馬嘯天 賈禎 孟錦 李衛(wèi)星

(新鄉(xiāng)市中心醫(yī)院CT室,河南 新鄉(xiāng) 453000)

肺癌是我國死亡率、發(fā)病率雙高的惡性腫瘤之一,且男性高于女性。國家癌癥中心數據顯示,國內肺癌新診斷78.7萬例,在總的癌癥診斷中約占20%〔1〕。肺癌死亡高達63.05萬例,在總的癌癥死亡中約占27%〔2〕。肺腺癌為肺癌常見的病理類型,且80%～90%的肺腺癌病理類型均為混合性腺癌,該類患者存在隱匿性淋巴結轉移風險〔3〕。2020年國際肺癌研究協會病理委員會(IASLC)中明確指出,肺腺癌影像學上表現為混合磨玻璃結節(jié),但病理上可能為浸潤性腺癌或微浸潤性腺癌,兩種不用疾病在手術方式及預后上存在較大差異〔4〕。浸潤性腺癌需行肺葉下切除術和淋巴結清除術,5年生存率僅為74.6%,相較于微浸潤性腺癌5年生存率更低〔5〕。因此,從CT影像中分類鑒別肺腺癌組織學亞型具有重要意義。

目前,術后病理學檢查作為鑒別診斷肺腺癌組織學分型的金標準,但較難為術前治療方案提供指導。低劑量薄層CT是篩選臨床肺癌的常用診斷方法,但5 mm層厚CT掃描影像分辨率較低,可獲取的紋理信息較少,從影像上分類鑒別肺腺癌組織學分型具有挑戰(zhàn)性。隨科技的發(fā)展,傳統醫(yī)學影像利用計算機挖掘圖像中的海量影像特征,經機器學習,篩選出具有價值的數字化信息,達到精準醫(yī)療目標,基于該發(fā)展影像組學作為新興領域面世。目前,利用增強CT影像組學鑒別診斷肺腺癌組織學分型的相關研究較少。本研究采用增強CT影像組學方法提取篩選最優(yōu)的影像組學特征,分析增強CT影像學組對肺腺癌組織學分型鑒別診斷的應用價值。

1 資料與方法

1.1一般資料 選擇2020年6月至2022年5月新鄉(xiāng)市中心醫(yī)院接受手術治療的肺腺癌患者117例,其中男性67例,女性50例,年齡62～78歲,平均年齡(69.77±4.08)歲。根據病理結果分為A組(包含原位癌、微浸潤腺癌)、B組(包含浸潤性腺癌)。見圖1。兩組性別、年齡比較無統計學意義(P>0.05),見表1。納入標準:(1)手術前由同一CT設備檢查胸部,并由CT引導穿刺病理活檢證實;(2)年齡60～85歲;(3)病灶直徑范圍介于1.0～5.0 cm之間;(4)圖像質量符合診斷。排除標準:(1)經病理檢查提示非腺癌;(2)不能進行病例分型;(3)圖像可見偽影;(4)合并肝腎功能不全;(5)合并糖尿病;(6)合并甲狀腺功能亢進;(7)對比劑過敏。本研究經新鄉(xiāng)市中心醫(yī)院醫(yī)學倫理委員會批準,患者知情同意。

表1 兩組性別構成、年齡比較

浸潤性腺癌(男,60歲,病位:左肺上葉,舌段形態(tài)不規(guī)則的實性密度結節(jié),內有支氣管充氣征,外有毛刺及胸膜凹陷征)

原位癌(男,61歲,病位:右肺上葉,純磨玻璃密度結節(jié))

1.2檢查方法 患者均取仰臥位,舉起兩臂,16排螺旋CT掃描儀(GE公司,Light Speed)行胸部 CT 動態(tài)增強掃描,掃描范圍由肺尖到肋膈角,掃描時需屏氣,掃描參數:管電壓、管電流、層厚與層間距分別為120 kV、215 mA、5 mm,螺距1.372∶1,轉速27.5 mm/rot,16排探測器,512×512重建矩陣,重建層厚、層間距均為1 mm,螺距1.375∶1。100 ml含碘對比劑(含碘離子370 g/L)經Medrad Stellant雙筒高壓注射器注射,速度3.5 ml/s。注射后25、70 s采集動脈期、靜脈期CT增強圖像。

1.3篩選影像學特征和6種機器學習 通過雙盲法由2名經驗豐富放射科醫(yī)師評估。圖像分割及特征提取:在動脈期和靜脈期橫軸位圖像病灶最大截面所在層面設置窗寬400 Hu、窗位40 Hu進行統一化處理圖像,然后使用飛利浦-影像組學v94-分配圖像軟件沿病灶輪廓勾畫感興趣區(qū),盡可能避開血管、胸膜等區(qū)域;首先由1名高資歷放射診斷專業(yè)主治醫(yī)師通過盲法校驗勾畫的感興趣區(qū);將病灶增強CT橫軸位最大層面圖像和勾畫相應感興趣區(qū)圖像導入A.K.軟件篩選最佳病灶三維紋理特征參數;歸一化處理采用MinMax標度算法:X(normal)=〔X-X(min)〕/〔X(max)-X(min)〕通過Spearman 相關分析得出兩組影像組學特征差異,保留差異明顯者(去掉r<0.2或P>0.05)。經最小絕對收縮和選擇算子〔6〕降維后,篩選典型影像組學特征,并以此建立預測模型。訓練集和驗證集數據比例2∶1,通過6種機器學習算法分類,并以5倍交叉驗證作為6種機器學習分類器效能指標(分類器包括:PerceptronClassifier、SGD Classifier、Logistic Regression、Passive Aggressive Classifier、Ridge Classifier、Linear SVC),選出最佳分類器;數據集、訓練集和驗證集均由分類5倍交叉驗證,得出模型預測肺腺癌病理分型受試者工作特征(ROC)曲線。

