(dú)立影響因子，這與國內(nèi)羅何三等[22]關(guān)于ESCC放化療的研究結(jié)論類似，故尚不能認(rèn)為NLR可作為預(yù)測ESCC新輔助化療療效的生物標(biāo)志物。本研究結(jié)果顯示低水平的LYM和LMR是ESCC患者化療效果不佳的危險因素，而PLR則無顯著相關(guān)性。這一表現(xiàn)與其它腫瘤(如乳腺癌[23])不完全相同，另外一方面，各類研究結(jié)論的不一致還可能來源于研究設(shè)計(jì)的不同、治療方案的迥異或腫瘤本身的異質(zhì)性，我們期待進(jìn)一步前瞻性研究可以控制這些混雜因素。

本研究按照RECIST 1.1進(jìn)行療效評估。RECIST 1.1標(biāo)準(zhǔn)以單徑的方法測量病灶來評價化療療效，James等[24]的研究結(jié)果表明腫瘤最長單徑變化比WHO標(biāo)準(zhǔn)中腫瘤雙徑乘積更能反映腫瘤細(xì)胞數(shù)量的變化。在兩者評估食管癌治療療效有著較好一致性的基礎(chǔ)上，RECIST標(biāo)準(zhǔn)更易操作，同時也更貼近食管癌的特點(diǎn)[25]。

本研究中存在的不足之處：①樣本量不足，雖使用了K折交叉驗(yàn)證從一定程度上說明了模型的可靠性，但獨(dú)立測試集的缺失還是讓模型的泛化能力缺乏一定的說服力，仍需在真實(shí)世界中進(jìn)行大樣本、多中心驗(yàn)證；②手工分割的ROI雖然嚴(yán)格沿腫瘤邊緣，但這樣的分割方法忽略了腫瘤周緣的信息，并不能體現(xiàn)腫瘤完整的特征，在后續(xù)的研究中，擬引入深度學(xué)習(xí)模型用于腫瘤自動分割。

綜上所述，本研究使用基于CT的影像組學(xué)分析為實(shí)驗(yàn)室資料提供有益的信息補(bǔ)充，構(gòu)建并驗(yàn)證了基于CT影像組學(xué)及新輔助化療前血液炎癥學(xué)指標(biāo)建立的列線圖預(yù)測模型可以在新輔助化療前較好地預(yù)測食管癌患者新輔助化療的療效，為ESCC患者制訂個性化治療方案提供參考。