1.4統計學方法 采用SPSS24.0軟件行t檢驗、χ2檢驗。

2 結 果

提取三維紋理特征共381個,其中213個具有差異性,最佳影像組學特征選擇10個建立預測模型,影像組學特征及系數分別為:WaveletGLRLM-wavelet-LLH-RunEntropy,3.58;WaveletNGTDM-wavelet-HHH-Complexity,2.61;WaveletGLCM-wavelet-HHL-JointEnergy,1.89;Wavelet GLCM-wavelet-HLL-InverseVariance,0.68;WaveletFirstOrder-wavelet-HHL-Range,-0.53;Wavelet GLDM-wavelet-HLL-SDHGLevelEmphasis,-1.30;WaveletGLSZMwavelet-HL.L-HGLevelZoneEmphasis,-1.39;WaveletGLRLM-wavelet-HHL-RLNUNormalized,-1.49;WaveletGLCM-wavelet-HLL-JointAverage,-1.80;WaveletGLCM-wavelet-HHL-JointEntropy,-1.90;Intercept,1.19。經模型訓練,準確率分別為:Perceptron 83.1%,SDG Classifier 81.3%,Logistics Rergression 79.4%,Passive Aggressive Classifier 78.5%,Rideg Classifier 77.7%,Linear SVC 76.8%;其中,最高為Perceptron分類器,以此作為最佳分類器。經此模型分類5倍交叉驗證數據集、訓練集、驗證集,得到模型預測原位癌、微浸潤腺癌、浸潤性腺癌的ROC曲線。原位癌曲線下面積(AUC)為0.92、準確率86.1%、特異度81.3%、敏感度90.2%;微浸潤腺癌AUC為0.94、準確率88.7%、特異度82.4%、敏感度93.3%;浸潤性腺癌AUC為0.94、準確率86.1%、特異度87.2%、敏感度84.3%,見圖2。

圖2 模型預測各數據集病理組織學分型的ROC曲線及診斷效能

3 討 論

本研究將影像組學與機器學習方式分析增強CT對肺腺癌組織學分型預測效能,將原位癌和微浸潤腺癌作為一組,從臨床干預方面來看兩者共同特征為符合亞肺葉切除指征、不進行淋巴結清掃及輔助治療、預后較好;將浸潤性腺癌作為另一組,主要特征為符合切除肺葉指征、行淋巴結清掃或淋巴結、預后較差。選擇兩組中具有顯著差異性的最佳影像組學特征進行術前病理分型,因此通過增強CT影像聯合特征模型具有良好分類效能,對肺腺癌組織學分型鑒別提供了較為可靠的方法。楊昭等〔7〕采用CT 影像組學建立列線圖模型判斷訓練集和驗證集肺腺癌臟層胸膜侵犯AUC分別為0.875和0.865,且與病理結果一致性良好。影像組學經歷圖像采集、分割、提取特征及建立模型等環(huán)節(jié)完成鑒別診斷,在鑒別診斷良惡性肺結節(jié)、肺癌分期、肺癌病理分型及肺癌基因表達、預后評估中取得顯著成效〔8〕。因此,本研究根據病理結果分組篩選出最佳影像組學特征,為手術干預提供有利條件。

本次研究結果表明,增強CT影像組學與6種機器學習算法聯合分析5倍交叉驗證數據集、訓練集、驗證集,楊蕾等〔9〕模型預測效能低于本研究預測模型,推測是由于較大腫瘤提取更多特征;采用CT肝動脈期、靜脈期圖像提取特征,能清晰顯示肝實質輕度強化的富血供病變,較單一肝動脈晚期檢出率更高,因此在CT肝動脈期、靜脈期圖像獲取感興趣區(qū)一定程度上能減小誤差,從而優(yōu)化模型精度。徐一銘等〔10〕研究報道,單一浸潤性肺腺癌與其合并脈管侵犯中存在影像組學特征差異,影像組學模型能較好鑒別浸潤性肺腺癌脈管侵犯與否;游杰等〔11〕、邱建升等〔12〕研究也表明,不同病理類型病變密度存在差異性,浸潤性腺癌病變密度區(qū)別于浸潤前病變。肺結節(jié)各項影像學征象對病變病理階段判斷具有重要臨床價值〔13〕,但有研究持不同觀點,即肺癌不同病理亞型病灶數量、邊緣毛刺征象具有顯著差異,然而實性成分、形狀、反映邊緣特征分葉、支氣管充氣征等無差異性〔14〕,可能是樣本量或研究者主觀因素影響造成研究結果不同。本研究不同于上述研究僅注重原位癌、微浸潤腺癌、浸潤性腺癌兩兩之間鑒別診斷,而是以臨床干預角度進行,更能準確評估肺腺癌組織學分型,張闖等〔15〕研究證實了這一點,即肝細胞癌合并微血管侵犯患者術后首年、次年及第三年無進展生存率均低于肝細胞癌無微血管侵犯患者,進一步證實術前建立有效預測模型有助于更全面評估腫瘤侵襲狀態(tài),從而為患者提供精準治療方案。

綜上,增強CT影像學組對肺腺癌組織學分型鑒別診斷價值較高。本研究不足之處為:(1)中心研究,需要外部或多中心數據進一步驗證模型的可靠性;(2)圖像質量方面,磁共振分辨率高于CT,且肝臟占位方面敏感性更高,能精確觀察到病變范圍大小,后期研究將從磁共振圖像行特征提取,進一步提高模型精度;(3)放射診斷專業(yè)主治醫(yī)師手動勾畫的感興趣區(qū)其結果存在一定誤差,因此需要探索更精準可靠的方法解決這一弊端。